Tencent Hy4 débarque dans OpenClaw : contexte de 1 M, compréhension des images et gains pour les agents à long horizon

OpenClaw prend désormais en charge Tencent Hy4, selon un post sur r/openclaw. L'intégration inclut la compréhension d'images, une fenêtre de contexte de 1 million de tokens et ce que la source décrit comme des améliorations pour le codage et les tâches d'agents à long horizon.

Ce que l'intégration apporte

• Compréhension d'images — Hy4 accepte les entrées d'images via OpenClaw, donc les flux d'agents qui mélangent captures d'écran, diagrammes ou captures d'interface avec du texte n'ont plus besoin de passer par un modèle de vision séparé.
• Fenêtre de contexte de 1M de tokens — le chiffre phare. Pour les utilisateurs d'OpenClaw qui exécutent des boucles d'agents sur de grands dépôts, des fichiers journaux ou des refactorisations multi-fichiers, une fenêtre de 1M signifie moins de contournements liés à la troncature et moins de réinitialisations de contexte en cours de tâche.
• Améliorations pour le codage et les agents à long horizon — la source mentionne explicitement des gains pour le codage et les tâches d'agents à long horizon. Le long horizon est ici l'aspect pertinent : les agents multi-étapes qui enchaînent des appels d'outils sur de nombreux tours sont là où la dégradation du contexte se manifeste généralement en premier, et Tencent positionne Hy4 comme meilleur sur ce point que les itérations précédentes.

Où l'obtenir

La source liste trois options de routage : Tencent TokenHub, TokenPlan et OpenRouter. Si vous utilisez déjà OpenClaw avec un point de terminaison OpenRouter, c'est le chemin le plus simple — changez la chaîne du modèle et gardez le reste de votre configuration. TokenHub et TokenPlan sont les propres voies d'accès de Tencent ; utilisez-les si vous voulez le modèle directement depuis le fournisseur plutôt que via un routeur tiers.

Note pratique sur le contexte de 1M : des fenêtres plus grandes ne rendent pas l'attention gratuite. Le coût évolue avec les tokens envoyés, et la qualité sur les tâches de type récupération peut se dégrader au milieu de contextes très longs. Évaluez Hy4 sur vos propres traces d'agents à long horizon avant de migrer des charges de production — en particulier les boucles de codage, où un modèle qui tient le contexte mais dérive sur la syntaxe des appels d'outils fait perdre plus de temps qu'il n'en fait gagner.

Le post source n'inclut pas de chiffres de benchmark face aux modèles concurrents, donc traitez les affirmations sur le codage et les agents comme des déclarations du fournisseur jusqu'à ce que vous ayez réalisé votre propre évaluation. Si vous êtes déjà sur OpenClaw, la mise à niveau se résume à un changement de configuration du modèle ; si vous hésitez à basculer, la fenêtre de 1M et l'entrée d'images sont les différences concrètes qui méritent d'être testées.