腾讯混元 Hy4：当开源大模型第一次真正"会用电脑"

11 月 4 日，腾讯发布了新一代大语言模型混元 Hy4。相比 8 月的 preview 版本，这次更新最值得注意的不是参数规模从 295B（Hy3）跃升到 770B，也不是又一次跑分刷新，而是一件更具体的事：这是混元系列第一个能"看见"、并且能"操作电脑"的模型。

一次迟到但关键的补课

回顾过去两年国产大模型的竞争，腾讯混元的节奏一直不算激进。Hy3 在今年 2 月重建 AI 基础设施后才开始加速，之后大约每两个月迭代一次。Hy4 的正式版补上了两块此前一直缺失的能力拼图：视觉理解与电脑操作（Computer Use）。

视觉理解方面，Hy4 可以处理细粒度图像、分析复杂图表，并结合推理完成数学视觉任务。这听起来像是各家旗舰模型早已标配的能力，但对混元而言是第一次——此前它本质上还是一个纯文本模型。

电脑操作则是更实质的变化。据腾讯官方介绍，Hy4 可以结合命令行与图形界面完成任务，训练中专门覆盖了 Blender、CAD、前端开发与游戏开发等多应用、长流程的工作场景。甲子光年的实测颇具说服力：他们在 WorkBuddy 中用内测版 Hy4 并行完成四项制作任务——海岛赛车、太阳系科普短片、卧室布置工具和年度消费报告——四项合计耗时约 4 小时 25 分，累计调用工具 1492 次，模型全程自主检索、清洗数据、求解空间约束、合成音画，并在第二轮需求变更时读懂既有代码、在原工程上接着改。

这个数字值得琢磨。1492 次工具调用、4 个多小时不间断工作，考验的不是单次推理质量，而是长程任务中的状态维持、错误恢复和自我校验能力。这正是过去一年 Agent 领域最难啃的硬骨头：模型不是不会做单步任务，而是在几十步之后"走丢"。Hy4 的实测至少说明，它在受控场景下已经能把一条长链路走完。

跑分：进步真实，差距也真实

腾讯这次公开了 12 项对比结果：Hy4 多数指标高于 8 月的 preview，但在多数项目上仍排在 GPT-6.1 Sol 和 Claude Opus 5.5 之后。腾讯自己也在官方材料中写明，"与顶尖闭源模型仍然存在较大差距"。这种坦率值得肯定——比起把自家跑分裁剪成"全面领先"的宣传稿，承认差距反而让可信的部分更可信。

有几个数字值得单独拎出来。据报道，Hy4 的幻觉率从 15.76% 降至 5.45%，推测性错误从 23.1% 降至 5.6%；在金融任务的盲评中，Hy4 在 579 项任务上取得 3.04 分，在开源模型中排名第一；iRaB 评测较 preview 提升 12.03 个百分点。游戏开发是腾讯的主场，GameDev、GameLogic 两个基准较 preview 分别提升 19.1% 和 9.8%。

但这些数字都需要打折扣看待。首先，它们大多是腾讯自选、自报的评测，第三方独立评分尚未出炉——截至发稿，还没有独立机构对 Hy4 完成打分。其次，"开源第一"的头衔本身正在快速贬值：就在同一周，Kimi K3.1 Pro 刚刚开放权重，Mistral Large 4 的权重也已发布，开源第一梯队的竞争比以往任何时候都激烈。Hy4 的真正位置，要等权重发布后社区的复现评测才能确定。

"开源"二字，权重还没到货

这是 Hy4 发布中最值得冷静看待的一点：腾讯说权重"将于近期开源"，同时发布系统卡片。但截至目前，权重并未实际发布，Hugging Face 上的 tencent/Hy4 仓库尚未公开。也就是说，今天的 Hy4 只能通过腾讯云 TokenHub、WorkBuddy/CodeBuddy、元宝、ima 以及 OpenRouter 等渠道以 API 方式使用，外界无法下载、部署或微调它。

这不是小事。过去几个月，开源社区已经形成了一种默契的检验机制：权重发布之日才是检验开始之日——社区会复现跑分、测试实际表现、发现官方评测没提到的问题。Hy4 preview 在 8 月就是以开源形式发布的，这次正式版反而先以 API 形式亮相、权重"随后就到"，顺序上的微妙变化值得留意。一种合理的解读是，腾讯希望先用产品侧的反馈打磨一轮，再把权重交出去；另一种解读则不那么乐观。无论如何，在权重真正落地之前，"跻身最强开源模型之列"这句话都还只是半句。

定价策略倒是清晰而克制：与 preview 保持不变，输入 6 元/百万 tokens、输出 18 元/百万 tokens、缓存命中 0.3 元/百万 tokens，11 月 4 日至 12 月 31 日在腾讯云 TokenHub 按刊例价五折计费，WorkBuddy/CodeBuddy 在 11 月 4 日至 15 日提供免费额度。能力大幅提升而价格不动，这本身就是一种表态——腾讯想用性价比换取真实用户的使用量和反馈，而不是靠涨价回收训练成本。轻量版 Hy4 Flash 也已预告，主打极致性价比，但尚无具体规格和时间。

为什么是"电脑操作"最值得关注

把 Hy4 放回 2026 年下半年的大图景里看，它的意义会更清楚。10 月底到 11 月初是今年最密集的一波模型发布：OpenAI 的 GPT-6.1 Terra、Google 的 Gemini 4 Carbon 与 Genie 4、Mistral Large 4 开源权重、Kimi K3.1 Pro 开放权重——几乎所有玩家都在同一个方向上加码：让模型从"会回答"变成"会干活"。

在这个方向上，"电脑操作"是一个关键的范式转移。传统的 Agent 是靠 API 和结构化工具调用干活的，工具箱有多大，Agent 的能力边界就有多大；而 Computer Use 让模型直接操作图形界面，理论上，任何人类能用电脑完成的工作，模型都有机会接手。这也是 Anthropic 的 Claude、OpenAI 的 Operator、以及 Google 的 Gemini 先后押注的方向。Hy4 的加入意味着：这条赛道上第一次有了国产开源力量的正式入场。

但这条路也最容易暴露短板。图形界面的状态空间远比 API 大，误操作的代价也远比一次错误回答高。一个能在演示里跑 4 小时、调用 1492 次工具的模型，在真实办公环境里遇到弹窗、权限请求、网络抖动时会怎样，目前还没有答案。腾讯在官方材料中提到将"积极推进更负责任的开源，重点关注网络和生物安全等风险"，这至少说明他们意识到了风险面正在随能力一起扩大。

结语

Hy4 是一次扎实的、但不完美的发布。扎实之处在于：视觉与电脑操作两块短板一次补齐，长程任务的实测表现有具体数字支撑，定价克制，承认与顶尖闭源模型的差距。不完美之处在于：最关键的开源权重尚未交付，第三方验证尚未开始，"开源最强"的头衔暂时还只是腾讯自己的说法。

接下来真正值得观察的只有两件事：权重何时发布，以及发布后社区的复现评测是否撑得住官方的说法。如果这两关都过了，Hy4 才算真正坐实了它在开源第一梯队的位置；如果权重一再推迟，那这次发布在历史上的注脚，恐怕只会是"又一个先 API 后权重的半开源发布"。