Tencent Hy4: el gigante chino entra en el 'computer use' y la carrera de los agentes IA se aprieta

El mercado de agentes IA acaba de recibir una señal inequívoca desde Shenzhen: la capacidad de operar software de forma autónoma ya no es territorio exclusivo de OpenAI y Anthropic. Tencent ha presentado Hy4, su primer modelo multimodal capaz de interpretar imágenes y ejecutar acciones sobre interfaces de ordenador, y lo ha hecho reclamando directamente el segundo puesto entre los modelos de IA chinos en el Artificial Analysis Intelligence Index, con 35 puntos, solo por detrás de Kimi K3.1 Pro.

TL;DR: Tencent Hy4 es el primer modelo de la compañía con visión y uso de computadora, y alcanza 35 puntos en el Artificial Analysis Intelligence Index, segundo entre los modelos chinos tras Kimi K3.1 Pro. La propia Tencent admite que sigue lejos de los mejores modelos comerciales en matemáticas avanzadas y análisis complejo de imágenes. Para las empresas europeas, la lectura práctica no es adoptar Hy4, sino entender que el computer use se está comoditizando a velocidad china.

Qué es realmente Hy4 y por qué importa el 'computer use'

Según The Decoder, Hy4 es el primer modelo de Tencent que combina comprensión de imágenes con la capacidad de operar software de manera autónoma: leer una pantalla, decidir qué acción ejecutar y actuar sobre la interfaz. Es la misma categoría que Anthropic abrió con el 'computer use' de Claude y que OpenAI explora con Operator, y que define la frontera actual de los agentes autónomos: modelos que no solo responden texto, sino que ejecutan trabajo.

Aquí conviene aplicar el filtro escéptico habitual. 'Operar software de forma autónoma' es una frase que en demos corporativas suele significar flujos controlados con interfaces predecibles. En producción real —ERP legacy, aplicaciones internas con estados raros, captchas, timeouts— la tasa de éxito se desploma. Que Tencent llegue a esta capacidad es relevante estratégicamente; que esté lista para automatizar los procesos críticos de una empresa española es otra conversación.

El segundo puesto chino: menos impresionante de lo que suena

El dato de los 35 puntos en el Artificial Analysis Intelligence Index merece disección. Hy4 se sitúa por detrás de Kimi K3.1 Pro y, lo más honesto del anuncio, la propia Tencent reconoce que el modelo aún está muy lejos de los mejores modelos comerciales en matemáticas difíciles y análisis complejo de imágenes.

Dimensión	Situación de Hy4 según Tencent y el índice
Posición en China (Intelligence Index)	2º, con 35 puntos, tras Kimi K3.1 Pro
Visión y computer use	Capacidad nueva y central del modelo
Matemáticas avanzadas	Brecha reconocida frente a líderes comerciales
Análisis complejo de imágenes	Brecha reconocida frente a líderes comerciales

Que una empresa admita públicamente sus limitaciones es inusual y, paradójicamente, da más credibilidad al benchmark que si reclamara liderazgo absoluto. Pero también fija el marco: Hy4 no es un competidor de los frontier models occidentales, es un competidor de la capa media-alta del ecosistema chino. La tesis de que China está 'a seis meses' de la frontera sigue sin confirmarse con estos números.

La lectura estratégica: el computer use se comoditiza

El movimiento de Tencent no debe leerse como 'un modelo más', sino como una señal de mercado. Cuando un gigante con la escala de Tencent —WeChat, gaming, cloud— incorpora visión y uso de computadora a su stack, el mensaje es que esta capacidad deja de ser un diferencial propietario y se convierte en commodity de plataforma. Es el mismo patrón que vivimos con los modelos de texto en 2023-2024: lo que hoy es demo de keynote, en dieciocho meses es una línea de precio por millón de tokens.

Para un CTO europeo esto tiene dos implicaciones contrarias. La primera, positiva: la presión competitiva china seguirá bajando el coste de las capacidades agénticas, como ya hizo DeepSeek con la inferencia razonada. La segunda, incómoda: construir una ventaja competitiva basada solo en 'tener un agente que usa el ordenador' deja de ser defendible. La ventaja se desplaza hacia la integración con procesos propios, datos internos y gobierno del agente.

Qué debería cambiar en la estrategia de agentes IA de tu empresa

Vamos a lo práctico. Si diriges tecnología en una empresa española, Hy4 no es un modelo que vayas a desplegar mañana —cuestiones de soberanía de datos, RGPD y soporte enterprise en Europa lo descartan de entrada para la mayoría de casos—, pero sí debería modificar tu planificación:

1. Asume que el computer use será barato y abundante. Diseña arquitecturas donde el modelo sea intercambiable, no el centro. Si tu agente depende de un proveedor concreto, tienes un problema de vendor lock-in, no una estrategia.
2. Invierte en la capa de orquestación, no en el modelo. La diferencia entre un piloto vistoso y un sistema en producción está en gestión de errores, permisos, trazabilidad y fallback humano.
3. Vigila el benchmark, no el keynote. El Artificial Analysis Intelligence Index es más útil que cualquier presentación corporativa para comparar capacidades reales.

Las empresas que buscan agencias IA en Madrid para sus primeros proyectos de agentes deberían preguntar exactamente esto a sus candidatos: ¿cómo abstraen el modelo subyacente? ¿Qué pasa cuando el agente falla a mitad de un flujo? Una consultoría IA seria responderá con arquitectura y métricas, no con nombres de modelos de moda. Del mismo modo, en el ecosistema de agencias IA en Barcelona, donde el tejido de producto digital es fuerte, los proyectos que escalan son los que tratan el computer use como un componente más de la automatización, no como magia. Si estás evaluando automatización con agentes, la pregunta correcta ya no es '¿qué modelo usas?', sino '¿qué tasa de éxito tienes en producción y cómo la mides?'.

Predicción: la guerra del segundo escalón

Mi apuesta a doce meses: veremos una consolidación rápida del segundo escalón de modelos con computer use —Tencent, Moonshot, Alibaba— compitiendo por precio y disponibilidad, mientras la frontera real sigue marcada por dos o tres jugadores. El ganador para la empresa europea no será quien elija el modelo chino correcto, sino quien haya construido la capa de orquestación que le permita cambiar de modelo en una semana cuando la siguiente subida de capacidad haga irrelevante la elección anterior. Hy4 no es el modelo que debes usar; es la prueba de que debes diseñar para poder no usarlo.

Preguntas frecuentes sobre Tencent Hy4 y los agentes IA

¿Qué es Tencent Hy4 y qué puede hacer?

Hy4 es el primer modelo multimodal de Tencent con comprensión de imágenes y capacidad de operar software de forma autónoma (computer use): interpreta lo que aparece en pantalla y ejecuta acciones sobre la interfaz. Pertenece a la misma categoría de agentes que el computer use de Claude u Operator de OpenAI.

¿Es Hy4 mejor que los modelos occidentales como GPT o Claude?

No, según la propia Tencent. La empresa reconoce que Hy4 está muy lejos de los mejores modelos comerciales en matemáticas difíciles y análisis complejo de imágenes. Su posición relevante es el segundo puesto entre modelos chinos, con 35 puntos en el Artificial Analysis Intelligence Index, por detrás de Kimi K3.1 Pro.

¿Tiene sentido que una empresa española use modelos de IA chinos como Hy4?

Para la mayoría de casos empresariales en España, no como plataforma principal: la soberanía de datos, el cumplimiento del RGPD y la ausencia de soporte enterprise en Europa son barreras reales. Su valor es estratégico: presionan a la baja el coste de las capacidades agénticas y confirman que el computer use se está comoditizando.

¿Qué es el 'computer use' en los agentes IA?

Es la capacidad de un modelo de IA de leer una pantalla, decidir la siguiente acción y operar software real (clics, formularios, navegación) de forma autónoma. Es la base de los agentes que ejecutan trabajo en lugar de solo generar texto, aunque en entornos de producción con aplicaciones legacy su fiabilidad sigue siendo limitada.

¿Cómo debería un CTO evaluar agencias IA para proyectos de agentes autónomos?

Con tres preguntas: cómo abstraen el modelo subyacente para evitar el vendor lock-in, qué ocurre cuando el agente falla a mitad de un proceso y qué tasa de éxito medida en producción tienen. Las respuestas deben ser arquitectónicas y métricas, no una lista de modelos de moda.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de automatización con ia
• Agencias de IA en Buenos Aires y en Valencia
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real