2026 年 11 月 4 日，腾讯混元正式发布新一代大语言模型 Hy4。这不是一次普通的版本更新——首次引入视觉理解和 Computer Use（电脑操作）能力，770B 总参数跻身最强开源模型之列，且"发布即开源"。本文把架构、评测数据、安全审计、定价策略全部拆开讲清楚。

一、一张表看清 Hy4

维度	Hy4 正式版
架构	MoE 混合专家，总参数 770B，每 Token 激活 49B
上下文	约 100 万 Token（TokenHub 侧最大输入约 960K、输出约 64K）
新增能力	视觉理解（图表/文档/多图/数学视觉推理）+ Computer Use（图形界面 + 命令行）
定价	输入 6 元/百万 Token，输出 18 元/百万，缓存命中 0.3 元/百万（与 Preview 加量不加价）
开源	权重近期开源，同步发布模型系统卡片
接入	TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信"大圆"、ima；API 已上 OpenRouter/Hermes/OpenCode

对比 Hy3 系列的不到 300B，腾讯在约九个月里完成了参数规模的翻倍以上爬坡，节奏是"每两个月一个大版本：先开放 Preview 收集反馈，再迭代正式版"。

二、两大新能力到底强在哪

1. 视觉理解：从"看见"到"知道什么没看清"

Hy4 的视觉能力分三层：

• 细粒度图像处理：官方演示中，模型可以在 28 亿像素的航拍图中定位约 2 米大小的屋顶构件，也能重组 900 片拼图还原莫奈画作
• 复杂图表分析 + 数学视觉推理：从图表提取结构化信息并推理，支持带图数学题求解
• 多图联合理解：综合多张图片的信息交叉判断

更有意思的是媒体实测的"冰箱菜单"案例：给模型一张塞满食材、互相遮挡、灯光反光的冰箱照片，让它规划一家三口三天九顿饭。模型的表现有两个细节值得注意：

1. 它没有假装看清所有东西——对无法确认的包装食品列出"视觉疑点"，标记待确认并保守处理
2. 追加约束（临时来客人、有人吃素、有人花生过敏、预算不变）时，它能维持持续变化的库存和预算状态重新规划，甚至给出防浪费兜底策略

这才是视觉理解在生产力场景的正确打开方式：知道什么没看清、以及不确定性如何影响决策，比"全部识别正确率"重要得多。

2. Computer Use：GUI + 命令行双通道

Hy4 可以灵活结合图形界面和命令行操作电脑：

• GUI 场景：理解屏幕内容，执行点击、输入等操作
• CLI 场景：编写并执行命令完成系统级任务
• 针对 Blender、CAD 等专业软件和跨应用长程任务做了专项训练

媒体实测的"太阳系网页"案例展示了"许愿式编程"的完整形态：一句"给 9 岁孩子做一个能点行星、调速度的太阳系网页"，模型交付的页面自动补充了进度条、行星档案、时间流速调节、"大小与轨道间距经压缩避免科学误导"的注释——这些细节都没在原始指令里。执行记录还显示它用 Chrome 做了 15 项交互自查。

另一个案例更能说明问题：给模型一张虚构公司的业绩宣传图做"财经编辑"核查，它独立重算后发现"营收增长 80%"实际只有 25%、"利润翻倍"实际下降 40%，还指出柱状图纵轴从 110 起始的误导设计。主动质疑输入材料，而不是顺着宣传图继续包装数据——这是模型进入金融、法律等专业场景必须具备的边界意识。

三、评测数据：办公和金融两条硬指标

办公场景

在 WorkBuddy 办公场景内部评测中：平均得分 83.18，任务通过率 96.15%，12 个场景 9 个国内第一。借助企业微信套件，模型可关联聊天记录、邮件、文档、日程，梳理项目进展并安排优先级。

金融场景：213 位专家盲测

腾讯联合 213 位金融专家对 579 项真实任务盲测：

模型	综合得分
混元 Hy4	3.04（开源第一）
DeepSeek-V4.1-Flash	2.97
Kimi K3.1 Pro	2.68
GLM-5.3	2.68

金融场景对幻觉极其敏感，Hy4 的专项优化数据：

• 幻觉率：12.95%（Preview）→ 7.2%
• 因猜测导致的错误率：23.1% → 5.6%

开发场景

GameDev / GameLogic 评测较 Preview 分别提升 19.1% 和 9.8%，强化了对 UE、Unity、Godot 等游戏引擎的适配。

一句话总结评测

腾讯自己的表述很诚实：Hy4 跻身最强开源之列，但与顶尖闭源模型仍有较大差距，尤其在前沿数学、长程开发和视觉问答的高难度测试集上。这种不吹牛的表态反而增加可信度。

四、安全审计：开源模型怎么"负责任地发布"

Hy4 的安全做法值得其他开源厂商参考：

1. 训练数据做减法：只保留 PoC 生成、漏洞修复等防守性网络安全数据，剔除漏洞利用、逆向、渗透等攻击性内容
2. 第三方审计：腾讯玄武实验室和科恩实验室围绕密码分析、逆向工程、漏洞利用审计，结论是 Hy4 在进攻性能力上未展现突出风险
3. 生物安全量化评估：开放式实验设计能力仅 30.4/100，模型有生物知识但转化为可执行实验方案的能力有限，未显著降低生化危害门槛

开源模型的风险管控一直比闭源更难（权重放出去就收不回），"数据剔除 + 独立审计 + 量化评估 + 公开系统卡片"这套组合拳是目前可见的最规范实践。

五、更值得关注的潜线：递归自我改进（RSI）

发布信息里有一条容易被忽略：混元正在为 RSI（Recursive Self-Improvement）做准备——利用 Hy4 与 Hyra 2.0 研发框架协同优化小模型的预训练基础设施，并自动完成模型训练。已经开源了由这套体系辅助研发的单细胞表征基础模型 HyCell 和物理场基础模型 HyPDE。

"AI 研发 AI"从概念走向工程化，这条线的长期意义可能不亚于 Hy4 本身。

六、定价与生态：加量不加价的打法

• 定价不变：输入 6 元/百万 Token、输出 18 元/百万、缓存命中 0.3 元/百万——性能大涨价格不动，典型的大厂换市场份额打法
• 限时优惠：TokenHub 刊例价 5 折至 2026-12-31；WorkBuddy/CodeBuddy 11 月 4-15 日免费额度体验
• 后续：更低成本的 Hy4 Flash 近期发布；下一代 Hy5 规模继续扩大
• 生态接入：QQ、王者荣耀、和平精英、微信读书、腾讯新闻等自家产品持续接入

七、总结：三个判断

1. "发布即开源 + 完整能力"正在成为国产第一梯队的标准动作。Hy4 开源的不是残血版，视觉 + Computer Use + 1M 上下文全量给，开源与闭源的差距被进一步压缩到"前沿数学/长程开发"等少数高难区间
2. 评测数据的重点不在分数，在幻觉率。7.2% 的幻觉率和 5.6% 的猜测错误率，对金融/法律/医疗这类容错率极低的场景才是真正的入场券
3. Computer Use + 专业软件专项训练是下一个主战场。模型能不能在 Blender/CAD/跨应用长流程里稳定干活，决定了 AI 从"聊天助手"变成"数字员工"的进度条

对开发者来说，现在可以通过 TokenHub API（OpenAI 兼容接口）或 WorkBuddy/CodeBuddy 免费额度直接体验，建议重点试两类任务：复杂图表分析、GUI+CLI 混合的长流程自动化——这两个场景最能拉开它与上一代模型的差距。

数据来源：腾讯官方发布及多家媒体 2026.11.4-11.6 报道，评测数据为官方口径，建议以实际体验为准。
觉得有用点个赞 + 收藏，评论区聊聊你对开源模型追赶闭源的判断 👇