11 月 21 日凌晨,姚顺雨与混元团队现身 Reddit LocalLLaMA 社区,做了混元第一场面向全球开发者的公开 AMA。极客公园IT之家
两小时内,团队解答了 300 余条开发者提问。其中被转得最多的一句话,是官方对自家旗舰的表态:Hy4 还有相当大的提升空间,尤其是在后训练阶段。极客公园量子位
团队自评 Hy4 处于 AGI 分级的 2.5 级水平,远未到容量上限。当被问后训练里最难改善的是哪种模型行为,团队只回了一个词——过度思考。极客公园量子位
Hy4 为了追求极致智能,思维链偏长是官方承认的已知问题。而创意写作与文本可读性、过度拒绝,也都被点名仍在改进。极客公园量子位
这场"交底"发生在 Hy4 权重正式开源的第二天:11 月 20 日,指令版、FP8 量化版和预训练基座同步上线 GitHub、HuggingFace 等平台。从发布到开源,这款旗舰满打满算上线才两周多。官方的表态翻译成普通用户的话就是:能用,但别指望一用就是顶级体验。现在拿 Hy4 干活,大概率会依次碰到下面几个问题,而它们几乎每一条都被官方点名过。微博知乎

一、思考链偏长:账单和时间一起变贵
官方承认的第一个改进点,就是过度思考。落到干活上就是真金白银:Hy4 的 API 定价为每百万 token 输入 6 元、输出 18 元、命中缓存 0.3 元。一位知乎作者实测用 Claude Code 接 Hy4 做了一次 Code Review,任务跑完 Token 消耗接近 160 万。默认配置还藏着一个坑:Hy4 的 reasoning_effort 默认是"high",日常对话想走短思考得手动改成"no_think"。腾讯给出的解法是从旗舰往下蒸馏:把 Hy4 蒸馏成成本效率更高的 Hy4 flash,再用强化学习缩短推理链。知乎知乎知乎量子位

二、和顶尖闭源的差距,还得靠人兜底
Hy4 发布时,官方自己就说出了后半句定位:它是目前最强的开源模型之一,但与顶尖闭源模型仍存在较大差距。第一财经
按官方选择的 ProgramBench、FrontierCode2.0、Agents’ Last Exam v1.1 等新基准,Hy4 超过 DeepSeek-V4.1-Flash-1017、部分接近 Kimi K3.1 Pro,但多数分数仍低于 GPT6.1 Sol 和 Claude Opus 5.5。长处也确实存在:官方称 Hy4 拿下 Agent Arena 开源模型榜首、Artificial Analysis 中国模型第二。官方基于全球用户 8500 多次真实长程 Agent 任务的测算显示,Hy4 每个任务成本 0.55 美元。第一财经极客公园知乎
但干活的人对"能不能放手"很敏感。一位高强度用了一段时间的用户直言:稍微重要点的工作都不放心让 Hy4 做。这是个案判断,不能外推,但它和官方口径互相印证:Hy4 够到了开源第一梯队,交付上限和闭源顶流之间仍有明确的缝,"做完就能直接交"的任务还得留人工复核这道工序。知乎

三、算力和排队:上线首日就触过额度
性能之外,能不能稳定用上它也是成本。11 月 5 日,腾讯公关总监张军承认,Hy4 上线首日 WorkBuddy 任务队列里大量用户触及额度,已对推理集群紧急扩容十倍并上调免费体验额度,后续持续动态调配资源。微博
更早的 Hy4preview 上线阶段出现过持续排队,官方当时的建议是错峰或组合使用 Hy3。值得注意的是,扩容后的口径是动态调配而非"彻底解决":有截止日期的活儿,不能默认 Hy4 随时秒回。微博
四、开源不等于随便用:许可证和部署门槛
权重免费下载不等于可以随便拿去对外服务。Hy4 正式版挂的是 Tencent Hy License 1.0 而非 Apache 2.0,逐条对照协议的开发者特别提醒:内部使用不受限,但一旦拿它做模型即服务、给别人远程推理或微调,且连续 12 个月全球总收入超过 5000 万美元、或某个产品单月活跃用户超过 1 亿,就得另签书面授权。同步开放的还有指令版、FP8 量化版和预训练基座三套权重,下载入口列在 HuggingFace、ModelScope 等平台。条款细节以许可证原文为准,打算商用的团队上线前应让合规过一遍。知乎知乎
自部署的门槛同样不低,有人劝用户先别急着下载那 1.55TB 的旗舰权重仓库。团队在 AMA 中给出的现实方案,是用 96GB 显存加 128GB 系统内存跑 Hy4 flash,把部分专家层和 Engram 查表模块卸载到内存,而 llama.cpp 适配仍在推进、尚未放出。"权重能下载"和"稳定跑进生产"之间,还隔着不少工程活。知乎极客公园
五、写作套话和误拒:官方亲口说的"正在改"
如果干的活以文案、汇报为主,两个被官方点名的短板要提前适应。混元团队直接回应了"写作能力退步"的观察,称希望模型写得更像人、少一点套话,这方面正在改进。安全侧的负责任开源换来了 SystemCard 评估卡片,代价是过度拒绝被列为重要改进方向,内部评估显示 Hy4 漏洞发现能力强、利用能力弱。实际体感可能是:写出来的东西干净但偶有"AI 腔",敏感一点的正常任务偶尔被误伤拒答。量子位极客公园
现在就要用它干活:两个模型,两种用法
务实的分工是把日常办公、数据整理、报告 PPT 交给 Hy4 flash,长程软件工程这类硬骨头再上 Hy4,这与官方推荐一致。一位作者在 WorkBuddy 里用同一批任务实测,四件事 Hy4 flash 总用时 40.8 分钟、比 Hy4 少 46%,总成本 1.09 元、约为 Hy4 的十二分之一。知乎
官方 85 人、259 个任务的盲测显示,flash 的用户满意度接近 Claude Haiku 5.5。一周前跟进的 flash 单任务成本只有 Hy4 的二十分之一,上线首日 Token 调用量突破 50 万亿。它登顶 OpenRouter 调用榜首的含金量更多在成本而非智能,这一点值得看清。魔搭社区极客公园知乎
时间边界也记牢:WorkBuddy 里 Hy4 flash 的限时免费到 11 月 30 日。想认真评估用它干活的成本,最好在免费期内把真实任务跑成账单。量子位

回到标题的问题:腾讯承认的"改进空间",集中在后训练、思考长度和文字质感,而不是说 Hy4 还不能干活。现在拿它干活会遇到的,本质是五件事——偏长的思考和偏厚的账单、需要人工复核兜底的交付上限、高峰期仍可能触到的额度、"开源"二字背后被多数人忽略的许可条款,以及还没完全改掉的套话与误拒。官方给出的下一步,是训练规模更大的下一代模型。已在规划清单上的还包括更小尺寸的 Hy4-mini、Flash-Lite 模型。面向 24GB 显存的模型也有计划。改进空间被官方摆上桌面,恰恰说明这场 AMA 里最值钱的一句话是:先看清它现在的边界,再决定交给它什么活。IT之家极客公园量子位
当前文章无评论,是时候发表评论了