腾讯混元Hy4发布：首入最强开源模型行列？

腾讯混元 Hy4：从应用层回到模型底座

11 月 4 日，混元 Hy4 大模型由腾讯正式推出。这次发布有两个动作值得关注：模型权重近期将开源，同时上线的还有主打性价比的轻量版 Hy4 flash。腾讯给出的定位很直接——第一次进入最强开源模型的行列。

此前一年，说起腾讯 AI，外界先想到的多是 WorkBuddy 这类 Agent 应用产品，更底层的模型层面声音偏弱。Hy4 的问世，多少是在回答外界对腾讯模型技术身位的疑问。

从当前榜单看，Hy4 在开源模型阵营里确实进了第一梯队。不过放到全球范围，与 GPT-4o、Claude 3.5 Sonnet 等顶尖闭源模型相比，差距仍然明显。

另一边，AI 的使用规模正快速膨胀。国家数据局公布的数据显示，我国日均 Token 调用量从 2024 年初的 1000 亿，到今年 7 月已超过 500 万亿。两年时间涨了 5000 多倍。Token 消耗猛增的背后，是 Agent 正从技术概念变成实际的生产力工具。

Hy4 究竟补上了哪些能力？我们围绕长程 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一次实测。

长程 Agent：难点在于“把事做完”

过去测模型，行业习惯看单轮问答或单题准确率。到了 Agent 阶段，考核标准变了：要看模型在跨多轮、跨多步、长时间运行的任务里，能不能始终记住目标，中途出错能否自行纠正，最终拿出一个逻辑闭环的交付物。

CPO（共封装光学）赛道最近很热，我们给 Hy4 安排了一个接近买方研究员真实工作的任务：

让模型扮演覆盖 AI 算力产业链的研究员，围绕 CPO 赛道，产出一份面向投资决策委员会的深度研究报告和可复算估值模型。数据截至最近一个已完成的交易日。

2026 年被叫作 CPO 量产元年。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 投产、谷歌 NPO 订单落地，产业侧的事件一件接一件。另一头，A 股光通信龙头公司的股价和估值已经涨了不少。投委会真正关心的，是这条链眼下还值不值得配、又该怎么配。

这个任务几乎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，涵盖上游光芯片、激光器，中游光引擎、光模块，下游交换机和云厂商，并配一张可视化图表。它还要讲清 CPO 与传统可插拔光模块、NPO、OOI 的技术差异，引用英伟达、博通、台积电的官方路线图和时间点。

最容易出问题的环节是数据核验。重点公司近 3 年的财报、最新行情、业务结构、毛利率、机构一致预期，模型都得拿到手，英伟达、博通等海外映射数据也不能落下。每个数字要写清来源、日期、币种和单位，实际值、预测值、假设要分开标。我们还专门要求它查实各家公司是不是真的进了海外巨头的 CPO 供应链，把已量产、送样测试、仅披露合作意向这三种状态严格分开，揪出“蹭概念”的标的。

接下来，它要在 A 股挑 4 家代表公司做横向对比，算出现有估值里隐含了多少增长预期，并给出乐观、基准、悲观三套情景。然后选一家最看好的公司，搭未来三年的利润表模型，关键假设统一管理，勾稽关系逐一验证。最后得直接回答投委会的三个问题：眼下是业绩兑现还是主题炒作？哪个环节弹性最大？只选一家的话选谁？

从实际运行看，Hy4 沿用了处理长任务的典型路径：先拆解任务、列出执行计划，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有明确标注，模型内的勾稽关系能对上。最后交付的是一份报告 PDF 加一个估值模型 xls 文件。

官方金融众测数据可作参照。腾讯基于真实金融场景构建了数千个工作空间和上万个高质量任务，联合腾讯金融科技 FiT 组织 213 位专家参与众测，其中 153 位来自外部头部金融机构，七成拥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，在开源模型中排名第一，高于 DeepSeek-V4.1-Flash 的 2.97、Kimi K3.1 Pro 和 GLM-5.3 的 2.68。

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。

长程能力的差距，常常藏在最后一公里。前面九成的步骤，今天第一梯队的模型大多能做到。文件能不能真的生成出来、数字对得上、打开就能用，才是分水岭。Hy4 在这一环的表现，已具备“初级研究助理”的雏形。

当然，这类任务依然需要人来验收。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承担。

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，并把视觉信息转化为输出。按官方说法，它已能完成细粒度图像处理、复杂图表分析和数学视觉推理三类任务。

我们把测试重心放在依赖视觉还原的代码任务上，这也是多模态能力最容易见真章的地方。

首个测试任务，是做一个能交互的3D机械腕表机芯拆解页面。页面要用Three.js渲染一枚程序化建模的机械腕表，零件至少得包括表壳、表圈、表镜、表盘、时针分针秒针、齿轮系、发条盒、摆轮、机芯底板和表冠。这些部件全部靠程序化几何体生成，并且要支持旋转、缩放、拆解和复原。用户点中哪个零件，哪个就要高亮，同时显示它的名称、作用和一段简短说明。拆解动画得按指定顺序一帧帧展开，各部件之间的空间对应关系不能乱，不能随便散开。另外还要配一套机芯运转演示：摆轮不停往复摆动，齿轮按啮合关系联动，指针跟着同步走时。

要把这样的页面生成出来，模型得先用程序化几何体把十几个零件逐个搭好，再给每个零件挂上层级和坐标。拆解时按顺序挪动，确保彼此位置不错位，随后让齿轮和摆轮持续运转起来。按官方评测和任务要求来看，它能把旋转、缩放、拆解、复原这一整套交互跑通，点击零件会弹出说明，控制台也没有报错。

第二个任务是复刻游戏《NAIAD 水泽仙女》，做一个网页版同款，玩法要和视频里呈现的相似。

这轮实测中，Hy4 实际是把视频取证、机制抽象和渲染回读串成了一条链。它先用 ffmpeg 对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。

重点并不在“照着画面还原”。配色、花瓣、光晕都是按氛围重新画的，它还原的是机制，不是像素。

让成品真正收敛的，其实是后半段。用无头浏览器真跑、截图，再把截图读回来比对，连续揪出四个问题：宽屏花丛被裁、转屏坐标错位、光点收不满、章节门槛卡死。改完再跑，循环四五轮，直到章节推进和按钮全部通过。这是一条“多帧看懂、重做一遍、渲染回读验证”的回路。视觉理解只负责给方向，把主观判断变成可验证事实的，是回头自检。

电脑操作则是 Hy4 首次支持的能力。它能像人一样看懂屏幕，再用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能用。针对 Blender、CAD 等专业软件以及跨应用长任务，混元还做了专项训练。

补齐拼图，但尚未登顶

把上面几条测试线放在一起看，腾讯的主要精力并没有压在单榜跑分上，而是让模型在真实业务场景里持续进化。

混元从今年 2 月重建基础设施后，基本保持每两个月发布一个大版本的节奏：先放 Preview 版，收集反馈后再推正式版。8 月的 Hy4 preview 定位“为生产力而生”，总参数 770 亿、激活参数 490 亿，能处理近百万 token 的输入，上线之后在 OpenRouter 上长期位居前列。长程闭环、视觉理解、电脑操作这几块关键拼图，正是 Hy4 这一代补齐的。

在开源阵营，它拿下了 Agent Arena 开源第一、金融众测开源第一。第三方平台 Artificial Analysis 最新智能指数覆盖 700 多款模型，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，差距仍然存在。和 GPT、Claude 这类顶尖闭源模型比，高难度推理和工程任务上它还是落后。混元团队自己也承认差距较大，下一代 Hy5 会继续扩大规模。就现在的情况说，更准确的说法是它追到了第一梯队的门槛，还没进入最核心的竞争位置。

性价比策略也没变。Hy4 性能比 preview 大幅提升，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 和应用层站稳了脚，模型这块底座能不能撑住同样的位置，Hy4 给的是阶段性答案：开源阵营里，它靠长任务执行追了上来；视觉让产品更好用，但还定不了胜负；和全球顶尖模型的正面较量，这代仍在追赶，真正的考验可能还要看 Hy5。

Agent 离完全替代人的工作还有距离，验收、决策和责任仍然握在人手里。对腾讯而言，Hy4 的意义也不止是一款新模型。它是 WorkBuddy 这套 Agent 生产力系统的底座，也是“掉队论”翻篇之后，腾讯需要持续证明自己的下一道考题。