Tencent ha presentado Hy4, la última versión de su modelo de inteligencia artificial, destacando por sus nuevas capacidades de visión y uso del ordenador. Sin embargo, lo más notable es la decisión deliberada de la compañía de entrenar el modelo priorizando la ciberseguridad defensiva y excluyendo información ofensiva, marcando un precedente en el desarrollo ético de la IA. Este enfoque busca evitar el uso malicioso de la tecnología, a pesar de que el modelo mantiene conocimientos en análisis de sistemas y pruebas de penetración.
Ciertos conocimientos pueden tanto solucionar problemas como generarlos, dependiendo del usuario, su intención y las circunstancias. Esta dualidad, evidente en campos como la informática o la investigación científica, adquiere una dimensión diferente en la inteligencia artificial. Los modelos actuales pueden emplear herramientas y abordar tareas cada vez más complejas, pero sus habilidades no solo dependen de las instrucciones recibidas, sino también de lo que han aprendido durante su desarrollo, un aspecto que merece especial atención.
Tencent ha lanzado recientemente Hy4, la versión más reciente de su línea de modelos de inteligencia artificial, tras una edición preliminar en agosto. La compañía china atribuye la mejora a un entrenamiento más extenso y a perfeccionamientos enfocados en seguir instrucciones, manejar contextos amplios y resolver tareas de múltiples pasos. Este lanzamiento busca fortalecer su posición en un sector competitivo donde también participan empresas como DeepSeek y Alibaba.
Un aspecto relevante de la documentación de Tencent es que Hy4, por primera vez, integra capacidades de visión y de interacción con el ordenador. Esto le permite interpretar imágenes, analizar gráficos complejos y operar tanto con comandos como con interfaces gráficas. La compañía también asegura haberlo preparado para utilizar programas especializados, como Blender y herramientas de diseño CAD, además de abordar tareas de programación y desarrollo de videojuegos. Estas capacidades pueden combinarse, ya que el modelo está diseñado para realizar trabajos que requieren varios pasos y el uso de diferentes herramientas.
No obstante, hay una decisión menos evidente en el desarrollo de Hy4 que es tan importante como sus nuevas capacidades. En la documentación oficial, Tencent explica que ha priorizado la información de ciberseguridad defensiva, orientada a identificar vulnerabilidades y facilitar su corrección, y ha excluido explícitamente del entrenamiento materiales ofensivos relacionados con la explotación de esos fallos. Esta distinción es crucial porque no se trata solo de impedir que el modelo responda a ciertas preguntas, sino de seleccionar qué información se utiliza para su desarrollo. Es una decisión consciente de la compañía, aunque aún no se ha demostrado que estas restricciones impidan posibles usos maliciosos.
Esto no implica que Hy4 desconozca cómo se analiza un sistema informático o cómo se prueban sus defensas. Según el comunicado oficial de Tencent, el modelo también incorpora conocimientos de ingeniería inversa y pruebas de penetración para fines de análisis, disciplinas utilizadas para examinar programas y evaluar la seguridad de los sistemas. Lo que la compañía busca diferenciar es su aplicación en tareas de seguridad de los materiales orientados a explotar vulnerabilidades con fines ofensivos.
Para contextualizar las capacidades de Hy4, es útil compararlas con otros modelos. En la comparativa publicada por Tencent para Terminal-Bench 4.0, una prueba de tareas realizadas desde la terminal, Hy4 obtiene 44,4 puntos, frente a 55,5 de GPT-6.1 Sol de OpenAI, y 66,8 de Kimi K3.1 Pro. En otra evaluación, organizada por la compañía con 213 profesionales y 579 tareas financieras, supera ligeramente a DeepSeek V4.1 Flash: 3,04 frente a 2,97. Por su parte, la clasificación de agentes de Arena del 3 de noviembre sitúa a Hy4 en el puesto 14, por detrás de Gemini 4 Carbon, segundo, y GPT-6.1 Sol, sexto. Estas son pruebas de actividades diversas, realizadas con metodologías propias, y no permiten establecer una clasificación universal.
Más allá de su rendimiento, queda por determinar si la estrategia de filtrar información es efectiva en la práctica. La firma china afirma que especialistas de sus laboratorios Xuanwu Lab y Keen Security Lab sometieron a Hy4 a evaluaciones sobre ingeniería inversa criptográfica, desofuscación de archivos binarios y explotación de vulnerabilidades. Según sus conclusiones, no detectaron problemas significativos relacionados con capacidades ofensivas en los ámbitos examinados. No obstante, estos son resultados comunicados por la propia empresa. Más adelante, aseguran, se publicarán los pesos del modelo y su documentación técnica de seguridad, materiales que podrían facilitar nuevas evaluaciones.
Tencent no es la única compañía que ha explorado este enfoque. Moonshot AI, creador de Kimi, también eliminó información de ciberseguridad durante el desarrollo de Kimi K3.1 Pro, tanto en el entrenamiento intermedio como en el aprendizaje por refuerzo. En una evaluación interna que permitía hasta tres intentos por problema, una versión sin esas restricciones resolvió el 90,5% de las pruebas de explotación de vulnerabilidades, frente al 81% del modelo final. Por su parte, el AI Security Institute británico investigó el filtrado de información biológica potencialmente peligrosa en modelos experimentales. Sus resultados fueron prometedores, aunque no directamente extrapolables a Hy4.
