腾讯混元 Hy4 发布实测:长程 Agent 与视觉能力补齐,开源第一梯队但距顶尖闭源仍有差距
来源极客公园查看原文
速览
- Hy4 补上长程闭环、视觉理解、电脑操作三块拼图
- 金融众测与 Agent Arena 均列开源第一
- 幻觉率与猜测错误率大幅下降,对研究类任务意义直接
- 视觉代码任务能完成视频取证到渲染回读的闭环
- 与 GPT、Claude 在高难度推理和工程任务上仍有明显差距
- 定价不变并配合 5 折与免费额度,延续性价比策略
- 已上线腾讯云 TokenHub、元宝、企业微信等,API 接入 OpenRouter
腾讯混元 11 月 4 日正式发布 Hy4,主打性价比的轻量版 Hy4 flash 同步亮相,模型权重将在近期开源。腾讯给它的定位是首次跻身最强开源模型之列。极客公园围绕长程 Agent、多模态理解与视觉代码三条主线做了实测:在接近买方研究员真实工作流的 CPO 赛道深度研究与估值建模任务中,Hy4 能完成产业链图谱、技术路线对比、三情景测算和可复算利润表模型,交付报告 PDF 加估值模型 xls;在视觉代码任务中,它用 Three.js 生成可交互的 3D 机械腕表机芯拆解网页,并通过抽帧理解视频、用 Canvas 2D 重写《NAIAD 水泽仙女》网页版。官方数据显示,579 个真实金融任务上 Hy4 得 3.04 分,居开源模型第一;幻觉率从 preview 版的 12.95% 降至 7.2%。但文章也明确指出,与 GPT、Claude 等顶尖闭源模型相比,Hy4 在高难度推理和工程任务上仍然落后,混元团队自己承认差距较大,下一代 Hy5 会继续扩大规模。
关键事实
- 11 月 4 日腾讯混元 Hy4 正式发布,模型权重将在近期开源,轻量版 Hy4 flash 同步亮相
- Hy4 定价维持不变:输入 6 元、输出 18 元、缓存命中 0.3 元每百万 tokens
- 即日起至 12 月 31 日,Hy4 在腾讯云 TokenHub 按刊例价 5 折计费;11 月 4 日到 15 日 WorkBuddy 和 CodeBuddy 提供一定额度免费使用
- 579 个真实金融任务上 Hy4 得 3.04 分,高于 DeepSeek-V4.1-Flash 的 2.97 和 Kimi K3.1 Pro、GLM-5.3 的 2.68
- 金融智能体公司讯兔科技的内部评测 IRAB 中,Hy4 较 preview 版提升 12.03 个百分点
- Hy4 幻觉率从 preview 版的 12.95% 降到 7.2%,猜测导致的错误率从 23.1% 降到 5.6%
本站视角
对国内做 Agent 产品的团队来说,Hy4 最值得关注的不是榜单名次,而是两个具体数字:幻觉率 7.2%、猜测错误率 5.6%。长程任务真正的成本不在生成,而在人工验收,错误率每降一个百分点都直接换算成人力成本,这一项比任何跑分都更能决定它能否进入生产流程。对用 API 的中小企业和开发者,Hy4 维持输入 6 元、输出 18 元的定价并叠加 5 折与免费额度,是当前开源阵营里性价比压力最大的一档,会直接压缩同类模型的定价空间。我们的判断是:Hy4 是一次实质进步,但进步集中在工程闭环而非能力上限——长任务能跑完、文件能生成、勾稽能对上,这些是产品可用性的门槛,不是与顶尖闭源模型正面竞争的本钱。文章自己也承认高难度推理和工程任务仍落后,混元团队承认差距较大,这个表态比「首次跻身最强开源模型」的定位更可信。需要观察的是:金融众测 3.04 分、办公评测 83.18 分、Artificial Analysis 中国第二,这些数据大多来自腾讯自建场景或官方口径,第三方独立复现的样本仍然偏少,榜单第一的说服力要打折扣。另外,权重「近期开源」尚未落地,开源承诺的实际许可证条款和可商用范围都还没公布,这决定了它能否真正被开发者生态接纳。对腾讯自身,Hy4 是「掉队论」翻篇后的阶段性答卷,真正的考验在 Hy5。
背景与影响
腾讯过去一年在 AI 上声量更多来自 WorkBuddy 这类 Agent 和应用产品,底层模型的声量相对弱于应用层,外界一度有腾讯在模型上掉队的说法。混元今年 2 月重建基础设施后,平均每两个月推出一个大版本,先以 Preview 开放、再根据反馈发布正式版,8 月的 Hy4 preview 上线后长期位于 OpenRouter 排行前列。Hy4 是这条节奏下的正式版,也是 WorkBuddy 这套 Agent 生产力系统的底座。从行业背景看,国家数据局数据显示我国日均 Token 调用量已从 2024 年初的 1000 亿增长到今年 7 月的超 500 万亿,两年增长超 5000 倍,Agent 正从技术概念变成生产力形态,模型竞争的评价标准也从单轮问答转向跨多轮、长时间运行的任务闭环能力。这意味着 Hy4 的成败不只关乎一个模型,而关乎腾讯能否在应用层之外证明自己的模型底座。
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。