腾讯混元跻身最强开源模型！一手实测Hy4：搭配WorkBuddy，多模态Agent交付力拉满
腾讯混元 11 月 4 日发布 Hy4 正式版：770B、首次会看图也能操作电脑，官方称跻身最强开源模型；这份转载把 12 项基准里的真实名次、权重尚未放出的现状和价格入口一并写清。
本文转载自微信公众号「量子位」。原文发表于 2026 年 11 月 4 日，作者闻乐，《腾讯混元跻身最强开源模型！一手实测 Hy4：搭配 WorkBuddy，多模态 Agent 交付力拉满》。
闻乐 发自 凹非寺 量子位 | 公众号 QbitAI
11 月 4 日，腾讯混元发布 Hy4 正式版，8 月 28 日那版 preview 从此成了上一代。1
参数规模与 8 月那版相同：770B 总参数、49B 激活、100 万 token 上下文。2
preview 的模型卡里写着 78 层，第一层是普通前馈网络，其余 77 层是混合专家；每个 token 激活 8 个路由专家和 1 个共享专家。3
动的是两件第一次：模型能看图，也能自己操作电脑。2
指令遵循、长文理解、长程任务和深度研究也在这一版上调了一轮。1
官方发布页的原话是「places Hy among the strongest open-source models for the first time」，意思是这一次混元第一次跻身最强开源模型之列。1
这句话的重心落在「开源」两个字上。
「最强开源」比的是哪一栏
发布页给了 12 项公开基准的对照。横轴上排着 GLM-5.3、DeepSeek-V4.1-Flash-1017、Kimi K3.1 Pro、Claude Opus 5.5 和 GPT-6.1 Sol。1
Hy4 在这 12 项里没有一项排第一。1
对 Claude Opus 5.5，12 项全部落后；对 Kimi K3.1 Pro 落后 6 项，输得最明显的是终端任务和自动化。1
拉开距离的地方很具体。Terminal Bench 4.0 上 Hy4 是 44.4，Kimi 66.8；ProgramBench 上是 30.0，Claude 56.5。1
咬得住的地方同样具体。E-Bench 2.0 上 Hy4 拿 70.0，DeepSeek 66.8、Kimi 50.0；3DArena-Modeling 是 37.1，Kimi 36.1。1
官方在页面末尾自己补了一句：与顶尖闭源模型仍有明显差距，差在内部那批基准上，也就是研究级数学、长程代码、模型自我改进和复杂视觉问答。1
权重还停在「计划」那一栏
原文写的是「模型权重也将于近期开源」。2
发布页的英文原话是计划开源，没有给日期。1
发布页同时写了两条：放权重的时候一并出系统卡片，交代安全评测和技术细节；vLLM 与 SGLang 社区已经对接好推理支持。1
现在能下载的是 8 月 28 日的 Hy4 preview，Apache 2.0 许可。Hugging Face、ModelScope、GitCode 上都有这份权重。3
11 月 5 日上午查了 Hugging Face 的 tencent 组织页。模型列表里只有 Hy4-preview 和 Hy4-preview-FP8。4
今天真能用上 Hy4 的地方是 API 和腾讯自家产品。腾讯云 TokenHub、OpenRouter、CodeBuddy 与 WorkBuddy、元宝、ima、企业微信智能助理大圆都在名单里。1
价格与 preview 持平，按每百万 token 计：输入 6 元、输出 18 元、缓存命中 0.3 元。5
官方页的美元口径是输入 0.834、输出 2.501、缓存 0.042。1
TokenHub 到 12 月 31 日按刊例价五折，WorkBuddy 与 CodeBuddy 在 11 月 4 日到 15 日给免费额度。5
28 亿像素里的那块屋顶
第一个新能力是看图，官方给的最硬的一个例子是一张 62,500×45,000 的航拍图，合计 28 亿像素。1
任务分两段：先找到屋顶写着 KLOOSTERBOER 的仓库，再在它右上方的光伏区里挑出最东侧那块白色方形构件，尺寸约 2 米。1
模型自己的视野只有 5,000×3,600，得靠在图上反复裁切放大，34 步才走到结果。1
另一个演示是 900 片拼图，拼回莫奈的画。1
原文的实测更贴近日常：给一张播放器界面的设计截图，让它照着写一个能用的网页。2
Hy4 先把配色、字体、布局拆一遍，连左侧栏的像素宽度都量了，再动手写代码。2
中途裁切工具出了偏差，它换了个办法，直接分析像素定位线条、提取颜色。2
写完自己拉起无头浏览器，在沙盒里点按钮、拖滑块、截图比对，第一轮 51 项过了 48 项。2
没过的那几项里，有一项是它自己揪出来的：列表放完最后一首再点下一首，逻辑没闭环。2
改完重跑回归，59 项全过，控制台报错为零。2
原文作者拿到成品后的原话是：「最显眼的居然是左上角那俩前进后退按钮：一个圆，一个方。」2
同一批实测里还有 3D 机械键盘和游乐场平面图。给一张图，它要建出三维场景，还要把交互一起做出来。2
命令行和图形界面一起上手
第二个新能力是电脑操作，命令行和图形界面都覆盖，Blender、CAD 这类专业软件做过专项训练。1
配套沙箱是腾讯云 Agent Runtime，里面装了几百款应用，供模型反复执行和验证。5
OSWorld 2.1 是公开基准。腾讯给出的分数是 Hy4 78.9、Kimi K3.1 Pro 79.6、Claude Opus 5.5 81.8、GPT-6.1 Sol 75.2。1
原文的实测是让它拿一份产品资料做 16 页 PPT。2
渲染到第 4 页，一段长文本挤出了版心，它在后台把单栏拆成卡片流，二次校验通过后才继续往下推。2
换暗色模板重刷时，它先挑一页试套，确认没问题再批量改。2
那些百分比是谁的测试
金融这栏用了 213 位从业者，其中 153 位来自头部金融机构，超过七成有五年以上经验，一共跑了 579 个真实任务。1
结果是 Hy4 拿 3.04 分。DeepSeek-V4.1-Flash-1017 是 2.97，Kimi K3.1 Pro 与 GLM-5.3 都是 2.68。1
腾讯据此说 Hy4 在开源模型里排第一。1
两处对得上的是「推测类错误率」：从 23.1% 降到 5.6%。1
游戏开发那两项提升是 19.1% 和 9.8%，比的对象是自家 preview。1
科研这栏，TenureTrail 的 123 项任务、7 个学科里，Hy4 在开源模型中排第一。1
原文另给了一个具体的：699 万个细胞、84 张没有时空标记的二维切片，还混着镜像翻转。2
条件是离线、没有配准工具、没有细胞类型标注。2
Hy4 用 1.5 小时完成了空间对齐和三维重建，中间没有人工干预。2
腾讯中文材料里的另一个案例牵涉北京大学数学团队。Hy4 找到 Méndez–Pinto–Villarreal 猜想的反例，补了新条件，再用 Lean 对相关证明做形式化验证。5
自我改进那栏，Hy4 借 Hyra 2.0 框架改了同架构小模型的预训练基础设施，训出一个在多项评测上超过官方 Jev 基线的版本。1
这套流程参与产出的两个基础模型 HyCell 与 HyPDE，腾讯已经开源。1
上面这些分数的出处都是腾讯自己的评测，以及合作方的内部评测，发布页没有列出第三方独立复测。1
差距写在同一张图里
发布页附录还有一批补充基准，测的是腾讯自建的题目，方向与官方自陈的短板对得上。1
| 基准（腾讯自建） | Hy4 | 组内最高 |
|---|---|---|
| Hy-FrontierMath T5 | 13.0 | 97.5（GPT-6.1 Sol）1 |
| ProofBench | 5.5 | 70.5（GPT-6.1 Sol）1 |
| Goal2Repo | 23.2 | 74.0（Claude Opus 5.5）1 |
| Foundation Model Bench | 28.1 | 55.4（Claude Opus 5.5）1 |
| BuddyVQA Atlas（无工具） | 55.6 | 75.3（Claude Opus 5.5）1 |
安全那栏也有数字：生物实验设计能力在 Hy-BioExperimentBench 上是 30.4 分，满分 100。1
网络安全训练只收 PoC 生成、漏洞修复这类防守材料，漏洞利用、逆向、渗透的攻击性内容被剔除。1
玄武实验室和科恩实验室参与了这轮红队审计。1
现在怎么用
原文收尾是两条实用信息：Hy4 已经能在 WorkBuddy、CodeBuddy 里试，即日起到 11 月 15 日 23:59 有免费额度；更便宜的 Hy4 flash 在路上。2
把 11 月 4 日公布的信息放在一起，Hy4 眼下是一个价格与 preview 持平、可以按 token 调用的 770B 模型。1
「开源」那半句要等权重和系统卡片落地才算兑现。1
在那之前，按 API 模型来排用量和预算，比按开源模型排更稳。
References
- 1混元 Hy4 发布页
hunyuan.tencent.com
- 2量子位原文
mp.weixin.qq.com
- 3Hy4 preview 模型卡
huggingface.co
- 4Hugging Face tencent 组织页
huggingface.co
- 5腾讯云开发者社区
cloud.tencent.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.