混元Hy4实测：770B参数加上视觉与电脑操作，干活能力如何

11月4日，腾讯混元发布新一代大语言模型Hy4，旗下AI助手元宝同步接入。用户在元宝App、PC客户端和网页端都能把模型切换成Hy4来用。

（图源：元宝）

官方称，多项底层能力升级后，Hy4首次跻身最强开源模型梯队。参数上，Hy4从Hy3系列的不到300B提升到770B。不过在雷科技（ID：leitech）看来，新版本的核心看点不止参数，它补上了AI Agent落地的两块关键拼图：视觉理解和电脑操作（Computer Use）。

按常理推断，Hy4这次新增的特性，尤其是长程智能体任务方面的升级，可能会改写人们对开源模型工作流的预期。下面结合实测体验，看看它到底表现如何。

不再只是纯文本，开始干生产力的活

说到底，Hy4这次的升级思路是把模型和产品深度绑在一起，让AI不再是只会聊天的玩具，而是能实打实干活、长期陪伴的个人助理。

正如前文所说，视觉理解是本次升级的核心之一。不少开源模型的痛点是缺少原生视觉理解能力，Hy4首次引入这一能力，而且直接做到能处理细粒度图像、复杂图表分析和数学视觉推理的水平。

Hy4之所以能操作电脑，关键在于它可以跨界面、跨应用直接动手。以前大模型干活，多数时候只能靠厂商开放的API接口，Hy4则能结合命令行和图形界面，像人一样接管各类任务。

官方表示，无论是专业软件，还是需要跨应用流转的长程任务，混元都做了专项训练，执行规划能力提升明显。某种程度上，大模型等于长出了手脚，能替打工人接手大量重复操作。

与此同时，Hy4在压低幻觉、优化专业垂直场景上也下了不少功夫。它针对时效检索和事实一致性校验做了搜索优化，自建测试中幻觉率从12.95%降到7.2%，因猜测导致的错误率从23.1%跌到5.6%。

为了落地专业场景，Hy4学习了基金研究、财税会计、资产配置等成千上万个金融任务。在两百多位金融专家参与的众测中，它基于真实任务的综合得分超过GLM-5.3和Kimi K3.1 Pro等对手。前端和游戏开发方面，Hy4优化了复杂的前后端联动，还深度适配了UE、Unity、Godot等主流引擎。

（图源：混元）

整体看，补视觉短板、接入电脑操作、降低幻觉，Hy4想解决的都是AI落地时的痛点。那实战里它能不能扛住考验？下面直接进入具体的Case测试。

做互动网页、读财报、查本地信息，Hy4都挺稳

前面提到，官方信息里Hy4各项能力都很强，还围绕现实场景做了不少针对性优化。可对用户来说，参数跑分之外，更想看它实际干活怎么样。我们因此设计了几个项目，实测Hy4的真实表现。

一句话讲清《三体》里的飞船

这是一个互动网页设计任务，主要考验模型对写代码和网页设计的把控。我们只给Hy4发了一句话：

面向零航天基础的读者，做一个能互动讲解《三体》里工质飞船与非工质飞船差异的网页，让两边到底差在哪儿一看就懂，还能在「太空」场景里点飞船触发互动。

出这个题，是因为我读《三体》时，小说用大量篇幅讲工质飞船和非工质飞船的路线之争，这也是推动故事主线的重要元素。只是我没有理工科背景，当时很难理解这些概念。好消息是，如今AI大模型越来越强，把任务交给它就行。

Hy4用400多行代码完成了任务。生成的网页先用简洁通俗的文字讲清两条路线的区别，还拿「背砖头」和「不背砖头」打比方，方便读者理解。

（图源：雷科技）

页面里还有按要求做出的互动界面，太空背景上放着会闪烁的星星图案，细节到位。界面分上下两半，各有一艘小飞船，分别代表工质和非工质辐射飞船。点对应的飞船，它会移动，还带不同特效。AI甚至做了虚拟能量条和让两艘船回起点的重置按钮，成了一个小游戏。

（图源：雷科技）

看得出来，Hy4已经能深入理解用户需求，做出相对复杂的交互网页。这类案例在课件制作、产品Demo演示、儿童教学等现实场景里很常见，AI能帮上的忙很明显。

视觉理解加联网检索，财报数字算得准

这项测试放在WorkBuddy里完成，提示词依旧简单，只丢了一张苹果财报截图加一句话：

麻烦根据这张苹果Q4报表截图，算算该季度iPhone的ASP平均售价

其实这题我们故意设了几处难点：截图清晰度不算高，而且苹果财报压根不公布iPhone销量，相关数据得从别的渠道找。

结果Hy4交出的答卷不错。它先把核心财务数据准确抠了出来，iPhone营收金额也在其中；接着联网查到IDC给出的当季iPhone出货量，据此算出iPhone的ASP为1005美元。它还顺带算了该季度iPhone营收、销量、ASP各自的同比变化，呈现得干净利落。

（图源：雷科技）

不止于此，Hy4还点出了这种算法本身的短板，比如统计周期对不上、iPhone类目营收里混进了配件等。

（图源：雷科技）

财务、法律这类场景里，AI最怕的就是胡编和夸大。Hy4在这里表现出了应有的严谨：它会去查第三方信息，也会把其中可能藏着的毛病讲明白。手里有多少材料就说多少话，这正是AI当生产力工具该有的底子。

难度再上一档，跨应用的任务也接得住

这一轮我们把难度调高了。最近我正办签证，处在和旅行社对接、备材料的阶段。于是干脆让WorkBuddy里的Hy4自己去微信里找到旅行社那位工作人员，从聊天记录里把信息捞出来，同时到电脑本地文件夹里比对还差哪些材料。提示词是这样的：

我最近在办西班牙签证，已经在微信上加了旅行社工作人员并开始对接。麻烦你翻一下微信聊天记录（微信已登录，可以用Computer Use操作），看看需要交哪些资料。另外，Mac本地下载文件夹里放了护照扫描件和户口本电子页PDF，你帮我核对一下，还缺什么材料。

Hy4的表现挺让人意外。头一步，它在微信里准确认出了旅行社那位工作人员，并从聊天记录中拿到了关键信息。

（图源：雷科技）

第二步，它翻查本地文件夹逐项比对，把还差哪些资料判断得明明白白。它还注意到本地存着一张美签照片，提醒说美签和申根签证的照片规格不同，不能混用。

（图源：雷科技）

这题的难点在于，AI得跟真人一样去操作你的微信客户端，还得「看懂」界面和图片。整个过程里，Hy4要调动电脑操作能力，在不同应用之间来回切换。视觉理解同样少不了，不然它没法从图片里准确取信息，也读不懂别的应用的UI界面。

隐私安全这块倒不必操心，WorkBuddy碰到敏感操作都会先问用户，得到同意才往下走。

模型和产品配合，混元摸到了落地路子

前面几轮实测跨度不小，走下来能感觉到，腾讯混元Hy4不只是参数往上堆，它还在往实用的生产力工具方向走。互动网页设计、财报分析、签证材料核对这几项任务里，Hy4拿出的原生视觉理解、跨界面跨应用操作和低幻觉率，说明它不光看得懂，还真能替人把活干了。

我们同时觉得，Hy4用着顺手，关键不只是底层模型能力涨了，还在于这个模型被塞进了产品端。

以往，模型能力再强，多半靠开发者走API去接，普通用户能用的地方有限，很难变成日常生产力。Hy4不一样，它和元宝、WorkBuddy这些核心产品深度配合，把普通人的使用门槛抹平了。这类模型相当于AI的大脑，元宝、WorkBuddy这样的软件工具则给AI装上了手脚，还提供了施展的平台，让它扎进真实的使用场景。

一边，应用产品给了模型最直接的落地场景。全面接入元宝App、PC端和网页端之后，普通用户随手就能调用Hy4的多模态和推理能力；另一边，到了更复杂的工作场景，WorkBuddy与Hy4配合，让AI的电脑操作能力真正落了地。

（图源：WorkBuddy）

面对微信读取、本地文件检索这类复杂长程任务，Hy4靠的是WorkBuddy给出的步骤拆解和隐私确认机制——活干得快，最终决定权还在用户手里。易观分析的数据显示，WorkBuddy 9月访问量已超8500万次，在国内办公Agent平台中排第一；QuestMobile统计的9月数据里，元宝以月人均使用38.7次、月人均时长78.6分钟，在国内原生AI应用使用频率榜上居第三。

这些AI工具能圈住用户，产品体验过硬是一大原因，另一层则在于和腾讯办公生态的深度结合。

强悍模型配上易用的Agent工具，眼下已经跑出了不错的效果，AI大模型与真实工作场景之间那道隔阂被抹平了。往后看，AI个人助理类工具大概率也会走这种模型与产品深度绑定的路子。