腾讯发布多模态模型 Hy4,支持视觉理解与电脑操作,自称在中国 AI 模型中排第二
来源The Decoder查看原文
速览
- 腾讯推出首个多模态模型 Hy4,补齐视觉与电脑操作能力
- Artificial Analysis Intelligence Index 得分 35 分
- 该成绩在中国模型中排第二,仅次于 Kimi K3.1 Pro
- 腾讯主动承认数学与复杂图像分析存在明显差距
- 多模态与 computer use 正成为中国大模型厂商的标配方向
腾讯发布 Hy4,这是其首个多模态语言模型,能理解图像,也能自主操作软件。在 Artificial Analysis Intelligence Index 上,Hy4 得分为 35 分,成绩尚可,但落后于 Kimi K3.1 Pro。腾讯自己承认,在困难数学题和复杂图像分析上,Hy4 与最好的商业模型仍有较大差距。
关键事实
- 腾讯发布 Hy4,为其首个多模态语言模型
- Hy4 具备图像理解与自主操作软件(computer use)能力
- 在 Artificial Analysis Intelligence Index 上得 35 分
- 该分数落后于 Kimi K3.1 Pro
- 腾讯自述在困难数学与复杂图像分析上仍大幅落后于最好的商业模型
本站视角
对国内做 Agent 和自动化办公产品的团队来说,Hy4 的 computer use 能力值得实测:如果它真能稳定操作软件,就意味着又多了一个可选的国产模型底座,减少对海外模型的依赖。但我们的判断是,这次发布的信号意义大于性能意义——35 分落后于 Kimi K3.1 Pro,且腾讯自己承认数学和复杂图像分析差距较大,说明 Hy4 目前更像是一次能力补齐,而非性能突破。需要观察的是:腾讯没有公布 computer use 的具体评测数据,也没有给出与竞品的逐项对比,仅凭一个综合指数分数和「中国第二」的自述,难以判断实际可用性。对开发者而言,在真实任务上跑一轮再决定是否接入,比看榜单更可靠。
背景与影响
Hy4 是腾讯首次把视觉理解与电脑操作(computer use)能力整合进同一个语言模型,这意味着腾讯在大模型产品线上从纯文本向多模态与 Agent 化操作迈进。computer use 能力通常指模型可以识别屏幕界面并代替用户点击、输入,是当前 Agent 产品的基础能力之一。从腾讯自述的短板看,Hy4 的定位更偏向能力覆盖而非全面对标顶级商业模型:它在综合智能指数上拿到 35 分,但数学与复杂图像分析仍是弱项。这可能意味着腾讯选择先补齐功能矩阵,再逐步追赶性能。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。