头图来源：腾讯混元

11 月 4 日，混元 Hy4 正式发布。主打性价比的轻量版 Hy4 flash 同步登场，模型权重近期也会开源。腾讯对它的定位说得很直接——头一回挤进最强开源模型的行列。

过去一年，腾讯在 AI 领域露脸最多的，是 WorkBuddy 这类 Agent 和应用产品。模型层的声量，反倒明显不如应用。Hy4 要回答的，其实就是腾讯在模型这条线上到底站什么位置。

榜单上看，Hy4 在开源模型里已经进了第一梯队。但放到全球范围，它和顶尖闭源模型之间还隔着一段清晰的差距。

国家数据局最近公布了一组数字：我国日均 Token 调用量从 2024 年初的 1000 亿，涨到今年 7 月的超 500 万亿，两年增长超 5000 倍。Token 消耗狂飙，背后是 Agent 正从技术概念变成新的生产力形态。

极客公园这次围绕长程 Agent、多模态理解与视觉代码几条主线，结合官方评测数据和典型任务做了实测，想弄清楚这一代 Hy4 究竟补上了哪些能力。

一、长程 Agent：门槛在「把一整件事跑完」

以前测模型，行业习惯看单轮问答、单道题答得怎么样。到了 Agent 阶段，考的是跨多轮、跨多步、长时间运行：模型能不能一直记住目标在哪、自己走到哪一步，中途出错能不能自己拉回来，最后拿出逻辑闭环的交付。

最近 CPO 赛道关注度不低，我给 Hy4 安排了一个贴近买方真实工作的任务：

假设它的身份是 AI 算力产业链方向的研究员，以 CPO（共封装光学）赛道为题，产出一份给投资决策委员会看的深度研究报告，外加一套可复算的估值模型，数据截至最近一个已完成的交易日。

CPO 的量产元年被定在 2026 年。英伟达 Spectrum-X、博通 Bailly 等 CPO 交换机正陆续被客户导入，台积电 COUPE 开始投产，谷歌 NPO 订单也已落地，产业层面的动作接连不断；另一头，A 股光通信「易中天」（中际旭创、新易盛、天孚通信）和光芯片、光器件公司的股价、估值都已被推高不少。这条链眼下还能不能配、配置该怎么做，才是投委会真正关心的。

任务要求基本覆盖了一名研究员的完整工作流。第一步是梳理 CPO 产业链图谱——上游的光芯片、激光器、硅光、光器件，中游的光引擎、光模块，下游的交换机和云厂商——还要配一张可视化产业链图；同时要讲清楚 CPO 与传统可插拔光模块、NPO、OOI 在技术上的差异、替代节奏和关键催化节点，并引用英伟达、博通、台积电的官方路线图和时间点。

视频来源：极客公园

数据核验是这道题最容易露馅的地方。模型得拿到重点公司近 3 年财报、最新行情与市值、业务结构、毛利率和机构一致预期，英伟达、博通、Coherent、Lumentum 等海外映射数据也不能落下；每个数字都要注明来源、日期、币种和单位，分清实际值、预测值和假设，缺数据就明确说明，不许编造数据、机构或分析师身份。我们还额外要求它核实各家公司是否真的进了海外巨头的 CPO 供应链，把已量产、送样测试和仅披露合作意向三种状态严格分开，揪出「蹭概念」的标的。

在这之上，它要从 A 股挑 4 家覆盖光模块、光器件、光芯片环节的代表公司做横向对比表，测算当前估值隐含的增长预期，结合一致预期判断预期差在哪，给出乐观、基准、悲观三情景；再选一家最看好的公司，搭一个可复算的未来三年利润表模型，关键假设集中管理，勾稽关系要验证，不允许无解释倒挤。最后还得正面回答投委会三问：当前是业绩兑现还是主题炒作，哪个环节弹性最大，如果只能选一家该选谁。

实际跑下来，Hy4 走的还是它处理长任务的那条典型路径：先拆任务、列执行计划，再分阶段推进，中间做阶段性自检。产业链图谱、技术路线、对比表和三情景依次落地，数据来源、假设口径和不确定性都标得清楚，模型内的勾稽关系能对上，最后交付的是报告 PDF 加估值模型 xls。

官方金融众测数据可以拿来参照。腾讯基于真实金融场景搭了数千个工作空间、上万个高质量任务，覆盖基金研究、证券分析、量化策略、资产配置和财税会计等流程，还联合腾讯金融科技 FiT 组织了 213 位专家参与众测，其中 153 位来自外部头部金融机构，七成有五年以上工作经验。在 579 个真实金融任务上，Hy4 拿到 3.04 分，开源模型中排第一，高于 DeepSeek-V4.1-Flash 的 2.97，也高于 Kimi K3.1 Pro 和 GLM-5.3 的 2.68；在金融智能体公司讯兔科技的内部评测 IRAB 中，Hy4 比 preview 版提升了 12.03 个百分点。

更基础的一项改进在事实准确性。混元针对时效检索、多源信息整合和事实一致性做了专项搜索优化，Hy4 的幻觉率从 preview 版的 12.95% 降到 7.2%，猜测导致的错误率从 23.1% 大幅降到 5.6%。对需要引用大量数据和资料的研究任务来说，这两个数字比任何跑分都直接。

长程能力的落差，往往就出在最后一步。前十步里有九步，眼下第一梯队的模型基本都能走完；真正的分水岭在于文件能不能真生成出来、数字对不对得上、打开就能不能用。Hy4 在这一环上的表现，已经有点「初级研究助理」的样子了。

当然，这类任务还是离不开人来验收。模型会标注数据口径、假设合理性和最终结论，但投委会上的决策责任，依旧没有哪个模型能替研究员扛。

二、视觉理解与视觉代码：混元第一次长出「眼睛」

Hy4 这一代最值得关注的变化，是首次引入视觉理解。混元此前走的是纯语言模型路线，这一代开始能看懂图像、图表、截图和视频，并把视觉信息转成输出。按官方说法，细粒度图像处理、复杂图表分析和数学视觉推理这三类任务它都能做。

我们把测试重心放在了依赖视觉还原的代码任务上，多模态能力在这里最容易见真章。第一个任务，是一个交互式 3D 机械腕表机芯拆解网页。

任务书写得很细：用 Three.js 做一枚程序化建模的机械腕表，表壳、表圈、表镜、表盘、时针分针秒针、至少 3 个相互啮合的齿轮、发条盒、摆轮、机芯底板和表冠一个不能少，全部靠程序化几何体搭出来；旋转、缩放、拆解、复原都要支持，点击零件得高亮并显示名称、作用和简短说明；拆解动画按「表壳表圈表镜 → 表盘指针 → 齿轮系 → 摆轮与发条盒 → 机芯底板」的顺序走，各部件保持原有空间对应关系，不许随机散开；另外还要一套机芯运转演示，摆轮持续往复摆动、齿轮按啮合关系联动、指针同步走时，动画可重复播放；最终交付可运行工程，并确认控制台没有阻断性报错。

视频来源：极客公园

模型要先把这十几个零件用程序化几何体一个一个生成出来，给每个零件配好层级关系和坐标，拆解的时候按既定次序挪动，避免位置互相错开，随后再让齿轮和摆轮一直转下去。官方评测和任务要求显示，旋转、缩放、拆解、复原这一整套交互它都能走通，点某个零件就会跳出说明，控制台也不报错。

第二个任务是让它复刻开发一个游戏《NAIAD 水泽仙女》的网页版同款，需要和视频里的游戏玩法相似。

复刻版《NAIAD 水泽仙女》｜视频来源：极客公园

制作过程｜视频来源：极客公园

这轮实测看下来，Hy4 实际上把视频取证、机制抽象和渲染回读串成了一条链路：先用 ffmpeg 把 81 秒录屏抽帧、拼图、局部放大，反复辨认出「白色人鱼游动、收集光点、碰花苞绽放、穿石环泛光晕、章节卡淡入、无分数无死亡」这套玩法，再用单文件 Canvas 2D 手写重实现一遍。关键不在「照着画面还原」——配色、花瓣、光晕都是按氛围重新画的，还原的是机制而非像素。

成品能收敛，靠的其实是后半程：用无头浏览器实际跑一遍，截图，再把截图读回来做比对，接连发现宽屏下花丛被裁掉、转屏后坐标错位、光点收不满、章节门槛卡住这四个毛病，改完再跑，如此循环四五轮，直到章节推进和按钮全部通过。这条路径可以概括成「多帧看懂、重做一遍、渲染回读验证」：视觉理解只负责指方向，真正把主观判断落成可验证事实的，是回过头来自检。

另外，电脑操作是 Hy4 头一回具备的能力。它能像人那样读懂屏幕，再靠鼠标键盘去操作浏览器、桌面应用和操作系统，命令行和图形界面都吃得开；面向 Blender、CAD 这类专业软件以及跨应用的长任务，混元还专门做了训练。

三、从「能聊」到「能交」，混元只是把拼图补齐了

上面测试线放在一起看，可以看到腾讯没有把主要精力压在单榜跑分上，而是让模型在真实业务场景里持续进化。

自今年 2 月重建基础设施起，混元大体上每两个月就出一个大版本，先放 Preview 版，再按反馈推正式版。8 月的 Hy4 preview 总参数 770 亿、激活参数 490 亿，能接受近百万 token 的输入，主打「为生产力而生」，上线之后在 OpenRouter 榜单上长期靠前；这一代 Hy4 补齐的，正是长程闭环、视觉理解、电脑操作这几块关键拼图。

在开源阵营，除了 Agent Arena 开源第一、金融众测开源第一，第三方平台 Artificial Analysis 最新智能指数在 700 多款模型中，把 Hy4 列为中国模型第二，仅次于 Kimi K3.1 Pro；官方办公评测平均 83.18 分、任务通过率 96.15%。

放到全球范围看，差距依然存在。跟 GPT、Claude 这些顶尖闭源模型比，高难度推理和工程任务上它还是落后，混元团队自己也不讳言差距较大，下一代 Hy5 会接着把规模做大。就眼下来说，说它摸到了第一梯队的门槛更准确，还没站进最核心的竞争圈。

性价比策略也没有变。Hy4 性能大幅超越 preview，定价维持原样：输入 6 元、输出 18 元、缓存命中 0.3 元每百万 tokens。即日起至 12 月 31 日，Hy4 在腾讯云 TokenHub 按刊例价 5 折计费，11 月 4 日到 15 日 WorkBuddy 和 CodeBuddy 还提供一定额度的免费使用。目前 Hy4 已经在腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信智能助理和 ima 上线，API 同步接入 OpenRouter 等平台，QQ、王者荣耀、微信读书等腾讯系产品也在陆续接入。

说回腾讯自己。WorkBuddy 让它在 Agent 和应用层有了立足之地，模型这块底座能不能撑住同样的位置，Hy4 给出的是阶段性回答：在开源阵营里，它凭长任务执行追了上来；视觉让产品更好用，可还决定不了胜负；跟全球顶尖模型正面过招，这一代仍处在追赶状态，真正的考验恐怕还得等 Hy5。

Agent 离彻底替代人的工作还有一段路，验收、决策和责任依旧在人手上。对腾讯来说，Hy4 也不只是一款新模型——它既是 WorkBuddy 这套 Agent 生产力系统的底座，也是「掉队论」翻篇之后，腾讯要接着证明自己的下一道题。