腾讯Hy4正式版发布：原生视觉首秀，API价格看齐DeepSeek

智东西

编辑 云鹏

智东西11月4日消息，腾讯最新一代旗舰模型Hy4正式版今日发布，模型权重也计划开源。与今年8月推出的Hy4 preview相比，Hy4的预训练和后训练规模明显扩大，视觉能力首次被引入，指令遵循、长文理解、长程任务、深度研究等综合能力均有大幅提升。

视觉能力从无到有，Hy模型因此多了不少新玩法。上传一张随手拍的照片，Hy4能判定地理位置并核实信息；给一张课本图片，它还能做出3D讲解网页。

腾讯公布的完整基准测试结果显示，在智能体编程、搜索、办公等领域的多个公开基准中，Hy4超过了DeepSeek-V4.1-Flash等模型。不过与GPT-6.1 Sol、Claude Opus 5.5等模型相比，仍有差距。

递归自我改进（RSI）方面，Hy4也在做准备。接入腾讯自研的科研智能体Hyra2.0后，Hy4对内部同架构小模型的预训练基础设施做了优化，端到端训练吞吐提升20.1%，还自动训练出Jev模型，后者在多项评测中表现优于官方版本。

Hy4已上线腾讯云和OpenRouter，CodeBuddy/WorkBuddy、元宝、ima等腾讯系AI产品中也能体验。性能比Hy4 preview明显更强，API价格却没变。其API定价落在DeepSeek V4 Pro空闲时段与高峰时段的输入输出价格之间，缓存命中价格则与DeepSeek V4 Pro高峰时段一致。

腾讯还打算近期推出Hy4 flash，模型性价比和推理速度会进一步提升。

据腾讯介绍，他们已联合vLLM/SGLang社区以及Inferact Inc.为Hy4提供开源生态支持。发布之前，国产算力生态就已开始做Hy4的推理适配。11月2日，适用于昇腾NPU的vLLM-Ascend开源插件仓库新增一项名为“Add Hy4 deployment guide”的PR，内容涉及Hy4在昇腾950DT上的单节点、多节点和PD分离部署。

正式版发布前，智东西提前拿到内测权限做了体验。结果显示，补齐原生视觉理解是Hy4最实质的变化，编程、3D建模等任务的交互方式被直接改变，操作微信电脑版等PC应用也更顺手；长程任务能力的提升同样明显，多轮迭代中，Hy4的目标保持能力强于此前的Hy系列模型。

一、原生视觉理解首秀，看图编程、3D建模实测过关

原生视觉理解此前一直是Hy旗舰模型的空白。这次实测把它和编程、3D建模等复杂任务放在一起考察。

编程场景下，腾讯针对前端复杂交互、业务逻辑、状态管理、前后端联动等做了专门优化，模型生成的界面不光好看，功能也完整可用。

先做一个轻量网页改造任务：把智东西官网链接发给Hy4，再选另一个网站作为参考设计，让它照着改。

接到任务后，Hy4把两个网站都摸了一遍。它一边读HTML代码，熟悉网站的结构骨架与样式基因，一边靠截图确认版式比例、视觉重心、色彩气质这些从代码里看不出来的设计细节。

探索过程中，智东西官网的图片素材也被它扒了下来，留作后续开发用。

原生视觉理解还让改代码变轻松了：直接截图，把界面上想改的地方指给模型看就行，不必再费劲用文字描述布局、配色和元素位置。小修改大概花1-2分钟，思维链看上去比Hy4 Preview更简洁。

经过三四轮人工反馈，Hy4最终给出了相对满意的智东西官网改造设计：智东西品牌色、网站交互等细节都保留，版式采用TechCrunch风格，粒子光效、渐变发光这类典型的AI味儿设计语言则被避开。

下一个实测任务是3D模型开发，环境为Blender。按腾讯的说法，Hy4针对Blender、CAD等专业软件和跨应用长程任务做过专项训练，专业任务的规划与执行力得到优化。

要用好外部工具，Skill和打通的MCP连接器缺一不可。从GitHub上找到一个Blender Skill合集后，安装和MCP配置都交给Hy4完成。

配置完成后，上传一张腾讯经典企鹅形象的二维图片，要求Hy4据此做出3D模型，并在企鹅肚子上预留一块屏幕的嵌入位，这样它就能充当AI硬件的外壳。

初版模型在17分钟后交付。企鹅的关键特征都抓住了——红围巾、圆肚皮、屏幕嵌入位一个不少，整体还原度则还有提升空间。

没被明确要求的东西，它自己也补上了：USB-C开孔、扬声器开孔、头顶麦克风开孔，以及内部装配参考件，都是AI硬件外壳需要考虑的要素。

接下来30多分钟，测试者边截图边和Hy4对话，前后改了6轮，把模型设计与腾讯经典企鹅形象的差别逐条指出来。

反复没改好的是企鹅左眼。参考图里那只眼睛是白色竖椭圆，Hy4前几版却做成浮在脸上的一条黑色弧线，直到把参考图放大4倍、8倍，它才看清并改对。

改稿过程中，Hy4交付的3D模型没有出现越改越偏的情况，每个版本都有可感知的提升。最终成品的还原度比初版明显更好，外观返工也没有拖累工程可用性。

整个流程看下来，Hy4在3D建模上的几何自检表现不错，短板落在视觉自检。这或许和当前多数大模型做3D建模时采用的参数化建模方式有关：参数化管线能直接读回的只有标量，碰上跨对象、跨尺度的问题就容易判断缺位。

长程任务上的表现是这轮体验里比较突出的一点。网页改造的多轮反馈也好，用掉50万上下文窗口的3D建模任务也好，Hy4都记住了最初的目标。对需要长链路执行的Agent类产品来说，这种能力相当关键。

二、让Hy4当一天打工人：做财报PPT、在微信爬楼，被封锁也不瞎编

复杂长程任务之外，办公类任务的表现也在考察范围内。任务提示词如下：

充分利用SpaceX IR网页里Q3财报的数据和物料，包括Earnings Update、Q&A、10-Q和Transcript，生成一份PPT，用于介绍业绩进展。

接到任务，Hy4先找到网站，把提示词提到的文件下载下来。Earnings Update的PDF下载极慢，它便绕道SEC官网拿到同源全文，PDF原件只留作核验。

下载Q&A文件时碰到地域封锁，Hy4没有编造内容，而是通过检索补充信息，并在回答里注明了这一限制。

大约30分钟后，初版PPT生成完毕。抽检的几个数据都与真实情况相符，问题出在排版——满篇密密麻麻的文字，阅读体验不佳。

指出这一问题后，Hy4调用PDF截图工具，把SpaceX财报里丰富的视觉素材存到本地，再融进PPT设计。最终成品图文并茂，美感和信息量都兼顾到了。

有了原生视觉能力，电脑操作也值得一试。让Hy4操作微信、在评论区自动发评论的流程已经能完整跑通，操作定位精准，执行速度则偏慢。

▲Hy4发评论的执行过程（20倍速）

抢鼠标的问题确实存在。它用电脑时，人没法同时做别的操作，否则可能打断它的正常执行。

微信群爬楼总结工作消息也试了。这一任务约2分钟跑完，走的是纯GUI路线——打开微信、找到群聊、滑动页面、记录内容。总结相对完整，时间点标得清楚，连图片里的文章修改意见都能看清。

两个案例跑下来，Hy4+WorkBuddy的组合在办公与长程推理场景里可靠性不错，基本不会擅自行动，办公场景要求的严谨性算是满足了。

三、优化基础设施实现20.1%吞吐提升，已剔除攻击性训练内容

腾讯在博客里还分享了Hy4在科研场景的能力。

AI研究场景中，Hy4自主定位到预训练系统的性能瓶颈，围绕多个方向做了多轮基础设施优化，端到端训练吞吐最终提升20.1%。

TenureTrail内部评测覆盖7大学科、123项可执行研究任务。Hy4在数学构造、物理建模、地球环境、系统工程和社会经济决策等领域表现出不错的科研能力，位居开源模型第一。

借助Hyra 2.0，Hy4研发出单细胞表征基础模型HyCell。在7个未参与训练的细胞图谱上，只有1600万参数的HyCell以约1/14的参数量，达到与当前SOTA模型Stack相当的综合性能，平均生物学保真度得分在参评模型中最高。

物理场建模这条线上，Hy4与Hyra 2.0一起做出了物理基础模型HyPDE。拿它和当前SOTA模型Walrus比，在13个物理仿真数据集的单步、短期（1–20步）、长期（21–60步）预测中，HyPDE分别有9个、10个、8个数据集的预测误差更低。

上面提到的这两个模型，腾讯都已经开源。

AI安全上，腾讯表示已经注意到模型在网络、生物等方面的能力可能带来风险。训练Hy4时，团队只放进了与PoC生成、漏洞修复有关的防守性网络安全数据，漏洞利用、逆向、渗透这些攻击性内容被剔除，目的是压住潜在进攻性能力的增长。生物这块，Hy4的开放式实验设计能力和前沿模型差得明显，腾讯安排内部专家审计轨迹，结论是模型基础生物知识掌握得不错，可把知识变成可执行实验方案的能力仍然有限，也没发现它能明显拉低实施生物化学危害行为的门槛。

结语：预训练和后训练规模还会继续加码。腾讯在博客里写到，Hy4和顶尖闭源模型还有不小差距，尤其在腾讯内部搭的前沿数学、长程开发、模型迭代、视觉问答等高难度测试集上。

接下来，腾讯会稳扎稳打地扩大预训练和后训练规模，想办法把和顶尖闭源模型的差距追小。