腾讯混元 Hy4 首次加入视觉与电脑操作能力,长任务可靠性存疑
immajusteeyy · reddit · 2026-11-04
腾讯发布 Hunyuan Hy4,两大新能力首次亮相:理解图像与复杂图表的视觉能力,以及跨 CLI 与 GUI 的电脑操作——并针对 Blender、CAD 等工具做了专门训练。
作者提出三个值得实测验证的问题:
- 长任务鲁棒性:按钮移位、权限弹窗打断、命令中途失败时,模型能否自我诊断并回到正轨?
- 成本放大:每次失败重试、每张新截图都意味着更多 token 和 API 调用,长工作流下开销会快速累积;
- 状态追踪:agent 可能正确完成多步后丢失进度,或误以为某步成功了。
结论:会执行单个动作是一回事,全程不掉链子地跑完整个工作流是另一回事,号召社区对 computer use 做真实场景测试。
所属事件:腾讯混元发布 Hy4 正式版：新增视觉与电脑操作，将开源权重(15 条相关)→
「编程与Agent」频道最新
- jotter：在终端里直接编辑运行 Jupyter Notebook 的 TUI 工具 — 4310sy · 2026-11-04
- DataTalks.Club 开免费课:手把手教 Agent 调度 GPU 生成图视频音频 — Al_Grigor · 2026-11-04
- AI 购物流量同比暴涨 393%，电商网站反爬机制却在误杀付费客户 — Shufti-Global · 2026-11-04
- 无人值守 Agent 该用你的身份还是自己的？归属难题浮出水面 — shoumikgoswami · 2026-11-04
- 别再截图喂 Claude:用 Tella 屏幕共享口述反馈,20 分钟完成整站审查 — PrajwalTomar_ · 2026-11-04
- OpenAI Agents API 开放 Computer Use,2-3 行配置接入云端浏览器 — gabrielchua · 2026-11-04