11月4日，腾讯混元团队正式发布新一代大语言模型Hy4。按官方口径，相比8月28日上线的Hy4 preview，这一版进一步扩大了预训练和后训练规模，首次引入视觉理解，并重点强化指令遵循、长文本理解与长程Agent表现。 Hy4总参数770B、激活参数49B，采用MoE架构，与preview完全一致——这一代没涨的是身板和价格，涨的是"眼睛"和"手"。 腾讯在发布稿里称，Hy4的综合表现"首次跻身最强开源模型之列"。 混元团队同时坦承：与顶尖闭源模型仍存在较大差距。这个"最强开源"的含金量有多少、新能力对真实任务有多大用处，比"发布了"三个字更值得说清楚。21世纪经济报道知乎深圳商报
升了什么：身板和价格没动，新装的是眼睛和手
官方对外主打三项能力：1M超大上下文、视觉理解、计算机操作。但前一项不算新——preview的模型卡上，上下文一栏写的就是1M，括号里注明API最大输入960K、最大输出64K，正式版一个数都没动。 今年2月腾讯重建混元训练基础设施后，参数从Hy3系列的不到300B一路爬到Hy4的770B，这一版没有接着往上爬。真正的增量集中在"看"和"做"：视觉理解配合推理与工具调用，可以做细粒度图像处理、复杂图表分析和数学视觉推理。 官方举的例子是在28亿像素的航拍图里锁定一个两米宽的屋顶构件，不过发布稿没有给出这类任务的召回率。知乎微博
电脑操作（Computer Use）是另一件第一次：模型可以结合命令行与图形界面执行复杂任务，官方称对Blender、CAD这类专业软件做了专项训练。 它的训练场是混元与腾讯云Agent Runtime团队共建的沙箱，里面部署了数百款应用软件，让模型反复执行任务并验证结果。 这两件事其实是同一件事的两面：模型第一次可以从界面里获取信息，而不只是从提示词里——这是"长程智能体"能落地的前提。21世纪经济报道知乎
后训练的改动方向，官方列得很集中：显著扩展数据和训练规模，大幅提升指令遵循、长文理解、长程智能体等综合效果。 preview的模型卡此前自列过两个已知毛病：复杂任务上想太久，以及"过度自我验证"、反复检查同一个结论白白烧token，这轮优化正是冲着这类问题去的。科创板日报知乎
分数怎么读：十二格零个第一，幻觉率有两套口径
随发布稿放出的官方评测板把Hy4与GLM-5.3、DeepSeek-V4.1-Flash-1017、Kimi K3.1 Pro、Claude Opus 5.5、GPT 6.1 Sol五家放进同一张十二格图，Hy4没有任何一项拿到第一，对Claude Opus 5.5是十二项全负。 第一财经11月4日的电报同样指出，多数基准分数仍低于GPT 6.1 Sol和Claude Opus 5.5。 单项里最亮的是E-Bench 2.0的70.0分，只输给Opus 5.5的80.0分；新增能力的首秀OSWorld 2.1则拿到78.9分，挤进前三。知乎知乎
读官方数字要当心口径。幻觉率给了两套数：混元官网研究页写从15.76%降到5.45%，腾讯技术工程公众号写从12.95%降到7.2%，出自不同自建测试集，无法互相换算；两边一致的是"因猜测导致的错误率"从23.1%降到5.6%，砍掉四分之三——它对应的正是信息不足时硬编答案这个日常最常踩的坑。知乎
最硬的一项是金融盲测：混元联合腾讯金融科技组织213位专家对579个真实金融任务打分，Hy4得3.04分（4分制），位居开源模型第一，与DeepSeek-V4.1-Flash-1017的2.97差距很小。 但两轮评测的成绩不能直接相减：同名的参照模型GLM-5.3上一轮得2.92、这一轮变成2.68，说明两轮不在同一把尺子上。哔哩哔哩知乎
至于第三方榜单，正式版目前一格都没有——今天刚发布，第三方评测还没来得及收录；现在能对照的还是preview的成绩：11月3日的国产模型快照里它拿73.2分，排国产第14、全球第39。 WorkBuddy办公场景的83.18分、96.15%通过率则是腾讯自测、又与自家产品深度Co-Design，参考价值要打折。知乎
短板也在板上：终端类活儿还不行，与顶尖闭源差距坦承
短板同样写在评测板上：Terminal Bench Science 0.1上Hy4只有19.8分，不到Kimi K3.1 Pro那项41.7分的一半；Terminal Bench 4.0拿44.4，对面Kimi是66.8。 落到具体的活上就是：改既有代码、让它跑通，它可以；在命令行里一步步试错、读报错、改环境，它还不行。社区首批实测的信号大体一致——一位B站开发者用自己的私有题库对比，后端提升最明显，preview的69分升到正式版的90分，一道此前跑挂的ERP存量代码难题第一轮就过了，但前端与纯推理仍有提升空间。 打算拿它做运维自动化或科研辅助的用户，建议先用自己的任务跑一遍，别照着通稿定方案。知乎哔哩哔哩
官方对差距的表述相当坦白：尽管Hy4已经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，接下来将继续稳健扩展预训练和后训练规模去缩这段距离。 混元在"局限性和未来展望"里点得更具体：差距主要出现在内部构建的前沿数学、长程开发、模型迭代、视觉问答等高难度测试集上。21世纪经济报道知乎
用它的入口已经全开：Hy4已上线腾讯云Tokenhub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理大圆、ima等腾讯系产品，API同步接入OpenRouter、Hermes、OpenCode等平台。 价格与preview持平没涨：每百万tokens输入6元、输出18元、缓存命中0.3元，腾讯云稿子里"输入最低0.3元"指的是缓存价，别看错。科创板日报知乎
免费和促销窗口分三档：WorkBuddy/CodeBuddy从11月4日到15日每日赠送免费额度，倍率直接标成0.00x，订阅用户享更高配额。 腾讯云按量调用5折持续到12月31日，Token Plan订阅积分2.5折到11月18日；定位压成本的Hy4 flash还在路上。注意免费额度本身并不大，有实测用户反映高峰期会触发限流。知乎
对想私有化部署的人，最关键的一条还没落地：正式版权重只说了"计划开源"，没有给日期——Hugging Face上挂着的仍是8月底的preview版。preview当时的口径是发布即开源，Apache 2.0许可，Hugging Face、ModelScope、GitCode都能直接下载。 正式版能否复制preview的开源节奏，只能等官方下文。哔哩哔哩
节奏与观察点：68天一版，权重和第三方榜单是下两个信号
把时间线摆齐：8月28日preview开源，11月4日正式版发布，中间68天；这与腾讯自2月重建基础设施以来"平均每两个月迭代一个大版本"的官方表述吻合。 通稿里还有一句值得单独记下：先以Preview形式开放，再根据用户反馈优化模型发布正式版——收反馈被做成了发布流程里的显式环节，preview不是预热，而是评估。接下来值得盯的就两个信号：权重什么时候放出来，以及第三方榜单什么时候收录Hy4。如果它在统一口径的第三方评测上站得住"最强开源之一"，这次升级才算真正成立；否则，它还只是腾讯自选场景里的第一梯队。知乎
