投稿者 投稿日: カテゴリー EC×AI活用
Tencent Hy4とは、PC操作もこなす中国TencentのAIモデルのことです。
2026年11月5日、TencentはAIモデル「Hy4」を公開しました。初めて画像を理解できるようになり、BlenderやCADなどのソフトを自分で操作する訓練も受けています。入力100万トークンあたり約0.83ドルという価格は、商品説明文や画像タグ付けを大量に回したいEC事業者にとって気になる水準です。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）の現場知見にもとづき、Hy4で任せてよい業務と任せてはいけない業務の線引き、試すときのプロンプト5本、費用の目安までを整理します。先に結論を書くと、Hy4は「安く大量に下書きを作る係」としては試す価値があり、「事実をそのまま公開する係」には向きません。
Hy4は何ができるようになったのか
Hy4の変化は、テキスト専用だった前世代から、画像の理解とソフトウェア操作まで扱えるモデルになった点にあります。The Decoderの報道によると、Hy4はプレビュー版の公開から約2か月で正式版になり、前世代より大幅に多いデータで学習されています。デモでは、28億画素の航空写真の中から約2メートルの部品を見つけ出しており、写真の細部や複雑な図表の読み取りを得意分野として打ち出しています。
PC操作（コンピューターユース）の面では、BlenderやCADのような専門ソフトに加え、複数のアプリケーションをまたぐ作業で訓練されたと説明されています。Word、Excel、PowerPointのファイルをリアルタイムで共同編集する機能も挙げられており、Tencentは事務作業や金融業務での利用を想定しているようです。ゲーム開発エンジンのUnreal、Unity、Godotへの対応も発表されました。
性能の位置づけは、第三者評価のArtificial Analysisの総合指数で35点です。同指数の中央値30点を上回り、xAIのGrok 4.7と並び、中国のモデルではMoonshot AIのKimi K3.1 Pro（46点）に次ぐ2位とされています。一方、Tencent自身が公表した12種類のベンチマーク比較では、AnthropicのClaude Opus 5.5がすべての項目でHy4を上回り、OpenAIのGPT 6.1 Solも8項目で上回りました。つまり、最上位の商用モデルと肩を並べたわけではなく、「中国発の上位モデルの1つ」という位置づけが妥当です。
価格は入力100万トークンあたり約0.83ドル、出力100万トークンあたり約2.50ドルで、プレビュー版から据え置かれました。1ドル150円で換算すると、入力が約125円、出力が約375円の目安です。利用経路はTencent Cloud、複数のAIモデルを1つのAPIで呼べるOpenRouter、Tencentのチャットアプリ「元宝（Yuanbao）」などです。重み（モデル本体のデータ）の公開は約束されていますが、2026年11月6日時点で公開日は示されていません。前世代のHy3は2950億パラメータでApache 2.0ライセンスとして公開された経緯があるため、Hy4も自社サーバーで動かせる形で出てくる可能性はありますが、現時点では確定していません。
日本のEC事業者から見ると、Hy4は「画像を見て、表計算や管理画面を触れる、比較的安いモデル」が1つ増えたという位置づけになります。楽天市場やAmazonの店舗運営では、商品画像の確認、受注データの集計、商品登録画面への入力といった、画像と表とブラウザを行き来する作業が多く残っています。こうした作業の一部をAIに任せる選択肢が、価格面で広がったことが今回の意味です。
EC業務のどこに効き、どこに効かないか
Hy4がEC業務で効きやすいのは、人が最終確認する前提の「下書き」と「仕分け」です。理由は、画像理解と価格の安さという強みがある一方で、知らないことを知らないと言えない弱点がはっきり示されているからです。
効きやすい業務の1つ目は、商品画像からの属性抽出です。アパレルなら色、柄、襟の形、袖丈、食品ギフトなら箱の段数や個包装の有無など、画像を見れば分かる情報を一覧にする作業は、画像理解モデルの得意分野です。楽天RMSの商品登録画面やAmazon Seller Centralの出品画面に入れる属性値の候補を、画像から先に起こしておくだけでも、登録担当の手は大きく減ります。
2つ目は、ExcelやCSVの集計補助です。Hy4はExcelファイルの共同編集を打ち出しているため、受注CSVを開いて「SKU別の返品率を出す」「モール別の売上を週ごとに並べる」といった定型集計の下準備に使えます。ただし、計算結果は必ず元データと突き合わせてください。高度な数学ではトップモデルに大きく劣ると、Tencent自身が認めています。
3つ目は、複数アプリをまたぐ定型作業の手順化です。現場で繰り返し見るのは、「在庫表を見て、管理画面で在庫数を直し、チャットで担当者に報告する」といった、3つの画面を行き来する作業が担当者の時間を食っているケースです。PC操作に対応したモデルは、こうした作業を手順として書き出し、将来的には自動化する入口になります。
反対に、効きにくい業務もはっきりしています。最も注意したいのは、事実確認が必要な文章をそのまま公開する使い方です。Artificial Analysisの知識テスト（ウェブ検索なし）で、Hy4は約半数の質問に正答した一方、答えを知らない場合に89%の割合で答えを作ってしまったと報じられています。Tencentは、ウェブ調査での誤情報の発生率が約16%から約5%に下がったと説明していますが、これは社内テストの値です。成分、原産地、効能、保証内容といった、間違えると景品表示法や薬機法の問題になる情報は、AIの出力を一次情報で照合しない限り使えません。
長いコードを書かせる作業や、複雑な画像の分析も、最上位モデルとの差が残る領域です。ECサイトの機能改修や、細かな傷や色ムラを判定する検品のような用途では、Claude Opus 5.5やGPT 6.1 Solのような上位モデルを使うか、人の目を残すほうが安全と判断します。
Hy4を試すときの実装手順とプロンプト5本
試すときは、いきなり本番の商品ページに使わず、過去の商品データで「人の作業結果と比べる」小さな検証から始めるのが定石です。手順は次の4段階で考えると迷いません。
最初に、利用経路を決めます。個人情報を含まない商品データだけを扱うなら、OpenRouter経由が最も手軽です。OpenRouterのアカウントでAPIキーを発行し、モデルに「tencent/hy4」を指定すれば、ChatGPTやClaudeと同じ感覚で呼び出せます。顧客の氏名や住所を含む受注データは、後述する個人情報保護法の論点があるため、この段階では使いません。
次に、検証用のデータを20〜30件用意します。過去に人が作った商品説明文や属性値と、同じ商品の画像をセットにしておくと、Hy4の出力と並べて精度を比べられます。直近の支援案件で観測したのは、この比較を飛ばして本番投入した結果、誤った素材表記が数十ページに広がってしまったケースでした。
3つ目に、下のプロンプトで出力を集め、正解との差を記録します。最後に、差が許容範囲かどうかを判断し、許容できる業務だけを本番の作業手順に組み込みます。以下の5本は、Hy4だけでなく、ChatGPT、Claude、Geminiでもそのまま使える形にしてあります。
1本目は、商品画像から登録用の属性値を起こすプロンプトです。画像で判断できない項目を推測で埋めさせないことが要点です。
プロンプト1：商品画像からの属性抽出
あなたはECの商品登録担当者です。添付した商品画像だけを見て、以下の属性を抽出してください。
属性：色、柄、素材感（見た目から分かる範囲）、形状、付属品の有無、パッケージの形態
条件：
1. 画像から判断できない属性は「画像からは不明」と書き、推測で埋めない
2. 素材名（綿、ポリエステルなど）は、画像内のタグや表示に書かれている場合のみ記載する
3. 出力は「属性名：値（判断根拠）」の形式で1行ずつ
商品ジャンル：{ジャンル}
2本目は、事実の範囲を限定して商品説明文の下書きを作るプロンプトです。誤情報を作りやすいモデルほど、使ってよい情報を明示しておく必要があります。
プロンプト2：事実を限定した商品説明文の下書き
以下の「確定情報」だけを使って、{モール名}の商品説明文の下書きを{文字数}字以内で作成してください。
条件：
1. 確定情報にない数値、成分、効果、受賞歴、ランキング実績は一切書かない
2. 書きたいが確定情報にない内容は、本文の後ろに「追加確認が必要な情報」として箇条書きで出す
3. 最上級表現や効能をうたう表現は使わない
4. ですます調で、1文は60字以内
確定情報：
{商品名、容量、サイズ、原材料、産地、価格、配送条件などを列挙}
3本目は、受注データの集計を手順ごと出力させるプロンプトです。計算結果だけでなく計算の手順を出させると、人が検算しやすくなります。
プロンプト3：受注CSVの定型集計
添付した受注CSV（個人情報の列は削除済み）を使い、以下を集計してください。
1. SKU別の受注件数と返品件数、返品率
2. 週ごとのモール別売上合計
条件：
・各集計で、使った列名と計算式を最初に明記する
・データの欠損や形式の揺れがあれば、集計前に一覧で報告する
・結果の数値は最後に表形式ではなく「SKU：件数／返品率」の行形式で出す
4本目は、複数画面をまたぐ作業を手順書にするプロンプトです。いきなりPC操作を任せるのではなく、まず手順を文章にして、人が読んで正しいかを確かめます。
プロンプト4：画面をまたぐ定型作業の手順書化
以下は、当店の担当者が毎日行っている作業の説明です。これを、新人でも迷わず実行できる手順書にしてください。
条件：
1. 1手順1操作で番号を振る
2. 各手順で「どの画面の、どの項目を、どう変えるか」を明記する
3. 判断が必要な分岐（在庫が0の場合など）は、条件と対応を分けて書く
4. ログイン情報やパスワードは手順書に含めない
5. 最後に、この作業のうち自動化しても安全な手順と、人が確認すべき手順を分けて示す
作業の説明：{担当者の説明をそのまま貼る}
5本目は、別のモデルに事実確認をさせるプロンプトです。Hy4で作った下書きを、ClaudeやChatGPT、Geminiに渡して点検させる使い方を想定しています。
プロンプト5：別モデルによる事実確認
以下の「AIが作成した商品説明文」と「確定情報」を比較し、確定情報に根拠がない記述をすべて抜き出してください。
出力形式：
・根拠のない記述（原文のまま）
・確定情報との食い違いの内容
・修正案（確定情報だけで書き直した文）
最後に、景品表示法や薬機法の観点で注意が必要な表現があれば別に列挙してください。
AIが作成した商品説明文：{本文}
確定情報：{確定情報}
5本のうち、検証の最初に回すべきなのはプロンプト1と2です。画像の属性抽出と、事実を限定した説明文は、正解データと比べやすく、Hy4の強みと弱みが最も早く見えます。
失敗例と回避策
Hy4のような新しいモデルを試すときに起きやすい失敗は、主に3つあります。いずれも、モデルの性能ではなく運用の設計で防げるものです。
1つ目は、下書きをそのまま商品ページに反映してしまう失敗です。答えを知らないときに答えを作る傾向が報告されている以上、原材料や産地を自信ありげに書き換えるリスクは避けられません。回避策は、プロンプト2のように使ってよい情報を限定し、プロンプト5で別のモデルに点検させ、最後に人が一次情報と照合する3段構えにすることです。食品や化粧品、サプリのように表示規制が厳しいジャンルでは、人の確認を省略しない運用にしてください。
2つ目は、顧客情報を含むデータを海外のクラウドに送ってしまう失敗です。個人情報保護法では、外国にある第三者へ個人データを提供する場合、本人の同意や移転先の体制確認などの手続きが求められます（個人情報保護法第28条）。Tencent Cloudのような海外事業者のAPIに受注データを流す前に、氏名、住所、電話番号、メールアドレスの列を削除するか、個人を特定できない形に加工してください。楽天市場の店舗では、楽天から預かった購入者情報の取り扱いにも店舗運営上のルールがあるため、社内規程と出店規約の両方を確認してから使うのが安全です。
3つ目は、PC操作を任せる際に管理画面のログイン情報を渡してしまう失敗です。楽天RMSやAmazon Seller Centralの権限は、価格や在庫、出金先まで変えられる強いものです。AIに操作させる場合でも、最初は参照のみのアカウントや検証環境に限定し、プロンプト4で作った手順書を人が確認してから段階的に広げるのが望ましい進め方です。
KPI設計と費用・工数の目安
Hy4を試すときのKPIは、「人の修正にかかった時間」と「修正が必要だった割合」の2つに絞ると判断しやすくなります。出力の見た目の良さではなく、人の手がどれだけ減ったかで評価するためです。
費用は、公表価格からおおよそ試算できます。たとえば商品説明文1本あたり、入力に2,000トークン、出力に1,500トークンを使うと仮定すると、1本あたり約0.0054ドル、1ドル150円換算で約0.8円です。1,000商品分の下書きを作っても約810円という計算になり、APIの利用料そのものは、ほぼ無視できる水準と言えます（トークン数は商品情報の量で変わるため、あくまで目安です）。
工数の面では、ある食品ジャンルの中規模店舗の事例で、商品説明文の新規作成に1本あたり30分前後かかっていたものが、AIの下書きを人が直す運用に変えて10〜15分程度になった、という変化を見てきました。ただしこれはHy4に限った数字ではなく、下書きの質と、確認の仕組みが整っているかで大きく変わります。Hy4の場合は誤情報への注意が必要な分、確認時間を他の上位モデルより長めに見積もっておくのが現実的です。
比較の基準として、ChatGPT、Claude、Geminiの個人向け有料プランは、いずれも月額20米ドル前後で提供されてきました（2026年11月時点の価格は各社公式で要確認）。画面上で少量の作業をこなすなら定額プラン、数千件単位の一括処理ならAPIという使い分けが基本で、Hy4はAPIでの一括処理側の選択肢として位置づけられます。
今後の展望と独自考察
今後の注目点は3つあります。1つ目は重みの公開時期です。重みが公開されれば、自社のサーバーやクラウド上でHy4を動かし、顧客データを外部に出さずに処理できる道が開けます。Tencentは詳細な安全性報告書を重みと同時に出すとしており、その内容が自社運用の判断材料になります。
2つ目は、高速で安価な派生版「Hy4 flash」の登場予定です。商品数が数万点ある店舗で、画像タグ付けや説明文の下書きを一括で回すなら、性能より単価が効いてきます。flash版の価格と精度次第では、大量処理の担い手として有力な候補になりえます。
3つ目は、中国のAIモデルを取り巻く規制の動きです。The Decoderによると、中国は10月に、世界上位10位に入るモデルや2兆パラメータを超えるモデルの重みを輸出管理の対象とする枠組みの草案を示しました。オープンソースでの公開には迅速な手続きも用意されるとされていますが、規制の行方によっては重みの公開時期や条件が変わる可能性があります。同じ報道では、Artificial Analysisの指数で、公開モデルと最上位モデルの差が3点から12点に広がったとも伝えられています。
編集部としての見立ては、「1つのモデルに業務を寄せない」設計が今後ますます大事になるというものです。下書きは安いモデル、点検は別系統のモデル、最終判断は人、という役割分担を組んでおけば、Hy4のような新しいモデルが出るたびに、置き換えるのは下書き係だけで済みます。AIエージェントが管理画面を操作する時代が近づくほど、どの作業をどのモデルに任せ、どこで人が止めるかという設計図が、店舗の競争力を左右します。
よくある質問
Tencent Hy4は日本から使えますか？
はい、OpenRouterなどの経由で日本からもAPIで利用できます。The Decoderの報道では、Tencent Cloud、OpenRouter、Tencentのアプリが利用経路として挙げられています。日本語の品質は公式に詳しく示されていないため、自社の商品データで事前に確認してください。
Hy4は無料で使えますか？
いいえ、APIは従量課金です。公表価格は入力100万トークンあたり約0.83ドル、出力100万トークンあたり約2.50ドルです。商品説明文1本あたりの費用は1円未満の目安で、少量の検証なら数百円程度で収まります。
Hy4はオープンソースですか？
現時点では、重みの公開は約束されているものの、公開日は決まっていません。前世代のHy3はApache 2.0ライセンスで公開されたため、Hy4も同様の形になる可能性はありますが、ライセンス条件は公開時に確認が必要です。
商品説明文をHy4に任せても大丈夫ですか？
いいえ、下書きまでにとどめるべきです。知識テストで、答えを知らないときに89%の割合で答えを作ってしまったと報じられているためです。使ってよい情報をプロンプトで限定し、別のモデルと人による確認を挟んでから公開してください。
ChatGPT・Claude・Geminiと比べてどれを選ぶべきですか？
最終的な品質を重視する業務は、ClaudeやChatGPTなどの上位モデルが安全です。Tencentの比較でも、Claude Opus 5.5がすべての項目でHy4を上回っています。Hy4は、大量の下書きや画像の仕分けを安く回したい業務で、上位モデルと組み合わせて使うのが向いています。
顧客データをHy4で分析しても問題ありませんか？
氏名や住所などの個人データは、そのまま送らないのが原則です。海外事業者のAPIに個人データを送る場合、個人情報保護法の外国にある第三者への提供の規定が関係します。個人を特定できる列を削除してから分析するか、重みが公開された後に自社環境で動かす方法を検討してください。
まとめ
Tencent Hy4は、画像理解とPC操作に対応し、入力100万トークンあたり約0.83ドルで使える中国発の上位モデルです。商品画像の属性抽出、受注データの集計補助、定型作業の手順書化といった「人が最後に確認する下書き」には試す価値があります。一方で、知らないことを作り話で埋める傾向が報じられているため、商品ページや顧客対応にそのまま使うのは避けるべきです。
最初の一歩としては、個人情報を含まない過去の商品データ20〜30件で、プロンプト1と2を回し、人の作業結果と比べてください。修正にかかった時間が許容範囲なら、下書き係としてHy4を組み込み、点検は別のモデルと人が担う体制を作るのが、無理のない導入の順番です。オープンモデル全体の比較はオープンソースLLMの比較記事、Hy4と並ぶ中国モデルの動向はKimi K3.1 Proの解説、公開モデルを自社で運用するときの安全面はオープンウェイトモデルの安全性ギャップの記事もあわせて参考にしてください。
参考文献
- The Decoder「Tencent releases Hy4 with vision and computer use, claims second place among Chinese AI models」
- Tencent Hy「Hy4」公式研究ページ
- Artificial Analysis「Tencent Hy4」
- OpenRouter「Tencent Hy4」
- Tencent Cloud TokenHub「Hy4」
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
