分析师/春阳
校对/Tina
策划/Eason
"770B参数，1M上下文，首次引入视觉理解，首次支持电脑操作——腾讯混元把家底全掏出来了。"
11月4日，腾讯混元正式发布新一代大语言模型Hy4。官方表示，Hy系列首次跻身最强开源模型之列，模型权重将于近期开源，系统卡片同步发布。距离8月28日Hy4 preview亮相不过两个多月，腾讯把"能用"摆在了比"能跑分"更靠前的位置。
但问题也随之而来：770B参数的Hy4，到底强在哪？首次引入的视觉理解和电脑操作，是真突破还是秀肌肉？在开源阵营里它排第几，跟GPT-6.1 Sol、Claude Opus 5.5这些闭源顶尖选手比，又差多远？
770B参数打底，
Hy4的升级不止于规模
要理解Hy4这次升级的分量，首先得看底座。
第一，参数规模直接翻倍。Hy3系列参数不到300B，Hy4系列拉到770B，采用混合专家（MoE）架构，激活参数49B（图），上下文窗口1M tokens。相比preview版，预训练和后训练的数据与规模都显著扩展。混元团队透露，下一代Hy5规模将进一步扩大。
第二，两项"首次"最值得关注。一是首次引入原生视觉理解能力，可以完成细粒度图像处理、复杂图表分析和数学视觉推理；二是首次支持电脑操作（Computer Use），能结合命令行与图形界面执行任务，并针对Blender、CAD等专业软件和跨应用长程任务做了专项训练。这意味着Hy4不再只是一个"文本对话框"，而是开始长出手和眼。
第三，打榜数据不玩虚的，但也不回避差距。在金融场景，混元联合腾讯金融科技FIT组织213位专家、579个真实任务众测，Hy4以3.04分居开源模型第一，高于DeepSeek-V4.1-Flash-1017的2.97分、Kimi K3.1 Pro和GLM-5.3的2.68分。在WorkBuddy办公场景评测中，Hy4平均得分83.18分，任务通过率96.15%，12个场景中9个排名国内第一。前端与游戏开发方面，与腾讯IEG合作优化后，GameDev和GameLogic评测分别提升19.1%和9.8%。
更硬的一项功夫在搜索幻觉上。专项优化后，Hy4的幻觉率从preview版的12.95%降至7.2%，猜测导致的错误率从23.1%降至5.6%。对金融、办公这类容错率极低的场景来说，这比多跑几分更有说服力。
但官方跑分图也很坦诚：在12项基准横向对比中，Hy4多数项目排在第3到第4位，对手包括GLM-5.3、DeepSeek-V4.1-Flash-1017、Kimi K3.1 Pro、Claude Opus 5.5和GPT-6.1 Sol。团队在发布稿里明说："与顶尖闭源模型仍然存在较大差距。"这种不回避差距的表述，反而比名次本身更值得注意。
从网页开发到科研攻坚，
Hy4能干多少活？
参数和跑分只是入场券，真正决定Hy4能不能打的，是它在真实任务里能不能把活干完。
首先看视觉理解带来的新玩法。实测中，给Hy4一句"为一个9岁的孩子制作太阳系互动网页"的模糊需求，它交付了一份深蓝星空背景、八颗行星各自轨道运行、支持点击查看行星档案和调整公转速度的互动页面。更关键的是，它自己补充了进度条对比——当地球绕太阳一周，水星已经跑了四圈多，海王星只走了一小段，还用标注说明行星大小和轨道间距经过压缩。模型把模糊的教育目标翻译成了兼顾视觉、知识和交互的具体作品，执行记录显示它还调用Chrome做了15项交互检查。
再看视觉理解加现实规划。给Hy4一张塞满食材的冰箱照片，要求为一家三口安排三天九顿饭、额外采购不超100元、每顿做饭不超40分钟。模型先按区域放大照片逐层盘点，识别出番茄、黄瓜、冷冻混合蔬菜等，但对粉色真空包装和白色大罐标记为"待确认"，列出四处视觉疑点并保守处理。随后在"第二天晚上多两位客人、一位吃素一位花生过敏、预算不增加"的追加条件下，它维持库存和预算状态重新排菜，还给出了防浪费兜底策略。真正有用的视觉理解，不只是看见什么，还包括知道什么没看清。
更考验判断力的是财务核查任务。给Hy4一张虚构AI公司的业绩宣传图，要求像财经编辑一样判断宣传结论是否真实。模型重新计算后发现：宣传"营收增长80%"（图），实际从1.2亿到1.5亿只有25%；宣传"利润翻倍"，实际从3000万降到1800万，下降了40%，方向完全相反；它还指出图表纵轴从110开始而非从零，视觉上放大了增长幅度。模型没有顺着宣传图包装数据，而是主动质疑了输入材料本身。
最后看长程Agent和科研场景。在"三个老板同时派活、总工时555分钟但只有480分钟"的不可完成任务中，Hy4没有硬编一张完美时间表，而是识别冲突、给出三种让不同老板承担延期后果的方案，并建议"别在排序里找平衡，去把不可行的截止时间改成可行的"。在科研侧，面对包含699万个细胞、84张无序二维切片且混杂镜像翻转的小鼠胚胎数据，Hy4在离线、无专用配准工具、无细胞类型标注的条件下，1.5小时内完成切片对齐与三维重建，全程无人干预。与北京大学数学团队合作中，它还找到了Méndez-Pinto-Villarreal猜想的反例，并提出新条件完善猜想，完成Lean形式化验证。
这些案例的共同点是：用户只给目标，不给全部约束；Hy4需要自己发现限制、判断取舍、必要时说"不"。一个永远答应用户要求的Agent，反而可能是最不可靠的。
跻身开源第一梯队，
Hy4的下一关是什么？
把Hy4放回模型竞争的坐标系，发布会上的跑分只是背景灯。真正决定它位置的，是两条线：一条是开源同行正在抬高的地板，一条是闭源顶尖仍然压着的天花板。
在开源阵营内部，Hy4已经站进第一梯队。金融众测开源第一、TenureTrail科研评测开源第一、WorkBuddy 12个场景9个国内第一——这些自建评测口径下，Hy4对DeepSeek-V4.1-Flash、Kimi K3.1 Pro、GLM-5.3形成了可量化的领先。尤其金融场景，213位专家中153位来自外部头部金融机构、七成拥有五年以上工作经验，这批"阅卷人"的分数比实验室跑分更有参考价值。
可把参照系抬到闭源顶尖，差距立刻显形。官方12项基准对比中，Hy4多数排在第3到第4位，GPT-6.1 Sol和Claude Opus 5.5仍在前面。混元团队自己承认，在内部构建的前沿数学、长程开发、模型迭代、视觉问答等高难度测试集上，与顶尖闭源模型差距较大。这不是谦虚，是清醒。
更值得琢磨的是，竞争逻辑正在换轨：从"跑分榜"转向"场景账"。Hy4这次把不少笔墨放在办公、金融、游戏适配和科研重建等真实任务上，这与行业里"价格战退潮、成本战开场"的判断相呼应：客户比较的，正变成完成一个真实任务要花多少时间和成本。Hy4延续原有定价思路，性能提升而未明显加价，打的仍是"实用性价比"。
但真正的检验时刻还没到。官方口径的金融众测、WorkBuddy得分都属自建评测，权重开源后Artificial Analysis等独立评测的交叉验证，才是Hy4"开源第一梯队"说法的试金石。混元已联合vLLM/SGLang社区以及Inferact Inc.提供开源生态支持，Hy4 flash也将在近期发布，主打极低推理成本和端侧高并发Agent编排。开源权重落地后，国产开源第一梯队的座次表大概率还要重排。
写在最后
大模型的竞争，正在出现一个微妙的变化：能力越强，真正拉开差距的事情反而越难。
过去，模型可以凭借某项能力的突破迅速建立优势。但当视觉理解、工具调用、电脑操作逐渐成为头部模型的共同能力，单点突破的领先窗口正在缩短。模型厂商必须回答一个更棘手的问题：当技术优势越来越容易被追赶，靠什么建立长期壁垒？
Hy4的发布，提供了一个值得观察的样本。
从金融、办公到游戏开发、科学研究，腾讯混元正在尝试将通用模型能力嵌入具体场景。这背后并非简单的应用扩张，而是竞争重心的延伸：模型决定能力的上限，场景决定能力的价值，而生态决定优势能够持续多久。
当然，Hy4仍有短板。与顶尖闭源模型的差距尚未消除，官方评测中的领先也需要更多独立验证。但对于开源模型而言，权重开放之后，真正的考验才刚刚开始。
更深一层看，AI行业或许正在告别单靠一次模型升级就能改写格局的阶段。未来的竞争，将越来越取决于技术迭代、场景反馈与开发者生态能否形成相互促进的循环。
毕竟，一时领先靠突破，长期领先靠积累。当模型能力逐渐成为公共底座，谁能在底座之上建立难以复制的优势，谁才更有可能掌握下一轮竞争的主动权。
更多内容
【人工智能】3.45亿 VS 1.66亿：豆包逼急阿里，千问携40亿淘宝商品库打响"AI购物第一枪"|一觉醒来，马斯克亲手解散xAI！22万张GPU全给Claude，AI战局一夜改写|68元起，豆包迈向收费第一步：免费的"代价"，终于兜不住了|Anthropic"连坐"封号、Cursor 9秒删库：AI反噬企业的惨痛一课，代价太贵了|阿里"快乐小马"开启灰度测试：用原生音画定义AI视频的下半场|每秒10米、无头无手、重心贴地：宇树H1如何让机器人"飞"起来？|腾讯扔出一只浏览器"龙虾"，浏览器赛道迎来最强搅局者|"太危险了，不敢公开发布"：Claude Mythos为何让硅谷巨头集体恐慌|字节、阿里、腾讯的AI工业化暗战：谁在建造AI时代的"工厂"？|从工具到生态：银联APOP框架发布，勾勒智能体支付新蓝图|日均120万亿Token，中国大模型终于跑出一个"全球第三"|Claude Code"被开源"：一场51万行代码的意外漂流，正在加速AI开发者的竞赛|没等来V4，等来大升级？Deepseek宕机一夜，是重大事故还是偷偷变强|从偏科生到"人形第一股"：王兴兴的十年逆袭|亲手砍掉Sora，奥特曼在下一盘什么棋?|龙抬头，向AI"抬头"：一部AI短剧如何"捅破"传统广告的天花板|Token经济：谁在瓜分"小龙虾"带来的万亿红利？|谷歌AI Studio深夜放大招：全栈Vibe编码体验上线，一句话开发原生应用
【行业深度】具身智能"爆发"，谁将是背后的"投资之王"？|AI会革了百度的命吗？|真假混战：Agent元年，如何拨开概念迷雾？|没找到刚需：人形机器人是个好生意吗|用得起来 还有"人样" 2025世界机器人大会人满为患|2025年WAIC：一票难求，800厂商从"概念"走向"落地"|AI浪潮下，数据库如何"进化"？|AI Agent是中国SaaS的解药|央国企的AI征途：抢跑还是稳行？｜出走大厂的95后CEO们，已在AI赛道融资数亿｜这波AI风口，让青年投资人踩中了｜深圳实验创投"群英谱"：一所中小学的"硬核"造星之路
【人物周刊】中台化架构+场景化落地：迈富时如何用AI-Agentforce构建企业"智能业务闭环"？|行业困于"伪智能"，原力无限以VLA与世界模型双线破局|从技术先锋到生态构建者，贝锐CEO讲述19年"连接革命"与"软硬一体"突围之路|一群清华人，与具身智能的四十年|用AI Agent征战海外市场|Agent让营销从"人找货"变"货追人"|专访白惠源：撕掉"阿里副总裁"标签，数亿资金押注"下一代AI"｜姚期智和他的"姚班"：人生只为一大事而来|朱啸虎：萧条时代下的迷途猎手｜雷军和他的"小米哲学"：把风口玩到next level
【行业研究】《2025年中国企业级AI Agent应用实践研究报告》|《2025年中国金融业数据库国产替代能力评估报告》|《大模型时代 2025年央国企数智化转型新实践与新范式》｜《2025年中国IT后市场发展研究报告》|《2024年央国企RPA市场研究报告》｜《2024年中国AI大模型产业发展与应用研究报告》｜《2024年中国银行业数据库市场研究报告》｜《2024年中国CRM市场研究报告》｜《2024年中国智能客服市场研究报告》｜《2024年中国网络靶场市场研究报告》|《2024年中国交通运输行业数字孪生市场研究报告》
关注「第一新声」并设置星标，第一时间GET行业信息
