实测混元 Hy4 Preview：腾讯终于踩下油门，能杀入国模第一梯队吗？

整个 8 月，大模型的更新节奏依旧让人喘不过气。

DeepSeek 相继更新 V4-Flash 和 V4 Pro，千问推出新一代旗舰 Qwen3.8-Max，智谱也在月中发布 GLM-5.3，前两天智谱和千问也同时掏出自己 Flash 模型试图刷新斩杀线……

9 月到了之前，腾讯混元也压哨交卷了—— Hy4 Preview 正式发布。

四个月前，姚顺雨发布 Hy3 Preview 的时候，把 Hy3 称之为「混元大模型重建的第一步」。

就在 Hy4 发布前，腾讯集团高级执行副总裁汤道生也回应外界「腾讯做 AI 慢了」的质疑。

他说，一点不焦虑是不可能的。混元经历了多个阶段、多次重构，而公司整体算力的严重不足，也确实拖慢了模型训练和产品发展。

但他同时提到，在姚顺雨和研究团队的推进下，Hy4 会迎来「更多突破与更大的进步」。

那这次发布的 Hy4 Preview 到底有什么进步，APPSO 这就给你实测看看。

姚顺雨此前反复提到一个思路，比起把模型训练成更会刷榜的「做题家」，混元更关心它到了真实场景里到底好不好用。

到了 Hy4 Preview ，还是这个路线，但是模型本身的尺寸明显大了一圈。总参数量达到了 770B，激活参数为 49B。

上一代 Hy3 Preview 的总参数只有 295B，激活参数是 21B。Hy4 Preview 几乎翻了两倍多。

Hy4 Preview 这次把 agent 的长程执行能力又提升了一个档次。所以，APPSO 把它丢进了两个更真实的使用场景体验——写代码，以及日常办公。

Coding Agent 进入国模第一梯队了吗？

时至今日，编程能力依然是各家大模型正面交锋的战场。

这次腾讯新一代大模型 Hy4，在通用能力基础的提升上，进一步强化了长链路复杂工程的任务完成能力。

在官方给出工程任务盲测中，Hy4 preview 甚至不输 GLM-5.3 和 Kimi K3，它真的进入国模第一梯队了吗？

来看看 Hy4 preview 的具体表现。

Prompt：不要制作视频或预渲染动画，必须是真正可以操作的实时 3D 场景。场景至少包含月球地形、基地建筑、陨石坑、信标、可驾驶月球车和货物运输任务。玩家需要驾驶月球车，将三箱设备分别运送到地图中的三个基地。车辆必须实现加速、制动和转向，并体现较低重力下明显不同于地球汽车的运动感，包括上坡减速、下坡加速；车辆需要与岩石和建筑物产生真实碰撞，不能穿过地面或障碍物；高速撞击需要导致货物掉落，车辆翻覆后允许复位。界面需要展示当前速度、剩余电量、当前任务、已送达货物以及简易地图。至少提供三种镜头：第一人称驾驶、第三人称跟随和远距离观察。完成开发后请自行运行并完整试玩，检查游戏能否从开始一直正常进行到完成三个运输任务；如果过程中发现碰撞、任务触发、车辆控制、镜头、货物状态或通关流程等问题，请自行定位、修复并重新验证，不要在页面能够运行后就直接宣布完成。

APPSO 让它制作了一个不能只靠「视觉诈骗」过关的 3D 世界，一个第一人称 / 第三人称可切换的「月球基地运输车」3D 网页游戏。如果发生碰撞，月球车上的货物被要求撞车后会掉落。