---
title: "Tencent e Alibaba lançam novos modelos abertos para programadores e pesquisadores"
author: "Lígia Lemos Maia"
date: "2026-08-30 09:15:00-03"
category: "Inteligência Artificial & Dados"
url: "http://desbugados.scale.press/portal/desbugados/post/2026/08/30/tencent-e-alibaba-lancam-novos-modelos-abertos-para-programadores-e-pesquisadores/md"
---

## Resumo
- A Tencent apresentou o Hy4 preview, modelo open-source com 770 bilhões de parâmetros totais e cerca de 49 bilhões ativos por consulta.
- O Hy4 foi projetado para engenharia de software, pesquisa e análise financeira, com integração planejada ao CodeBuddy e ao WorkBuddy.
- A Tencent alertou que o Hy4 pode ser lento em perguntas complexas e fazer verificações excessivas das próprias respostas.
- A Alibaba lançou o Qwen3.8-Flash como uma prévia inicial da arquitetura do futuro Qwen4.
- O Qwen3.8-Flash tem 125 bilhões de parâmetros, 6 bilhões ativos por token e contexto de até 1 milhão de tokens.
- O modelo da Alibaba é multimodal, apresenta desempenho competitivo no SWE-bench Pro e está disponível por API e em hardware de consumo.

---

Em 28 de agosto de 2026, a **Tencent** apresentou o Hy4 preview, um modelo de IA open-source voltado a engenharia de software, pesquisa e análise financeira, enquanto a **Alibaba** lançou o Qwen3.8-Flash como uma prévia inicial da arquitetura do futuro Qwen4. Os anúncios colocam duas experiências de abertura lado a lado: uma empresa oferece um sistema de grande escala ainda em preview, com integração planejada a produtos próprios, e a outra disponibiliza um modelo multimodal por API e em hardware de consumo. O que há de concreto por trás dos nomes, dos números e das siglas? A leitura mais útil passa por separar o objetivo de cada modelo, entender o que significa ativar apenas parte dos parâmetros e observar o estágio de acesso descrito pelas fontes.

## Duas prévias com escalas e propostas diferentes

A diferença aparece primeiro na escala declarada. O **Hy4 preview** reúne **770 bilhões de parâmetros** no total e ativa cerca de **49 bilhões por consulta**. Parâmetros são os valores ajustados durante o treinamento de um modelo, enquanto a expressão ativados por consulta indica o número informado para cada solicitação; por isso, os dois números ajudam a ler como a Tencent apresenta o tamanho do sistema e o volume mobilizado em uma interação. A arquitetura escolhida é a **MoE**, sigla em inglês para mistura de especialistas, expressão que identifica o desenho técnico anunciado pela empresa. Esse recorte de escala prepara a comparação com a escolha numérica declarada pela Alibaba.

Já o Qwen3.8-Flash trabalha com **125 bilhões de parâmetros**, dos quais **6 bilhões são ativos por token**, e oferece suporte a **1 milhão de tokens de contexto**. Token é a unidade de informação que o modelo processa ao ler uma solicitação, e a janela de contexto indica quanto material pode ser considerado durante a interação. A Alibaba também classifica o sistema como **multimodal**, isto é, capaz de lidar com mais de uma modalidade de informação, embora a fonte não detalhe quais combinações devem ser usadas em cada tarefa. O modelo foi apresentado como uma prévia da próxima arquitetura Qwen4, o que torna seu lançamento uma amostra antecipada da direção técnica da linha, e não a apresentação final dessa futura geração, conforme a [descrição publicada pelo The New Stack](https://thenewstack.io/qwen38-flash-previews-qwen4).

## O Hy4 mira produtividade técnica e pesquisa

No caso da Tencent, a finalidade declarada ajuda a entender por que o Hy4 foi associado a rotinas profissionais específicas. A **Tencent** apresentou o Hy4 preview como um modelo de IA open-source com arquitetura MoE, voltado a tarefas de **engenharia de software, pesquisa e análise financeira**. Engenharia de software envolve criar e manter sistemas, enquanto pesquisa e análise financeira exigem trabalhar com informação e problemas de naturezas distintas; a empresa, portanto, descreveu uma ferramenta pensada para mais de um tipo de trabalho especializado. A Tencent também informou planos de integração do modelo ao **CodeBuddy** e ao **WorkBuddy**, dois produtos citados no anúncio. A ponte entre o modelo aberto e esses serviços mostra que o lançamento foi apresentado tanto como uma publicação técnica quanto como uma peça para a produtividade oferecida pela própria companhia.

Essa orientação vem acompanhada de uma advertência que impede uma leitura triunfalista da novidade. A **Tencent** alertou que o Hy4 pode ser **lento em perguntas complexas** e, em alguns momentos, realizar verificações excessivas das próprias respostas. Para quem programa, pesquisa ou analisa informações, a observação muda a forma de testar a ferramenta: uma resposta que passa por muitas checagens pode consumir mais tempo, especialmente quando a pergunta exige várias etapas de raciocínio. O dado também combina com o estágio de **preview**, expressão que sinaliza a condição de prévia em que o modelo foi lançado. A empresa indicou o uso futuro nos produtos CodeBuddy e WorkBuddy, mas a experiência descrita pelas fontes ainda inclui limites de velocidade e comportamento que precisam ser considerados na prática, como registra a [Reuters](https://www.reuters.com/world/asia-pacific/chinas-tencent-releases-new-open-source-ai-model-coding-research-tasks-2026-08-28).

## Qwen3.8-Flash antecipa a arquitetura do Qwen4

Na outra frente, a Alibaba concentrou o anúncio na própria estrutura interna do modelo e na sua posição dentro da família Qwen. O **Qwen3.8-Flash** introduz um mecanismo híbrido de atenção que combina Gated DeltaNet com Qwen Sparse Attention. Mecanismos de atenção são os componentes usados para determinar quais partes das informações recebidas merecem maior consideração durante o processamento; neste caso, a fonte descreve uma combinação de abordagens, sem apresentar o lançamento como uma versão definitiva do Qwen4. O anúncio também cita melhorias em outros componentes ligados ao processamento e ao treinamento, além de otimizações gerais. Para o leitor, a tradução desse tecniquês é direta: a Alibaba está usando a prévia para mostrar mudanças na forma como a arquitetura organiza e processa informação antes da próxima geração.

Essa aposta técnica vem acompanhada de uma forma de acesso mais concreta no momento do lançamento. O **Qwen3.8-Flash** apresentou desempenho competitivo em benchmarks como o **SWE-bench Pro**, uma bateria de testes usada para avaliar modelos em tarefas padronizadas de engenharia de software. A fonte também informa que o sistema está disponível por **API**, uma interface que permite a outros programas enviar solicitações ao modelo, e para uso em **hardware de consumo**. Essa combinação interessa a dois públicos diferentes: equipes que desejam incorporar a IA a aplicações próprias podem considerar o acesso por API, enquanto usuários com equipamentos compatíveis encontram uma alternativa fora de estruturas exclusivamente corporativas. O ponto anunciado é a disponibilidade e a competitividade nos testes citados, não uma declaração de que o modelo supera o Hy4 ou qualquer outro sistema específico.

## O que os números permitem comparar

Quando os números das duas prévias aparecem na mesma página, a tentação é transformá-los em uma corrida simples, como se a quantidade total de parâmetros resolvesse a pergunta sobre qualidade. Mas o **Hy4** e o **Qwen3.8-Flash** foram descritos com objetivos e estágios diferentes: o primeiro tem 770 bilhões de parâmetros totais e cerca de 49 bilhões ativos por consulta, enquanto o segundo tem 125 bilhões no total e 6 bilhões ativos por token. As unidades de ativação também foram apresentadas de maneiras distintas, por consulta e por token, o que recomenda cuidado antes de qualquer conta direta. O dado mais seguro é que as duas empresas destacam a ativação parcial como parte da descrição de seus modelos. A pergunta mais interessante, então, deixa de ser qual número é maior e passa a ser qual proposta corresponde à tarefa e à forma de acesso que o usuário precisa.

Esse cuidado também ajuda a separar abertura, disponibilidade e integração. No anúncio da **Tencent**, o Hy4 aparece como uma publicação open-source com planos de integração a produtos da empresa, além do alerta sobre lentidão e verificações excessivas. No lançamento da **Alibaba**, o Qwen3.8-Flash é descrito como open-weight, expressão usada pela fonte para identificar a disponibilização de seus pesos, e já pode ser acessado por API e em hardware de consumo. São estágios que não devem ser misturados: um plano de integração indica uma etapa anunciada para os produtos, enquanto uma disponibilidade por API descreve um caminho de acesso já informado na fonte. Para quem acompanha modelos abertos, essa distinção é mais útil do que transformar os lançamentos em uma tabela de vencedores e perdedores.

## Os lançamentos fazem parte de linhas mais amplas

Esse movimento da Tencent não começou com o Hy4. O relatório técnico do **Hunyuan-Large** descreve outro modelo open-source da empresa, baseado em MoE, com **389 bilhões de parâmetros totais** e 52 bilhões ativos, além de suporte a até 256 mil tokens de contexto. O documento também registra desempenho superior em raciocínio lógico, matemática e codificação, comparável em certos benchmarks ao Llama3.1-405B. A referência serve como histórico técnico da companhia, mas não permite concluir que o Hunyuan-Large e o Hy4 tenham o mesmo comportamento, porque as fontes apresentadas descrevem modelos diferentes e não fornecem uma comparação direta entre eles. O que se pode afirmar é que a Tencent vem apresentando modelos abertos com arquiteturas de mistura de especialistas e atenção a tarefas de raciocínio e programação.

Em paralelo, a **Alibaba** já havia descrito a série Qwen2.5 como uma família de modelos open-source que vai de **0,5 bilhão a 72 bilhões de parâmetros**. A empresa informou que esses modelos foram treinados com até 18 trilhões de tokens e apontou melhorias em codificação, matemática, compreensão de textos longos e suporte a JSON estruturado, formato organizado para troca de dados entre sistemas. A série tem suporte a contextos de até 128 mil tokens e é licenciada majoritariamente sob Apache 2.0, de acordo com a fonte. Esse histórico ajuda a ler o Qwen3.8-Flash como parte de uma sequência de lançamentos que combina abertura de pesos, processamento de contextos extensos e atenção a tarefas de programação, sem transformar a prévia em uma promessa de desempenho absoluto.

## Como interpretar os modelos na prática

Para quem trabalha com código, a escolha começa pelo tipo de acesso e pelo tipo de tarefa, não pelo maior número estampado na ficha técnica. O **Hy4 preview** foi associado pela Tencent à engenharia de software e tem integração planejada com CodeBuddy e WorkBuddy, mas a própria empresa alertou para a lentidão em perguntas complexas. O **Qwen3.8-Flash**, por sua vez, foi descrito como multimodal, tem contexto de 1 milhão de tokens, aparece com desempenho competitivo no SWE-bench Pro e está disponível via API e em hardware de consumo. Essas informações permitem montar uma primeira triagem: observar se o trabalho exige o foco profissional anunciado pela Tencent, se depende de uma janela de contexto muito extensa ou se precisa de um caminho de acesso já disponibilizado pela Alibaba. Nenhuma dessas perguntas exige declarar um vencedor, porque elas medem necessidades diferentes.

Por fim, a caixa de ferramentas para o leitor fica mais clara quando cada anúncio é colocado em sua própria moldura. A Tencent oferece o **Hy4 preview** como uma prévia open-source de grande escala, orientada a software, pesquisa e finanças, com planos de integração e limites de velocidade explicitados. A Alibaba oferece o **Qwen3.8-Flash** como uma prévia inicial do Qwen4, com pesos abertos, contexto de 1 milhão de tokens e acesso por API ou hardware de consumo. O próximo passo anunciado para o Hy4 é sua integração planejada ao CodeBuddy e ao WorkBuddy; para o Qwen3.8-Flash, o acesso já informado permite que interessados avaliem o modelo pelos canais descritos. É nessa diferença entre intenção de integração, disponibilidade e finalidade que os dois lançamentos deixam de ser apenas nomes e passam a oferecer critérios concretos de leitura.