深耕AI、数码兴趣领域
27
49
Hy4 preview 实测，远超预期！
2026-11-12 22:08:24
0点赞
0收藏
0评论
点击上方蓝字关注我，加个🌟标不迷路。
各位小伙伴们大家好，我是 cxuan。
昨天，腾讯官宣发布了 Hy4 preview。
这一次，Hy4 preview 在模型尺寸、上下文长度、数据规模上都进行了显著的扩展，预训练和后训练的共同进步带来了智能水平的又一次巨大提升，稳居开源模型第一梯队。
image-20260829181627432我是在姚顺雨回来之后开始关注 Hy 大模型的，我日常一部分工作交给 Hy3 来做，它也完成的还不错，所以这次 Hy4 发布之后，我也很激动的第一时间上手实测了。
Hy4 preview 采用 MoE 架构，总参数 770B，每个 token 激活 49B。简单来讲，它把大量能力放在不同专家里，每次只调用其中一部分，在模型容量和推理成本之间做平衡。上下文长度从 Hy3 的 256K 扩到了 1M。
它的主干有 78 层，第一层是标准 FFN，后面 77 层都是 MoE。每层包含 256 个路由专家和 1 个共享专家，每个 token 会激活 8 个路由专家以及共享专家。
我们来看一下测评能力。
image-20260829181717608这张图有点容易看花。
深蓝色柱顶的数字是 Hy4 preview，浅蓝色数字是上一代 Hy3，灰色则是 Qwen 3.8 Max、DeepSeek V4 Pro 0813、GPT 5.6 Sol、GLM 5.3、Kimi K3 和 Claude Opus 5。
官方一共放了 12 组 Benchmark，覆盖软件工程、Agent 工具调用、百万上下文、科学和数学。Hy4 preview 没有拿下所有第一，但 12 项都超过了 Hy3。
其中几项提升很明显：DeepSWE 从 28.0 提升到 64.3，ProgramBench 从 3.0 提升到 17.5，PostTrainBench 从 14.5 提升到 35.6，HorizonMath 从 3.5 提升到 8.8。
Toolathlon-Verified、OneMillionBench 和 BioMysteryBench 的得分也已经进入第一梯队。至少从这张图看，Hy4 这次提升比较多的是长程任务、工具调用和科研推理。
模型权重这次也同步开源了，提供 Hy4 preview 和 Hy4 preview-FP8 两套权重，采用 Apache 2.0 许可证。
Hy4 preview 通过与软件工程、游戏、金融、安全等顶尖腾讯专家的高质量数据共建，以及与 WorkBuddy 等产品的深度协同（Co-Design），模型在各类真实生产力任务上取得显著进步。
当然，preview 就是 preview。官方模型卡也写明了两个已知问题：复杂任务可能思考太久，并且有过度自我验证的倾向。效果更强的同时，任务耗时和重复检查也要放进实际体验里看。
现在，大家可以在 WorkBuddy 中使用 Hy4 preview 的模型了，Hy4 preview 在 WorkBuddy 里面免费 2 周，Hy3 免费到 9 月底。
image-20260829161201298下面我们用 WorkBuddy + Hy4 来实测一波。
实测复刻孢子游戏看完 Hy4 官方的 demo ，我突然来了兴致，我之前一直很喜欢玩的游戏就是孢子，它讲述了一个最小的生命体是如何通过捕食、技能、团队协作的方式统治所有星球的。
我测试一下 Hy4 是否能达到这种效果。
prompt 如下
请开发一个可运行的 Web 版《孢子》玩法原型，重点复刻“细胞阶段 + 生物编辑器”。使用 Vite、TypeScript 和 Three.js。玩家控制微生物在水域中移动、进食、战斗和躲避捕食者，通过获取 DNA 成长并进化。必须实现：- WASD 移动、冲刺、攻击、生命值与死亡- 植物、肉块、弱小生物和捕食者- 具备游荡、觅食、追击、攻击、逃跑状态的 AI- DNA 获取和消费系统- 可进入生物编辑器安装嘴、眼睛、鞭毛、尖刺、甲壳等部件- 部件真实改变生物外形以及速度、攻击、防御等属性- 至少三次成长进化，敌人随阶段增强- HUD、暂停、重新开始、音效和 localStorage 存档- 程序化生成环境与生物，保证游戏能持续游玩不要只做静态界面、概念 Demo 或用 TODO 代替功能。完成后必须实际启动并测试游戏，修复控制台错误，确保 `npm test` 和 `npm run build` 通过。可以复刻《孢子》的核心玩法和交互逻辑，但不要直接使用原游戏的名称、模型、贴图、音效或其他版权素材，请使用原创程序化素材。请自主完成开发，少向我提问。最终告诉我启动命令、操作方法、实现内容、测试结果和已知限制。现在开始。Hy4 从零生成了这个项目，项目名 microbe-drifter（微生物漂流者），约 4,700 行 TypeScript，技术栈 Vite + Three.js。
Hy4 生成的微生物编辑器实测整个游戏一共做了 4 个成长阶段，我又在本地重新跑了一遍，6 个测试文件、83 项测试全部通过，npm run build 也能正常完成。
做了一份财报我让 WorkBuddy 分析了一下阿里、京东和美团的财报。
请获取并完整处理阿里巴巴、京东、美团三家公司发布的 2025 年度报告及官方业绩材料，完成从资料收集、数据提取、经营分析到可运行产品交付的全过程。你需要解决三家公司财年区间、会计准则、业务分部和非 GAAP 指标不一致的问题，建立统一且可追溯的数据集，重点分析最近三年的收入增长、利润率、费用率、现金流质量、资本开支、研发投入、股权激励、资本配置和各业务分部表现。请回答：三家公司增长由什么驱动？谁的核心盈利和现金流质量更好？利润改善来自业务增长还是降本？新业务投入的回报如何？在消费放缓和补贴竞争加剧的情况下，谁的经营韧性更强？最终交付一个可在本地运行的交互式分析产品，至少包括：- 三家公司核心指标与三年趋势；- 公司详情和横向对比；- GAAP与非 GAAP 口径切换；- 分部增长与盈利分析；- 利润到自由现金流的桥接；- 2026—2028 年可调整参数的多情景预测；- 数据来源、页码、计算公式和置信度查询；- CSV及图表导出。同时交付结构化数据、数据字典、口径映射表、分析报告、数据质量报告和 README。所有重要数据必须追溯到官方报告的具体页码；无法比较或无法确认的数据要明确标记，禁止编造。完成后请实际安装依赖、运行测试并启动产品，提供可访问地址。不要只给方案、示例代码或静态页面。这一个任务跑了大概 6h ，下面看一下它的分析报告。
数据流水线：
• 下载并解析 8 份官方 PDF（阿里 FY2025 20-F / AR EN / FY2026 AR；京东 2025 AR；美团 2024 AR / 2025 AR CN & EN / 业绩公告），提取 117,816 行逐页文本
• 构建规范化数据集：412 条事实、56 条分部数据、25 张非 GAAP 调节表、32 条口径映射、45 条数据字典
• 五重防幻觉机制：取数规范（必须带页码+原文摘录）→ 引文页码回查 → 数值一致性校验 → 调节表勾稽验证 → 派生指标透明化
• 质检结果：引文回查 PASS 486 / SOFT 12 / FAIL 0；数值一致性 475/475 零错误
交互式产品：
• Vite + React + TypeScript + Recharts，42 项单元测试全部通过
• 8 个页面：总览 / 公司详情 / 横向对比 / 分部分析 / 现金流桥接 / 情景预测(2026E–2028E) / 数据来源 / 口径映射
• 全局 GAAP/非 GAAP 切换、阿里时间对齐、每个数字可溯源到 PDF 页码与原文摘录
核心结论：
问题结论增长由什么驱动？阿里靠 AIDC 国际化 +54% + AI 云；京东靠日百 +15.3%、广告 +18.9%、物流 +26.6% 多引擎；美团靠新业务冲量，但核心本地商业增速已从 +21% 跌到 +4.2%谁的盈利和现金流更好？阿里 > 京东 > 美团阿里 FY2025 经营利润率 14.1%、FCF 775 亿；但 FY2026 掉到 4.9%、FCF 转负 −499 亿。美团 CY2025 CFO −138 亿、FCF −271 亿利润改善来自增长还是降本？阿里 = 剥离资产 + 亏损业务减亏（销售费反而 +25%，不可重复）；京东 = 主业利润率真改善（4.04%→4.56%）；美团 = 被动补贴战，销售费 +390 亿只换 +4.2%（不可控）新业务投入回报？阿里 AIDC 最优（亏损从 151 亿收窄到 20 亿）；美团单位代价最低（每 1 元增量收入仅 0.17 元亏损）；京东最激进也最差（1.45 元，绝对亏损 466 亿）谁的经营韧性更强？京东 > 阿里 > 美团京东主业逆势提利润率 + 净现金 1,635 亿；阿里资金池最大但 FCF 已转负；美团借款暴增 19 倍、回购归零
Hy4 生成的财报分析产品实测这一个任务，我觉得比单纯生成一个网页更能看出 Hy4 的长程能力。
6 个小时里，大部分时间是在找年报、解析 PDF、统一口径、回查页码和修正数据。最后做出来的也不只是几张图，每一个核心数字旁边都有一个溯源入口，点进去能看到来源文件、PDF 页码、原文摘录和计算公式。
我也随机点了一些数据核对，CSV、PNG、SVG 导出都能正常用，42 项测试也全部通过。
哦对了，这个项目也把 Hy4 的一个特点暴露得很明显：它很喜欢验证自己。简单任务里可能显得啰嗦，放到需要审计链的任务里，反而变成了优点。
做了一个 3D 第一视角过山车游戏我做了一个 3D 第一视角的过山车游戏，很逼真，我玩起来其实都有点头晕了，prompt 如下
请设计并开发一款可在浏览器运行的第一视角 3D 过山车游戏《Skyline Rush》。玩家坐在过山车第一排，经历爬升、俯冲、急转弯、失重坡和连续翻转。游戏需要有明显的速度感、惯性、镜头倾斜、视野变化、风声和轨道震动，但避免过度晃动导致眩晕。加入基础玩法：玩家可以左右调整重心、控制短暂加速与刹车、收集沿途能量环并通过危险路段。脱轨、速度不足或错过关键检查点会失败，根据通关时间、收集数量、最高速度和操作稳定性计算评分。至少包含：- 第一视角 3D 场景和完整过山车轨道；- 城市高空、山谷或未来乐园主题；- 开始、暂停、失败、结算和重新挑战流程；- 速度、高度、进度、能量和分数 HUD；- 键盘和移动端触控操作；- 音效开关、画质设置及减弱眩晕模式；- 基础碰撞、粒子、光影及昼夜氛围；- 一局约 2～3 分钟，具有完整起承转合；- 本地最高分记录。请自行选择合适的 Web 3D 技术实现，尽量使用程序化生成或可合法使用的素材，不依赖付费服务。最终交付完整源代码和 README，实际安装依赖、运行测试并启动游戏，提供可访问地址。不要只提供设计稿、静态页面、视频或伪代码。把时间调成黄昏，又是一种不一样的风格。
最终项目叫 Skyline Rush，还是 Vite + Three.js，源代码和测试大概 3,800 行。
它生成了一条约 3.5 公里 的完整轨道，最高点 96 米，测试里的最高速度能到 157 km/h，一局大约 135 秒。轨道里有爬升、俯冲、失重坡、桶滚、断轨飞跃、回环和城市穿行，不是让摄像机沿着一条线自动播放。
我实际玩的时候，A/D 要调整重心，W 可以加速，S 可以刹车，还要穿能量环。HUD 会实时显示速度、高度、进度和能量。第一视角配合 FOV 变化、轨道震动和风声，确实很容易让人紧张，所以它还顺手做了一个减弱眩晕模式。
我把物理仿真也重新跑了一遍。熟练玩家 135.3 秒通关，最高 157 km/h；反向配平再一路刹车，会因为动能耗尽卡在 692 米的位置，是真的会失败，不是一个只能看的过山车动画。
价格Hy4 preview 坚持走普惠的高性价比路线，定价为：
image-20260829141608397这个价格，基本上可以说是全系列旗舰里面价格最低的了。
现在，你可以在WorkBuddy 的国内版及国际版、元宝、ima 等产品中直接体验。
所以各位小伙伴们，赶紧夯起来了。
如果这篇文章你觉得还不错，谢谢你的三连，也希望可以转发给同样关注 AI / 科技 / 开发效率的朋友。 我是 cxuan，我们下期再见。
相关资料• 腾讯发布并开源 Hy4 preview
• Hy4 preview 官方 GitHub
• 腾讯云 TokenHub 模型与价格
