实测 HY4：腾讯最「夯」大模型，离一线还有多远？

头图来源：腾讯混元 11 月 4 日，混元 Hy4 正式发布，模型权重将在近期开源，主打性价比的轻量版 Hy4 flash 也一起亮相。腾讯给它的定位是——首次跻身最强开源模型之列。

过去一年，腾讯在 AI 上最多被人看见的，是 WorkBuddy 这类 Agent 和应用产品；到了更底层的模型上，它的声量明显弱于应用。Hy4 真正要回答的，是腾讯在模型这条线上的身位。

从榜单表现来看，在开源模型里，Hy4 已经站进第一梯队；放到全球，和顶尖闭源模型的差距仍然清晰。 而根据国家数据局最近公布的一组数据，我国日均 Token 调用量已经从 2024 年初的 1000 亿，增长到今年 7 月的超 500 万亿，两年增长超 5000 倍。

Token 消耗狂飙的背后，Agent 正在从一个技术概念变成新的生产力形态。 极客公园围绕长程 Agent、多模态理解与视觉代码等主线，结合官方评测数据和典型任务，进行了实测，以梳理这一代 Hy4 到底补上了哪些能力。

一长程

Agent：门槛在「把一整件事跑完」 过去测模型，行业习惯看单轮问答、单道题目的表现。进入 Agent 阶段，变成看跨多轮、跨多步、长时间运行，模型能不能始终记得目标在哪里、自己能走到哪一步，中途出错能不能自己拉回来，最后形成逻辑闭环的交付。

最近对 CPO 赛道关注比较多，我给 Hy4 安排了一个接近买方真实工作的任务： 让它扮演覆盖 AI 算力产业链的研究员，围绕 CPO（共封装光学）赛道，做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 年被称为 CPO 量产元年，英伟达 Spectrum-X、博通 Bailly 等 CPO 交换机陆续进入客户导入，台积电 COUPE 投产、谷歌 NPO 订单落地，产业事件密集；

与此同时，A 股光通信「易中天」（中际旭创、新易盛、天孚通信）以及光芯片、光器件公司的股价和估值已经大幅抬升。投委会真正想知道的，是这条链当前还能不能配、该怎么配。 任务要求几乎覆盖了一名研究员的完整工作流。

它先要梳理 CPO 产业链图谱——上游光芯片、激光器、硅光、光器件，中游光引擎、光模块，下游交换机和云厂商——并配一张可视化产业链图；同时讲清 CPO 与传统可插拔光模块、NPO、OOI 的技术差异、替代节奏和关键催化节点，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环节。模型需要获取重点公司近 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，还要兼顾英伟达、博通、Coherent、Lumentum 等海外映射数据；

每个数字都要标明来源、日期、币种和单位，区分实际值、预测值和假设，缺失数据明确说明，禁止编造数据、机构或分析师身份。我们还特别要求它核实各家公司是否真正进入海外巨头 CPO 供应链，严格区分已量产、送样测试和仅披露合作意向三种状态，把「蹭概念」的标的识别出来。

在此基础上，它要从 A 股选 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，并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里，给出乐观、基准、悲观三情景；

再选一家最看好的公司建立可复算的未来三年利润表模型，关键假设集中管理，验证勾稽关系，禁止无解释倒挤。最后，它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。

从实际运行看，Hy4 沿用了它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、对比表和三情景能够依次落地，数据来源、假设口径和不确定性都有明确标注，模型内的勾稽关系可以对上，最终交付的是报告 PDF 加估值模型 xls。

官方金融众测数据可以作为参照，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，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，并联合腾讯金融科技 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；

在金融智能体公司讯兔科技的内部评测 IRAB 中，Hy4 较 preview 版提升 12.03 个百分点。 更基础的一项改进在事实准确性。针对时效检索、多源信息整合和事实一致性，混元做了专项搜索优化，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，这两个数字的意义，比任何跑分都直接。 长程能力的差距，往往就藏在最后一公里。前面九成的步骤，今天第一梯队的模型大多能做，能不能把文件真的生成出来、数字对得上、打开就能用，才是分水岭。

Hy4 在这一环的表现，具备了「初级研究助理」的雏形。 当然，这类任务依然离不开人来验收。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，依旧没有任何模型能替研究员承担。

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，这一代开始能够看懂图像、图表、截图和视频，并把视觉信息转化为输出。按照官方说法，它已经能完成细粒度图像处理、复杂图表分析和数学视觉推理这三类任务。

我们把测试重心放在了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。第一个任务是一个交互式 3D 机械腕表机芯拆解网页。 要求用 Three.js 展示一枚程序化建模的机械腕表，至少包含表壳、表圈、表镜、表盘、时针分针秒针、齿轮系（至少 3 个相互啮合的齿轮）、发条盒、摆轮、机芯底板和表冠，全部用程序化几何体实现；

支持旋转、缩放、拆解和复原，点击零件要高亮并显示名称、作用和简短说明；拆解动画要按照「表壳表圈表镜 → 表盘指针 → 齿轮系 → 摆轮与发条盒 → 机芯底板」的顺序展开，各部件保持原有空间对应关系，不能随机散开；

还要有一套机芯运转演示，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 生成这样一个网页，模型要先用程序化几何体把十几个零件逐一搭出来，给每个零件挂好层级和坐标，拆解时按顺序移动、保证彼此位置不错位，再让齿轮和摆轮持续运转。

按照官方评测和任务要求，它能够把旋转、缩放、拆解、复原整套交互跑通，点击零件会弹出说明，控制台没有报错。 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 可以看到，在这轮实测里，Hy4 其实是把视频取证、机制抽象和渲染回读串成了一个闭环：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。 真正让成品收敛的其实是后半圈，用无头浏览器真跑、截图、再把截图读回来比对，连续揪出宽屏花丛被裁、转屏坐标错位、光点收不满、章节门槛卡死四个问题，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，则是回头自检。 此外，电脑操作是 Hy4 首次支持的能力。它能像人一样看懂屏幕，再用鼠标键盘操作浏览器、桌面应用和操作系统，命令行与图形界面都能用；针对 Blender、CAD 等专业软件和跨应用长任务，混元还做了专项训练。

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。 今年 2 月重建基础设施以来，混元平均每两个月推出一个大版本，先以 Preview 开放、再根据反馈发布正式版。

8 月的 Hy4 preview 总参数 770 亿、激活参数 490 亿、支持近百万 token 输入，定位「为生产力而生」，上线后长期位于 OpenRouter 排行前列；这一代 Hy4 补上的，是长程闭环、视觉理解和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，差距还在。与 GPT、Claude 这类顶尖闭源模型相比，高难度推理和工程任务仍然落后，混元团队自己也承认还有较大差距，下一代 Hy5 会继续扩大规模。

就现在而言，更准确的说法是追到了第一梯队的门槛，尚未进入最核心的竞争位置。 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。

回到腾讯自身。当 WorkBuddy 让它在 Agent 和应用层站稳，模型这块底座能不能撑住同样的位置，Hy4 给出了一个阶段性答案：在开源阵营，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，真正的考验可能还是要看 Hy5。 Agent 距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 的意义也不止于一款新模型——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。