热搜说 Hy4 复刻了《王者荣耀》。翻完官方博客，找不到“复刻”这个说法：Hy4 进的是这款游戏的研发和测试场景，做的是配置和查 Bug。
王者荣耀团队在博客里给出的是一组生产数据。开发侧，Hy4 在 20 类游戏配置场景里，准确率从 91.74% 提升到 97.28%，自主校验修复后达到 99.32%。腾讯混元
测试侧，Bug 自动分析平台的代码根因分析准确率，从 59.5% 提升到 73.8%。工具调用深度是 Hy4 preview 的 3.7 倍，耗时和 Token 没明显增长。混元官方博客
这组数字不如“一句话生成王者荣耀”刺激，却更接近“接大活”的真实含义。生成游戏 Demo 是表演；进入生产线，错了要返工、慢了会拖版本，才是交付。
WorkBuddy 这次被推到台前，也是同一个逻辑。官方给它的评测是平均效果 83.18 分，通过率 96.15%，12 个场景里 9 个国内第一。腾讯混元
腾讯云方面还披露，中国 500 强里有 50% 在用 WorkBuddy，平台累计提交过 90 多亿个任务。36氪
第三方实测里，能看到它确实能干完整的活。划重点让 Hy4 做苹果 2026 财年第四季度财报解读，最后交出一份 16 页 PPT。
营收 1144.77 亿美元、同比增长 11.7%，四舍五入后和苹果官网的 1145 亿美元、增长 12% 对得上。划重点
雷科技的测试更杂：一张财报截图算 iPhone ASP，结果是 1005 美元，还主动提示统计口径的问题。雷科技
它还能翻微信聊天记录找到旅行社，核对本地文件夹，指出还缺哪些签证材料。
这些任务有个共同点：目标清楚，结果能验证，中途允许人确认。WorkBuddy 的价值不只在 Hy4 会写代码，还在它把任务拆成步骤，遇到敏感操作先问用户。
但“能接活”和“能独立交活”是两回事。真实用户反馈里，翻车并不少见。
有博主用 Hy4 preview 写 WorkBuddy 的自动签到脚本，还得专门做兜底；同样的额度换 DeepSeek V4.1 Flash，他把两个自动化舆情工具修了好几遍。微博
B 站一条 Hy4 preview 实测视频下，有用户称：一样的 Hy4、一样的任务，WorkBuddy 跑一小时、烧一堆额度，CodeBuddy CLI 加 Linux 15 分钟就出来了。哔哩哔哩
更根本的问题在长流程。36氪在一篇评测分析里做过一个粗略估算：每条细则正确率 97%，放进约 48 条细则的任务，整项通过率只有约 23%。36氪
原文也强调，这只是一个理想化示意。但它说明了一件事：每一步都“大概率对”，连起来就可能交不了差。
额度也是硬约束。有 Up 主按 1000 积分实测，Hy4 Preview 高思考模式大约能跑 6261 万 token。哔哩哔哩
混元团队自己也承认，Hy4 和顶尖闭源模型仍有较大差距，尤其是在前沿数学、长程开发、模型迭代这些高难度测试上。腾讯混元
所以，WorkBuddy 现在能接的“大活”有边界。它适合资料搜集、报表解读、网页和 Demo 搭建、跨应用核对这类目标明确、可验收的任务。
不适合把一整套无人值守的关键流程直接交出去。
热搜里的“复刻王者荣耀”是个噱头。更值得看的是，Hy4 已经能在《王者荣耀》的生产线上把配置准确率往上推 5 个多点，也能在 WorkBuddy 里把一份财报 PPT 做到能核对。
这两件事比“复刻”难，也比“复刻”有用。
但要让它接更大的活，决定因素不只是模型分数。额度够不够、速度快不快、权限怎么管、出错了谁来验收，这些产品层的细节，才是关键。
WorkBuddy 能不能从“能干的实习生”变成“能签字的负责人”，就看这些细节什么时候补齐。
