腾讯混元 Hy4 正式版：第一次能看图、能自己点鼠标，但权重还得再等等

3分钟看懂：一句话结论

腾讯混元在 11 月 4 日把 Hy4 从「preview」推到了正式版。这一版最重要的不是分数涨了多少，而是补上了两块此前缺失的能力：能看图，和能自己操作电脑——命令行和图形界面都能上手。

但它给自己贴的「最强开源大模型」标签，现在只能算半张。权重是「近期开源」，今天没放出来；能下载的只有 8 月那版 preview。

四个关键数字：

• 770B 总参数、49B 激活参数（沿用 preview 的混合专家结构）
• 1M tokens 上下文
• 约 0.9 美元/百万输入 tokens、2.7 美元/百万输出 tokens，与 preview 同价
• 11 月 4 日至 15 日，WorkBuddy 和 CodeBuddy 免费

发生了什么

8 月 28 日腾讯放出 Hy4 preview，770B 参数、49B 激活、1M 上下文，权重按 Apache 2.0 挂在 Hugging Face 上，当时被当成「国产开源大模型追上来」的一个信号。

11 月 4 日的正式版，腾讯的说法是「显著扩展了预训练和后训练规模」，然后把三件事列为「第一次」：

1. 第一次有视觉理解。不是简单识别图片内容，官方强调的是细粒度图像处理、复杂图表分析、数学视觉推理。官方演示里有两个例子：在 28 亿像素的航拍图里定位一个约 2 米的地面目标；把一幅莫奈拼图的 900 个碎片重新拼回去。
2. 第一次支持电脑操作。能混合使用命令行和图形界面完成任务，并且针对 Blender、CAD 这类专业软件做过专项训练。据报道，混元团队搭了一个装了几百个应用的沙箱来跑任务、验证结果。
3. 第一次以「生产力」为主轴做产品协同。这句话听着像公关词，但它有具体落点：WorkBuddy 的办公任务、CodeBuddy 的编码、元宝的对话、企业微信的 AI 助手，都接的是同一个模型。

到底强在哪：三个能落到具体场景的地方

办公：WorkBuddy 上 12 个场景拿了 9 个第一

腾讯给出的内部评测是：WorkBuddy 场景平均分 83.18、通过率 96.15%，在中国大陆市场的 12 个场景里 9 个排第一。这些数字是厂商自测，不能当成独立结论，但方向上能看出它想解决的是「跨文档、跨会议、跨聊天记录找信息」这类长程任务——Hy4 会自动跟踪项目历史、标出待办、提醒即将到来的会议和截止日期。

金融：213 位从业者 blind test，只领先 DeepSeek 0.07 分

这块的数据相对扎实一点，因为说清了测试方法：腾讯金融科技参与，213 位金融从业者（其中 153 位来自外部机构，约七成有 5 年以上经验），579 个真实金融任务，四点量表打分。

结果是 Hy4 3.04、DeepSeek-V4.1-Flash-1017 2.97、Kimi K3.1 Pro 2.68、GLM-5.3 2.68。腾讯据此说自己是「表现最好的开源模型」。

但要看清两件事：一是这仍是腾讯自己组织的评测；二是 3.04 对 2.97，差距只有 0.07 分，属于同一档位，不足以支撑「明显领先」的叙事。

游戏与前端：和自家 preview 比，不是和对手比

官方说 GameDev 提升 19.1%、GameLogic 提升 9.8%，深度对接了 Unreal Engine、Unity、Godot。这两个百分比是对 Hy4 preview 的环比，不是对竞品。同一段话里腾讯也承认，和顶尖闭源模型仍有较大差距，尤其是在前沿数学、长程开发、模型迭代、视觉问答这些高难度测试集上。

它自己承认的短板，比宣传更值得看

把各家和聚合站整理出的分数摊开，画面会清楚很多：

规律很清楚：代码生成、3D 建模、检索研究是它的强项；终端操作、自动化流程、硬数学和大仓库改造是它的弱项。这跟「会点鼠标」的宣传不矛盾——会操作界面，不等于能在终端里可靠地完成复杂工程任务。

需要说明的是，这批对比数字来自媒体与聚合站对腾讯发布会图表的整理（基于多家媒体转述整理），腾讯是把竞品放在统一设置下重跑的，所以它既不是各厂商自己公布的成绩，也不是独立第三方榜单。看的时候把它当「同一套题、同一个考场」，而不是「绝对能力」。

「开源」这两个字，现在要先打个问号

这是本篇最需要提醒的地方。

腾讯的表述是：Hy4 将「在近期」开源模型权重、发布系统卡片，并已联合 vLLM、SGLang 社区以及 Inferact 提供生态支持。也就是说，今天你能用的是 API 和产品，不是权重。

能下载的只有 8 月的 preview（Apache 2.0）。正式版权重没有日期，系统卡片（含安全评估细节）也没有日期。

所以更准确的说法是：Hy4 现在是一个「承诺要开源的 API 模型」。它大概率会开，但在权重真正落到 Hugging Face 之前，任何「开源第一」的排名都建立在厂商自己的定义上。同期它还在推进更负责任的开放，重点放在网络安全和生物安全两类风险：训练数据只用防御性安全材料（PoC 开发、漏洞修复、逆向与渗透测试分析），明确排除利用类攻击内容；生物安全方面则承认基础生物知识强、但开放式实验设计弱于前沿模型。

价格、免费窗口和在哪能用

• API 定价：约 0.9 美元/百万输入、2.7 美元/百万输出、0.045 美元/百万缓存命中；人民币口径为 6 / 18 / 0.3 元每百万 tokens，与 preview 持平。
• 免费与折扣：11 月 4 日至 15 日，WorkBuddy 和 CodeBuddy 免费；腾讯云 TokenHub 五折，持续到 2026 年 12 月 31 日。
• 已上线：腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信 AI 助手（大元）、ima；第三方平台 OpenRouter、Hermes、OpenCode。
• 在接：QQ、王者荣耀、和平精英、微信读书、腾讯新闻。
• 后续：更便宜更快的 Hy4 Flash「近期发布」；下一代 Hy5 参数规模会更大。

怎么用：三条路径，按你的身份选

路径一：普通用户，不想碰 API。 直接开 WorkBuddy 或元宝。11 月 15 日前免费，适合试三类任务：把一堆会议记录和文档整理成一份汇报、让它读一张复杂图表并说出结论、让它在 Blender 或 CAD 里做一串连续操作看它会不会中途跑偏。

路径二：开发者，想接进自己的产品。 走腾讯云 TokenHub 或 OpenRouter，接口兼容 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三种格式。注意两点：thinking 模式默认开着，返回里会有 reasoning_content 字段，客户端要处理；输出上限要设，不然长任务容易把账单拉长。

路径三：想自己部署。 现在还不能。等权重和系统卡片。如果急着本地跑，只能用 preview 版先验证流程。

适用场景

• 中文办公文档处理：跨文档、跨会议、跨聊天的信息汇总与汇报生成
• 图表与截图理解：把一张复杂的报表图读成结论
• 前端与游戏原型：界面生成、游戏逻辑草稿、UE/Unity/Godot 里的脚本
• 金融文本的初筛与摘要：研报、公告、招股书的粗读
• 3D 与设计软件里的连续操作：Blender、CAD 的任务链

不适用场景

• 硬数学、竞赛级推理：FrontierMath 那一档差得不是一点
• 大型仓库的长程重构：Goal2Repo 这类任务上差距明显
• 需要高可靠终端自动化的流水线：Terminal Bench 上它排第 4
• 合规要求「必须能本地部署、必须能审计权重」的场景：权重还没发
• 需要独立第三方评测背书的采购决策：目前几乎所有分数都是厂商自测

避坑：四个容易踩的点

第一，别把「计划开源」读成「已经开源」。 见到「Hy4 开源」的标题，先去 Hugging Face 看有没有正式版权重。preview 的 Apache 2.0 不能自动继承到正式版。

第二，别把厂商自测当独立评测。 腾讯把竞品放在统一设置下重跑，方法上比只报自己的分数好，但出题人和裁判仍是同一方。金融那 0.07 分的领先，尤其不该被放大。

第三，别给电脑操作真权限。 能点鼠标、能敲命令，意味着它也能删文件、能提交表单。跑这类任务一定放沙箱或虚拟机，不要挂真实凭证、不要连生产环境。

第四，注意口径差异。 同一个指标在不同稿件里数字不一样（比如幻觉率，官方英文稿写 12.95% 降到 7.2%，部分聚合站写 15.76% 降到 5.45%）。引用前先确认是哪个版本、哪个测试集。

成本与时间

• 试用的钱：0 元。11 月 15 日前 WorkBuddy、CodeBuddy 免费。
• 接 API 的钱：按 0.9 / 2.7 美元每百万 tokens 算，一次读 5 万 tokens 的长文档再输出 2000 tokens，成本约 0.05 美元。真正烧钱的是长程 Agent 任务，因为每一步都要重发上下文。
• 自己部署的钱：未知。770B 总参数的模型，即便只激活 49B，也不是单机可以舒服跑的量级，等权重出来再算显存和吞吐。
• 等权重的时间：官方只说「近期」，没有日期。系统卡片同样没有日期。

行动建议

第一步，今天就能做：如果你是普通用户，趁 11 月 15 日前免费，挑一个你手上真实但不怕出错的活儿，丢给 WorkBuddy 试一次，重点看它会不会在中途「忘了前面说过什么」。

第二步，开发者做一次对照：拿你现有模型跑过的 20 到 50 个真实任务，用同样的提示词跑一遍 Hy4，记录通过率、单任务 token 成本和平均耗时。别看总分，看你这批任务上的通过率。

第三步，等两个信号再决定要不要押注：正式版权重上 Hugging Face、系统卡片发布。这两个东西出现之前，把它当「可以试用的闭源 API」而不是「可以自己掌控的开源模型」。

第四步，关注 Hy4 Flash。如果它把终端与自动化那几项短板补上、价格再降一档，才是真正适合塞进生产流水线的版本。

参考来源

• 腾讯官方新闻稿（2026-11-04）：https://www.tencent.com/tencent-launches-hy4-joining-the-ranks-of-the-worlds-leading-open-source-ai-models/
• 第一财经（2026-11-04）：https://www.yicai.com/news/103425087.html
• IT之家（2026-11-04）：https://www.ithome.com/1/022/035.htm
• 财新（2026-11-04）：https://companies.caixin.com/2026-11-04/102500991.html
• Neural Brew（2026-11-04）：https://neuralbrew.ai/en/articles/2026/11/tencent-launches-hy4-model-vision-weights-promised/
• explainx.ai 基准整理（2026-11-04）：https://explainx.ai/blog/tencent-hy4-official-release-770b-vision-computer-use-terminal-bench-44-4-weights-planned-2026

本文以腾讯官方发布稿为主，benchmark 对比数据与部分细节基于多家媒体转述整理；厂商自测数据已在文中逐处标注，未做独立复现。