AI 工具导航

腾讯混元 Hy4 正式版:770B 开源模型第一次会看图、能操作电脑,金融众测压过 DeepSeek 与 Kimi

2026-11-09 0 0 0AI 最新资讯

腾讯在 11 月 4 日把混元 Hy4 从预览版推到了正式版,官方给这次发布的定性是「首次跻身最强开源模型之列」。如果只看一句话结论:这是国产开源模型第一次同时具备视觉理解、电脑操作和百万级上下文三项能力,而且价格没涨。

但真正值得看的不是参数,是它选择在哪个场景证明自己——金融。

Hy4 正式版相比预览版升级了什么?

按腾讯官方发布页与混元研究页的口径,Hy4 相对 8 月底的 Hy4 preview 做了四件事:

  • 规模扩张:预训练与后训练的数据量、训练规模都显著加大,参数量来到 770B(MoE 混合专家架构,激活参数 49B)。
  • 首次加入视觉:支持图表解读、文档理解、多图分析、数学视觉推理。官方演示里有一项极端测试——在 28 亿像素的航拍图上定位一个约 2 米大小的屋顶构件。
  • 首次加入 Computer Use:同时覆盖命令行界面(CLI)和图形界面(GUI),并针对 Blender、CAD 这类专业软件做了专项训练,能跑跨多个应用的长时间任务。
  • 上下文拉到 100 万 Token:在腾讯云 TokenHub 侧最大输入约 960K、最大输出约 64K。

前面三项里,视觉和 Computer Use 是能力边界的变化,上下文是工程能力的变化。这三样凑在一起,才让「一个模型独立把一件多步骤的活儿干完」这件事第一次在开源模型上有了讨论的基础。

770B 这个规格,在开源模型里算什么位置?

770B 总参数、49B 激活,属于「总参数很大但推理成本可控」的路线。这条路线的意义在于:推理时真正参与计算的只有一小部分专家,成本和延迟按 49B 的体量算,能力却能往更大的模型看齐。

需要提醒的是,总参数不等于能力。同一时期国内外多款开源模型的参数规模都在几百 B 以上,单纯比数字意义不大。判断标准应该换成一个更朴素的问题:在你自己的任务上,它能不能一次做对。

为什么单独做了一场金融众测?

这是这次发布里最有信息量的部分。混元联合腾讯金融科技团队做了一场金融专家众测,规则是:

  • 参与专家 213 位,其中 153 位来自外部头部金融机构,七成有五年以上工作经验;
  • 基于 579 个真实金融任务,覆盖基金研究、证券分析、量化策略、资产配置、企业金融、税务会计等方向;
  • 结果:Hy4 综合得分 3.04,Kimi K3.1 Pro 2.68,GLM-5.3 2.68,DeepSeek-V4.1-Flash-1017 2.97。

在金融智能体公司讯兔科技的内部评测 IRAB 中,Hy4 比 Hy4 preview 提升 12.03 个百分点。

金融是典型的「错了要赔钱」场景,愿意把这个场景的评测结果摆到台面上,说明混元对自己在这块的一致性有信心。但要看清一个前提:这是厂商联合第三方做的众测,不是独立学术基准。 它的价值在于样本真实(579 个真任务、外部专家占多数),局限在于评测设计仍由厂商参与。

幻觉率从 12.95% 降到 7.2%,这个数字怎么读?

官方披露的两个数字值得单独拎出来:

  • 幻觉率:Hy4 preview 12.95% → Hy4 正式版 7.2%;
  • 猜测导致的错误率:23.1% → 5.6%。

改进来自针对时效检索、多源信息整合、事实一致性校验的专项优化。猜测错误率降幅比幻觉率大得多,说明优化的重点不是「知道得更多」,而是「不知道的时候少瞎编」——这个方向比单纯堆知识更实用。

不过这两个数字都是混元自建测试集的结果。真实世界里用户提问更糙、上下文更脏,实际感受到的幻觉率通常会高于实验室数字。把 7.2% 当成「官方口径下的上限参考」比较合适。

能操作电脑意味着什么,边界又在哪里?

Computer Use 是这次最容易被误读的能力。它指的是模型能通过截图识别界面、输出点击和输入动作,从而操作软件完成任务。官方给的场景是 Blender 建模、CAD 操作这类专业软件,以及跨多个应用的长流程任务。

实际使用时的边界很清楚:

  • 它不保证每一步都对。 界面识别本身就有误差率,多步任务里误差会累积;
  • 它跑得慢。 每一步都要截图、推理、执行,复杂任务的耗时远高于人手动操作;
  • 它需要护栏。 涉及删除文件、支付、发送消息这类不可逆动作时,必须有人工确认环节。

所以现阶段把它当成「能替你跑通 demo 的实习生」比当成「数字员工」更接近事实。

价格没涨,这才是最实际的变化

Hy4 延续了 preview 的定价:

  • 输入 6 元/百万 Token;
  • 输出 18 元/百万 Token;
  • 缓存命中 0.3 元/百万 Token。

同时有两个限时优惠:腾讯云 TokenHub 刊例价五折,截至 2026 年 12 月 31 日;WorkBuddy / CodeBuddy 在 11 月 4 日至 11 月 15 日提供一定额度的免费使用。

能力大幅升级而价格不动,这个组合对开发者的意义大于跑分。它意味着原来因为成本不敢上的长上下文任务(整本文档分析、大型代码库理解、长会议记录处理)现在可以试着跑了。

现在能用在哪里?

按官方口径,Hy4 已经接入的入口包括:

  • 腾讯自家产品:元宝、ima、企业微信智能助理「大圆」、WorkBuddy / CodeBuddy;
  • 开发者通道:腾讯云 TokenHub,OpenAI 兼容接口,改一下 base_url 和 model 名就能切;
  • 第三方生态:OpenRouter、Hermes、OpenCode。

开源方面,官方表态是「模型权重近期开源,同步发布模型系统卡片」,并强调会针对网络和生物安全风险做更负责任的训练与发布。注意「近期」不是「已」——截至写稿时权重尚未放出,需要等官方仓库更新。

另外官方预告了更省成本的 Hy4 Flash 会在近期发布,如果只是做分类、抽取、摘要这类轻任务,可以等 Flash 出来再定价比较。

同期还开源了两个科研模型

这条容易被忽略,但值得记一笔:混元用 Hy4 配合自家 Hyra2.0 脚手架,开源了单细胞表征基础模型 HyCell 和物理场基础模型 HyPDE。同时官方提到正在为下一阶段的递归自我改进(RSI)做准备。

对普通用户没直接影响,但它透露出混元的路线:不只是做通用助手,还想让模型参与模型研发本身。

常见问题(FAQ)

Hy4 是开源模型吗? 官方定位是开源模型,并承诺「近期开源模型权重」+ 发布系统卡片。但截至本文发布(11 月 9 日),权重尚未实际放出,严格说现在还是「已宣布开源、待发布权重」的状态。

Hy4 和 DeepSeek、Kimi 比谁更强? 没有统一的答案。金融众测里 Hy4 得分 3.04,高于 DeepSeek-V4.1-Flash-1017 的 2.97 和 Kimi K3.1 Pro、GLM-5.3 的 2.68,但这是混元参与的评测。编程、长文、Agent 任务上各家互有胜负,建议拿自己的真实任务各跑 20 条再判断。

个人开发者怎么最便宜地用上 Hy4? 短期走腾讯云 TokenHub 的五折(到 12 月 31 日);如果同时在用 WorkBuddy / CodeBuddy,11 月 4 日至 15 日有免费额度可以先试。

Computer Use 能替代 RPA 吗? 目前不能。RPA 靠固定坐标和固定流程保证稳定,Hy4 这类视觉驱动方案更灵活但误差会累积。混合方案(关键步骤用 RPA、判断环节交给模型)更现实。

100 万上下文是不是意味着可以整本丢进去? 技术上可以,成本上要算。100 万 Token 输入按 6 元/百万算约 6 元一次,但如果反复对话不做好缓存,费用会快速叠加。缓存命中价 0.3 元/百万就是为这个场景设计的。


来源说明:本文信息基于腾讯官网发布公告(2026 年 11 月 4 日)、腾讯混元 Hy4 研究页(hy.tencent.ai/research/hy4)、腾讯云开发者社区发布解读(2026 年 11 月 4 日)、央广网 2026 年世界互联网大会乌镇峰会报道(2026 年 11 月 5 日)。所有参数、价格、评测分数均引自上述公开来源,未做推测性补充;「权重是否已放出」以官方仓库实际状态为准。

本文要点速览
  • Hy4 正式版相比预览版升级了什么?
  • 770B 这个规格,在开源模型里算什么位置?
  • 为什么单独做了一场金融众测?
  • 幻觉率从 12.95% 降到 7.2%,这个数字怎么读?
  • 能操作电脑意味着什么,边界又在哪里?
  • 价格没涨,这才是最实际的变化
本文基于公开报道整理,旨在汇总多方信息,不构成投资或专业建议;内容如有更新以官方发布为准。
站长点评
混元这次最聪明的地方是选金融做背书——这个场景错一步就是真金白银,比任何跑分都有说服力。但我得泼一盆冷水:那场众测是混元联合腾讯金融科技自家办的,虽然 153 位外部专家占多数,评测设计权仍在厂商手里;而且 3.04 对 DeepSeek-V4.1-Flash 的 2.97 只差 0.07,撑不起「碾压」这种说法。更关键的是「近期开源」四个字——权重到今天我们写稿时还没放出来,等于先开发布会锁定声量、再慢慢交付。真要上生产的团队,建议等权重和系统卡片落地、自己跑过再决定。价格没涨是这次最实在的部分,6/18 元每百万 Token 配 100 万上下文,长文档处理的成本模型确实变了。
本文链接:post-225.html

相关文章