8月28日下午，腾讯把新一代旗舰Hy4preview发布并开源了：总参数770B、激活49B、1M上下文，Apache 2.0许可可商用，权重直接上了HuggingFace和ModelScope，API同步登录腾讯云TokenHub与OpenRouter。微博 白嫖入口更直接：官方口径是Hy4preview在WorkBuddy限时体验两周，Hy3的限免顺手延长到9月30日，“稳居开源模型第一梯队”的说法也一并官宣。微博
社区当天就炸了，“降维打击”“混元站起来了”刷屏。但我把官方盲测数字、这半天的第三方实测、还有排队用户的现场反馈翻完，想说的是：这波羊毛确实厚，但有几个坑得绕着走。
一、先拆穿官方那份盲测分
这次腾讯拿出的不是通用跑分，而是工程味很重的内部盲测：163名专家、203个真实工程任务，均分2.99/4.00，略优于同期的GLM5.3和KimiK3。微博
但值得多看一眼的是胜场数据：Hy4preview对GLM-5.3的胜率只有46.8%，对Kimi K3是51.2%。微博 也就是说，逐任务看它甚至没跑赢GLM-5.3，均分领先靠的是“赢的时候赢得多”——这是0.05~0.07分的窄领先，不是“降维打击”，而且官方硬数据只对比了两个对手，独立第三方大榜还没出。
同期放出的12项工程基准（Terminal Bench、DeepSWE、ProgramBench这批）方向一致：Hy4preview对Hy3是明显跃升、逼近闭源前沿，但“逼近”不等于“超过”。
二、实测和舆情在说什么
强项口径很统一：长程Agent和前端/3D生成。知乎博主的重活实测——派5个Agent并行调研、26分钟交付年度数据分析全套，PPT、述职报告、数据底表一次出齐。知乎 B站一位UP主花十几块钱API自费测完，也给了“浏览器操作系统、太空射击游戏UI惊艳”的评价。哔哩哔哩
短板同样统一。一是慢，“Hy4-Preview的CoT真的好长啊，既费时又费token”是用户的高频体感。微博 二是逻辑题指令遵循不稳：24点解题出现重复数字、阶乘越界这类失误。三是免费档算力紧张：截图里排队两三千人到五六千人的都有，还有人任务跑一半断线、点继续直接提示排队满。微博 另外它本身不支持视觉，多模态需求会被自动切到其他模型，这一点后面算账很关键。
发布当天，Arena的WebDev代码榜已经给Hy4preview标出1633分、约第5名，身前是Claude Opus 5。注意：这是快照，社区榜单刷新极快，只能当参考信号，别当官方结论。
三、免费窗口里的真实成本账
免费规则要说清：WorkBuddy国内版与国际版限时免费到9月10日23:59，每日免费额度有上限，触顶后用积分继续，多模态任务会切换其他模型并正常扣积分；Hy3则一路免到9月30日。哔哩哔哩
免完之后才是重点：有博主实测WorkBuddy里Hy4preview的积分倍率是0.29，Hy3只有0.05，GLM-5.3-Flash是0.06——同一个任务积分消耗贵出5~6倍，再叠加它“想得深、说得长、跑得慢”的特性，免费期一过，日常挂它的成本会超出多数人的直觉。知乎
走API的另算：输入约6元/百万tokens、输出约18元、缓存命中约0.3元——缓存价处在行业最低一档区间，反复喂长上下文的场景最吃这套定价；但输出贵、token出得多，短平快的轻任务用它不划算。微博
还有一句要泼给本地部署党的冷水：开源不等于你能跑。770B总参的MoE，就算按4bit量化也要几百GB级的显存/内存盘子，权重今天下载了也喂不饱消费级显卡，等社区蒸馏或量化版落地才是正解。
四、谁现在动手，谁再等等
现在就投喂：做复杂网页前端、3D/游戏原型、多步骤办公Agent的人，这两周是性价比最高的尝鲜窗口。但姿势要对——把Hy4留给当天最棘手的任务，日常挂Hy3或GLM-5.3-Flash，长任务尽量挪到晚上跑，避开排队高峰。
等一等：拿它当生产力主力的，建议等Hy4正式版、独立第三方大榜出齐、以及9月10日后WorkBuddy的倍率与免费政策定下来再说，Preview阶段官方明说会快速迭代。
别碰：需要视觉理解的任务、赶硬deadline的场景（慢+排队会教做人）、想本地跑770B的爱好者。
持续盯的信号：Hy4正式版发布节奏、Arena和各大独立榜的名次回落与否、免费期后积分倍率是否回调、量化版进度。
羊毛是真厚，实力是真有，慢、窄领先和容量紧张也是真的。这13天里把它用明白，再决定9月10日之后要不要为它掏钱——试错成本，永远比信一个跑分便宜。
