Tencent Hy4 появилась в OpenClaw: контекст 1M, понимание изображений, улучшения для долгосрочных агентов

OpenClaw теперь поддерживает Tencent Hy4 — об этом сообщается в посте на r/openclaw. Интеграция включает понимание изображений, контекстное окно на 1 млн токенов и, как утверждает источник, улучшения для кодинга и длительных агентных задач.

Что даёт интеграция

• Понимание изображений — Hy4 принимает изображения через OpenClaw, поэтому агентным сценариям, где скриншоты, диаграммы или снимки интерфейса сочетаются с текстом, больше не нужен отдельный переход к vision-модели.
• Контекстное окно на 1 млн токенов — главная цифра. Для пользователей OpenClaw, которые гоняют агентные циклы по большим репозиториям, дампам логов или многофайловым рефакторингам, окно на 1 млн означает меньше ухищрений с обрезкой и меньше сбросов контекста посреди задачи.
• Улучшения для кодинга и длительных агентных задач — источник прямо указывает на прогресс в кодинге и длительных агентных задачах. Здесь важна именно длительность: многошаговые агенты, которые выстраивают цепочки вызовов инструментов на многих ходах, — это место, где деградация контекста проявляется раньше всего, и Tencent позиционирует Hy4 как более сильную в этом плане, чем предыдущие итерации.

Где получить

Источник перечисляет три варианта маршрутизации: Tencent TokenHub, TokenPlan и OpenRouter. Если вы уже используете OpenClaw с эндпоинтом OpenRouter, это путь с наименьшим сопротивлением — замените строку модели и оставьте остальную конфигурацию как есть. TokenHub и TokenPlan — собственные маршруты доступа Tencent; используйте их, если хотите получать модель напрямую от провайдера, а не через сторонний роутер.

Практическое замечание о контексте на 1 млн: большие окна не делают внимание бесплатным. Стоимость растёт с количеством отправленных токенов, а качество на задачах поиска по контексту может снижаться в середине очень длинных контекстов. Прогоните бенчмарки Hy4 на собственных трассах длительных агентных задач, прежде чем переводить на неё продакшн-нагрузки — особенно на циклах кодинга, где модель, которая удерживает контекст, но сбивается на синтаксисе вызовов инструментов, сжигает больше времени, чем экономит.

В исходном посте нет цифр бенчмарков в сравнении с конкурирующими моделями, поэтому относитесь к заявлениям о кодинге и агентных задачах как к словам вендора, пока не проведёте собственный эвал. Если вы уже на OpenClaw, обновление сводится к изменению конфигурации модели; если вы решаете, переходить ли, то конкретные отличия, которые стоит протестировать, — это окно на 1 млн и ввод изображений.