闻乐 发自 凹非寺

量子位 | 公众号 QbitAI

混元Hy4的正式版已经交付。

腾讯这回把话直接摆到了台面上：要进最强开源模型的那一排。

770B总参数、49B激活参数，原生视觉能力是头一回加进来，电脑操作也是首次支持。

指令遵循、长文理解、长程Agent这几项能力同步做了升级，电脑操作和长程Agent任务在开源阵营里也排到了前面。

从preview走到正式版，Hy4在预训练与后训练上的数据和训练规模都扩了不少，还拉上一线业务做“Co-Design”联合打磨。

WorkBuddy国内版、国际版均已同步完成首发接入。

我上来就丢给WorkBuddy一道硬题：搓一把能完全交互的3D机械键盘。

75%配列、84键，键帽、轴体、定位板、PCB、电池和外壳，六层结构一样没落下。

用鼠标拽着，模型能当场炸开看内部做工；装回去就能上手敲，按键下压、弹簧受力回弹的物理动效也一并算了进去。

照这么看，做新品展示demo的活儿已经有人接手了，Hy4你说是不是。

目前Hy4已上线腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理大圆、ima等产品；API同步接入OpenRouter、Hermes、OpenCode等平台。

腾讯系其他产品也在陆续接入，QQ、王者荣耀、和平精英、微信读书、腾讯新闻都在名单里。

模型权重近期会开源。

话不多说，先实测一轮。

像素级视觉感知

Hy4这次新加的视觉理解，细节识别已经细到能在一张28亿像素的航拍图里，找到约2米的屋顶构件。

这眼力确实可以。

接下来就考考它的眼力。

第一题：照着一张设计截图，做一个复古风格的音乐播放器。

高清航拍图先放一边，我想看的是它能不能读懂排版上的细节。

Hy4接单后没急着写代码，先把图里的配色、字体、布局逐项拆开，连左侧栏的像素宽度都量了出来，然后才动手，把页面和播放功能一块搭好。

中途裁切工具偏了一点，它换了个思路，直接分析像素来定位线条、提取颜色。

尺子和色卡都给配上了，做题工具挺齐全。

成品摆到眼前，我对着屏幕愣了半天——这还原度说99.9%不算夸张吧。米色铺底、橙红作点缀，黄绿配色压阵，大标题做得粗壮，再摆上一张黑胶唱片，复古气息直接扑面而来。

导航栏、歌单、播放区、待播列表，各自落在该在的位置。买家秀和卖家秀并排摆着，我找了好一会儿差异，最扎眼的竟是左上角那对前进后退按钮：一个圆，一个方……

不拿放大镜去抠，真不知道从哪儿挑毛病。

翻了下Hy4的交付说明，播放暂停、切换上下首、拖动进度、调节音量都通了，循环、随机、搜索、收藏同步也都在。

连手不想碰鼠标的情形都想到了：空格管播放，方向键调进度。

可等我按下播放键才反应过来，三首测试曲子它自己都备齐了。我压根没传过任何音频文件啊！

查明白才知道，曲子是它借浏览器原生的Web Audio实时合成出来的，不用满电脑翻音频，打开网页直接能听。行吧，我只递了一张图，Hy4交出来的不只是播放器，还搭了个测试曲库，试音的活一并干了。

接着看它的自测记录。按日志里的流程，代码写完后它自己悄悄在后台起了个无头Chrome浏览器，在沙盒里对着各个UI按钮逐个点、逐个拖，边操作边截图做视觉比对。

头一轮并没全顺下来：51项过了48项，两项卡在测试脚本上，还有一项被它自己抓了出来——列表放完最后一首歌，再点下一首时逻辑没收口。

它顺手把这个边缘Case改掉，重跑了一遍回归。最终报告里，59项测试全数通过，控制台报错和运行时异常都是零。

二维界面玩着不过瘾，我又丢给Hy4一张游乐场平面图，让它把园子“立”起来。

设施摆哪、占地多大、路在哪拐弯，都得照图来；摩天轮和旋转木马不能杵着当摆设，得转；这园子还得能让我走进去逛。

一通几何体建模、着色器配置、摄像机绑定下来，整座“星光游乐园”真就原地立起来了。

经典红白顶棚的旋转木马、主路两侧的小卖部、沿街铺开的低多边形树木和草皮，全按比例投进了三维空间。

低多边形画风看着清爽，像个适合摸鱼时进去转两圈的小游戏。

我本来做好了进门先迷路的打算，结果右上角还配了张小地图：设施、道路、草坪，连我此刻站的位置都标得清清楚楚。

进了园区，用WASD移动，拖动鼠标转视角，按住Shift可以加速，想看设施就点开标签。

逛迷糊了，一键回到入口，随时都能找到方向。

连“沿道路自动巡游”的按钮它也备好了，点下去，路都不用自己走。

行吧，让它建个游乐园，导览服务也顺带开张了。

Agent交付力拉满

游乐园逛完，回头干正事，试试Hy4这回重点加强的Agent和长程任务能力。

我丢给它一份“拾光Beam Go 2”便携智能投影仪的产品资料，让它做一套15页左右的新品介绍PPT。

Hy4先把资料从头到尾捋了一遍，配图也没乱找，直接用原生代码画出风格统一的矢量示意图，图表则留成可编辑的形式，方便后面改。

渲染到第4页时，它发现一段长文本顶出了页面安全边框，自己在后台马上重构版式，把单栏拆成卡片流，二次校验过了才继续往下走。

最后交上来一共16页PPT。行，还多送一页。

不过，打工人都懂，PPT做完，往往才是改PPT的开头。

我又扔给它一份视觉体系完全不同的暗黑高对比度模板，让它按新版式重刷一遍。

Hy4没急着把16页全改掉，先挑一页试着套进去，确认没问题，再批量改剩下的页面。

边验证边干活的能力，是它这次很亮眼的一处优势，不是一股脑输出完就交差，而是小步试错、验证通过再推进，返工少了很多。

接着，我又给Hy4派了个活儿：

做一个高可用性的图片批量处理工具。

裁切、改尺寸、压缩、导出，单张图折腾几下还行，一批图挨个来，鼠标没坏，人先麻了。

这回干脆把重复的手工操作交给它。

Hy4领到任务后，先去环境里研读了业内开源标杆Squoosh和Image Workspace的优秀设计，借鉴了原图/压缩图对比滑杆、预设工作流的技术方案。

然后快速拆出上传流、处理流、Web Worker多线程并行、Canvas图形管线、ZIP归档模块，直接敲代码。

成品交付的时候，名字都起好了——

ATELIER影像批处理工作台。

米白底色、橙色点缀，打开先弹出三步引导。Slogan是：“把重复的交给工具，把审美留给自己。”

行，我负责审美，它负责重复。

交付流程上，图片既可以整批拖拽进来，也能直接选取文件夹。裁切、尺寸、压缩和格式在左侧统一设定；个别要“特殊照顾”的图，再单独微调。社交头像1:1、电商主图、极小体积这些常用配方已经内置，拖滑杆就能实时观察画质损失，最后点一下打成ZIP包，交给浏览器下载。

另外，Hy4如今真能抓起鼠标干活了。在Chrome里打开JS Paint，照着混元亲亲表情包临摹，操作全程还得录下来。

看屏幕、找工具、挑颜色，再操控鼠标落笔，靠的正是它新支持的CUA（计算机使用）能力。别的AI忙着一键出图，Hy4却在这儿练鼠绘——上有参考图考眼力，下有画图软件考手艺（doge）。

加量不加价

这一圈实测下来，我感受最深的是：在长程任务里，Hy4自主执行的完成度提升明显。碰上多步骤任务，它能一直盯住目标和任务状态，执行途中做阶段性自检，依据运行结果找出问题、调整方案，再重新验证，直到交出没有Bug的结果。前面那些案例，其实也都是它自主执行、检查、修改之后一次性交付的。

这一轮训练，Hy4也更看重在真实生产力场景里派上用场。前端优化的范围细到复杂交互、业务逻辑、状态管理以及前后端联动；对Blender、CAD这类专业软件和跨应用长程任务，它也做了专门训练，任务规划与执行能力得到加强。

办公场景中，Hy4围绕时效检索、多源信息整合和事实一致性校验，对搜索链路做了专项优化。内部测试显示，它的幻觉率从preview版的12.95%降到7.2%，推测类错误率从23.1%降到5.6%；

金融方面，Hy4还专门补了一轮专业课。训练覆盖基金研究、证券分析、量化策略、资产配置、公司金融和财税会计等方向，基于真实场景搭出数千个工作空间、上万个高质量任务，让模型去学专业流程与规范。

参与众测的专家共有213位，其中七成来自外部头部金融机构，工作经验都在五年以上——这批阅卷人可不好糊弄。579个真实金融任务测下来，Hy4的综合表现排在开源模型第一。看来这轮“进修”，还真没白上。

科研任务的跨度也在拉大。Hy4把复杂推理、科学编程与长程执行结合起来，在覆盖7大学科、123项可执行研究任务的TenureTrail内部评测中，展现出数学构造、物理建模等领域的科研能力。

有个数据集包含699万个单细胞、整整84张二维无序小鼠胚胎切片，完全没有时间空间连续标记，还混着实验切片里常见的镜像翻转等噪声数据；在离线运行、没有专用配准工具、也没有细胞类型标注的严苛条件下，Hy4耗时1.5小时，自主完成了小鼠胚胎切片的空间对齐与三维网格重构。

全程零人工干预，最终对齐精细度甚至超过了专业配准工具的默认配置流程。

复杂推理、科学编程、长程执行这几件事，它也开始往一块串了。

和北京大学数学团队合作的一项研究里，Hy4找出了Méndez–Pinto–Villarreal猜想的反例，还补上了新条件把猜想完善了一步，相关证明则用Lean做了形式化验证。

眼下这些能力已经能在WorkBuddy和CodeBuddy里上手。从即日起到11月15日23:59，两家都开放限时免费体验。

手上要是压着什么拖了很久、一直嫌麻烦的活儿，不妨趁这段时间丢给Hy4试试。

另外提前说一声，主打极低推理成本、面向端侧和高并发Agent编排的Hy4 flash，也快来了。