腾讯Hy4终于来了！实测下来进步神速啊

图片前言腾讯的Hy4，正式发布了！而且这次终于引入了多模态能力。

说实话，视觉理解确实跟进得有些晚。看图识物、分析截图、照着图片写网页，这些玩法大伙应该都挺熟悉了。不过来得晚没关系，关键还得看本事老规矩，还是实测见真章。我用它折腾了几个项目，和大家一起看看实际表现~腾讯混元 Hy4

咱们先简单认识一下这次的Hy4。

相比preview，这次除了加入视觉理解，指令遵循、长文理解、长程任务和深度研究能力也都有了明显提升。

我觉得比较值得关注的是，它开始把看图和实际操作结合起来了。看懂屏幕里的内容，再调用工具、操作软件，继续完成后面的任务。且混元这次也专门针对Blender、CAD等专业软件，以及跨应用的复杂任务做了训练。

除了这些专项评测，Hy4 在 Agent Arena 的总榜上也排到了 第 14 名，比 preview 的第 25 名前进了不少。这项评测基于全球用户的 8500 多次真实长程 Agent 任务，Hy4 的净提升指标达到 +4.7%。

更值得留意的是成本。在这项评测里，Hy4 每个任务平均花费 0.55 美元，比 Kimi K3.1 Pro（Max）低约 62%，两者得分却相差不到 1 个百分点。也就是说，效果接近，完成任务的花费更低。

和之前一样，Hy4 也会继续走开源路线，模型权重计划近期开放。就这次的整体表现来说，已经站到了开源模型的第一梯队。

能力提升了，价格倒是没涨，和 preview 保持一致。API 每百万 Token 输入 6 元，命中缓存的输入 0.3 元，输出 18 元。

平时不折腾API的话，在 WorkBuddy、CodeBuddy、元宝、ima 等产品里也能体验。

这次我用的就是 WorkBuddy，下面咱们直接看它做出来的东西

① 批量套壳截图

先从一个简单的任务开始。

平时写文章，经常需要给素材套上手机或者浏览器外框。单张处理不麻烦，数量一多，就挺适合交给 AI 批量做了。

这次我准备了24张截图，手机和网页各12张，把素材、统一外框和处理要求一起交给 Hy4。

同时，我也在WorkBuddy里用DeepSeek V4 Pro跑了一遍相同任务，对比下速度。

这个任务没什么难度，两个模型都完整达成了要求。24张图全部处理成功，尺寸、比例和外框对应也都正确。看界面上的总耗时，Hy4是4分33秒，DeepSeek是3分16秒，好像DeepSeek快了一截。但翻一下它们给出的时间记录，会发现真正批量处理图片的时间，Hy4 是5.04秒，DeepSeek约4.8秒，基本都在5秒左右。

其余时间主要花在整理素材、编写脚本、复查和交付说明上。② 泰坦尼克号之后咱们再来个复杂一点的，让Hy4做一艘泰坦尼克号，再演示它沉入海里的过程。我给Hy4的要求就是需要先用Blender建好完整船模，再把模型放进网页，补上海面、灯光和沉船动画。最后交付一个 HTML 文件，直接用浏览器打开，就能查看模型和操作演示。

先看看船模，我觉得做得还是蛮不错的。泰坦尼克号的整体轮廓很清楚，甲板、四根烟囱、桅杆和救生艇这些细节也都有。转动视角，还能看到水线以下的船底和船尾的螺旋桨，整艘船的细节很完整。

切换到沉船演示，场景就变成了夜晚的海面。点击播放，船会从正常漂浮的状态开始，船头逐渐入水，船尾跟着抬高。虽然没能还原影片里面泰坦尼克折断的过程，但还是很直观地呈现了船体逐渐倾斜、被海水吞没的沉没过程。刚开始下沉得比较缓慢，随着没入水中的部分越来越多，下沉速度也会加快，最后整艘船沉入海面之下。③ 雨夜便利店再来一个。同样是用Blender建模，再放进网页里，这次我让Hy4做了一家雨夜里的街角便利店。

店里的暖光和外面冷色的雨夜搭在一起，氛围就出来了除了转动视角、拉近看细节，还能调整雨量和室内灯光亮度，自己换换感觉。效果如下：④ 果冻交互网页

接下来换个玩法，让Hy4做一个可以上手拉扯的3D果冻网页。