腾讯把 Hy4 正式版塞进了自家全线产品:这个开源旗舰第一次能看懂屏幕、用鼠标键盘替你操作电脑——同时腾讯主动承认,它和最强闭源模型还有明显差距。
一、补上的两块拼图:看得见、动得了手
11 月 4 日,腾讯混元发布 Hy4 正式版,官方口径是「首次跻身最强开源模型之列」。相比 8 月的预览版,它补了两块关键能力:
- 视觉理解:能在 28 亿像素航拍图里定位约 2 米的屋顶构件,也能重组 900 片拼图还原莫奈画作。
- 电脑操作(Computer Use):命令行和图形界面混着用,针对 Blender、CAD 等专业软件做过专项训练。
能力是练出来的:腾讯云 Agent Runtime 团队搭了沙箱环境,部署数百款应用软件,让模型在里面反复执行任务、验证结果。
为什么这两块是关键:只会对话的模型,交付的是一段文字;能看屏幕、能点按钮的模型,交付的是「做完了的操作」。电脑操作正是各家押注通用智能体的核心能力,Hy4 把它做进了开源阵营的旗舰。
二、不刷分,先干活
Hy4 上线节奏比权重更先——现已接入腾讯云 TokenHub、OpenRouter、WorkBuddy/CodeBuddy、元宝、ima 和企业微信。
官方给出的实战数据:
- 办公文档生成与编辑任务完成率接近 97%。
- WorkBuddy 评测平均 83.18 分、通过率 96.15%,12 个场景里 9 个国内第一。
- 游戏开发两项评测相比预览版提升 19.1% 和 9.8%。
- 213 位专家盲测 579 个真实金融任务,Hy4 综合得分居开源模型第一。
- 科研场景里,Hy4 找到了一个数学猜想的反例,并用 Lean 完成了形式化验证;还在 1.5 小时内无人干预地完成 84 张切片、699 万个细胞的三维重建。
还有一个反差:能力大幅升级,定价与预览版持平(输入 6 元、输出 18 元每百万 tokens),更便宜的 Hy4 Flash 近期发布。
三、官方自曝的三条短板
腾讯这次把短板写在了发布页上,这在发布稿里不常见:
- 差距仍在:官方明说与顶尖闭源模型「存在较大差距」,尤其在前沿数学、长程开发、视觉问答等内部高难度测试集上。
- 权重还没放:正式版目前是托管服务,模型权重「计划近期开源」,届时才发系统卡。
- 安全先说清:训练只保留漏洞修复等防守性数据,剔除漏洞利用、逆向、渗透内容;玄武和科恩实验室做了审计,生物方向自评得分不高,并明确表示未发现其降低危害门槛。
另有内部搜索评测显示,幻觉率从预览版的 15.76% 降到 5.45%。
把这三条放在一起看:腾讯想清楚了,开源模型的信誉不只来自榜单分数,也来自把风险和边界先讲明白。
四、开源旗舰的打法变了
过去开源模型发布,重心是跑分和参数量。Hy4 的顺序反过来了:先接进产品收真实反馈,权重随后放,价格不动。一周内 Mistral 也开放了旗舰权重,开源阵营正在密集出牌。
对开发者来说,真正的节点是权重开源那一刻——同一套能看屏幕、操作软件的模型,届时可以在自己的环境里部署,数据不出域。腾讯已联合 vLLM、SGLang 社区做生态支持,Hy4 Flash 也在路上。
另一个信号藏在细节里:Hy4 已开始为模型辅助研发模型做准备,官方称之为递归自我改进的第一步。这场竞争的下一个看点,或许不是谁的分更高,而是谁的模型先开始迭代自己的下一代。
参考来源: