专题 · FULL STORY

腾讯混元 Hy4 正式版发布与首评测

11月4日腾讯混元发布旗舰模型 Hunyuan Hy4 正式版，相较8月预览版扩展了预训练与后训练规模，新增视觉与电脑操作能力；次日 Artificial Analysis 给出智能指数35分，居中国大厂模型第二，与 Grok 4 相当。

2026-11-04 ~ 2026-11-05 · 2 集 · 31 条

第 1 集 · 腾讯混元发布旗舰模型 Hy4 正式版：新增视觉与电脑操作(2026-11-04,29 条)

11 月 4 日，腾讯混元正式发布旗舰模型 Hunyuan Hy4 正式版。相比 8 月的 Hy4 Preview，正式版显著扩展了预训练与后训练规模，首次引入视觉能力与电脑操作支持，官方称其综合能力已跻身最强开源模型之列，并宣布将开源模型权重。API 价格与 Hy4 Preview 持平（官方称「价格保持预览期不变，但跑分没有」），已上线腾讯云、OpenRouter、CodeBuddy、WorkBuddy 和 Hy AI Studio，Nous 推出限时 8 折优惠。

已确认

  • Hy4 新增细粒度图像处理、图表分析、命令行等视觉与电脑操作能力，可跨 CLI 与 GUI 驱动终端和屏幕操作电脑，并针对 Blender、CAD 等工具做了专门训练，是 Hy 系列首个具备视觉能力的模型；从预览版到正式版重点强化了 Agent 能力与长程任务、长上下文，并与游戏部门合作在 Unreal、Unity、Godot 引擎上训练
  • 在 OSWorld 2.1 基准上得 78.9 分，与 Claude Opus 5.5（81.8）差距缩小到个位数，超过 GLM 5.3、DeepSeek-V4.1-Flash、Kimi K3.1 Pro 和 GPT 6.1，并在 ProgramBenCh、FrontierCode 2 等多项基准上位居开源模型第一
  • 金融能力方面，由 213 名金融专业人士按 579 项真实任务评分，Hy4 在开源模型中排名第一（得分 3.04，略高于 DeepSeek 的 2.97）；腾讯宣称幻觉率从 15.76% 降至 5.45%
  • 实测与案例（据博主 heyshrutimishra 介绍）：单机用 1.5 小时从 700 万个细胞重建 3D 鼠胚；《王者荣耀》团队称 Hy4 将 bug 根因定位准确率从 59.5% 提升至 73.8%；Hy4 智能体可接入企业微信，读取聊天记录、邮件、日历、文档与会议纪要生成「今日重点看板」，其自训小模型超越官方基线，被描述为迈向递归自我改进
  • Hugging Face 上已有 tencent/Hy4-preview（780B）及 FP8 版本页面；官方称更轻量的 Hy4 版本也在计划中
  • 获得早期访问的 TNG Technology 将 Hy4 接入内部工具，实测称大幅超越 Preview 版
  • 官方列举金融、前端开发、游戏、办公与研究等应用方向，并强调模型在网络安全与生物安全方面负责任地构建
  • 博主 Xianbao QIAN 转发时称赞 HY 系列在评测上态度诚实，并提到论文作者 Shunyu Yao（姚顺雨）参与了此项工作；姚顺雨本人也转发称赞团队一年内的进展；早期测试过的开发者 ivanfioravanti 评价「不要低估腾讯」

尚未确认

  • 博主 mawcopolow 指出模型权重截至发布时尚未放出，且各项成绩多为腾讯自己测试，官方排名尚待独立验证
  • 博主 immajusteeyy、ShortAssociation904 与 TraditionalAir319 均提出 Hy4 在长任务鲁棒性、按钮定位可靠性、错误恢复（如按钮移位、权限弹窗、命令中途失败）等方面的实际表现仍需实测验证，目前尚无第三方独立评测佐证官方成绩

为什么重要

Hy4 在 OSWorld 等体现真实计算机操作能力的基准上逼近一线闭源模型，金融实测与游戏开发案例进一步展示了其实用价值，配合开源权重计划，进一步缩小了开源与闭源模型在 agent/电脑操作任务上的差距，为开源社区提供了新的强竞争力选择；但权重未放出、自测成绩居多，最终口碑仍取决于开源后的第三方验证。

还有 9 条相关讨论 →

第 2 集 · 腾讯混元 Hy4 智能指数 35 分，居中国大厂模型第二(2026-11-05,2 条)

Artificial Analysis 发布腾讯混元最新模型 Hy4 的评测，在 Intelligence Index v5 中获得 35 分，与 Grok 4.7 (xhigh) 持平，在 106 个模型中排第 43，高于同类中位数。该成绩在中国大厂模型中位列第二，仅次于 Kimi K3.1 Pro。评测同时指出 Hy4 的输出冗长度在排名中靠后。