智东西

作者 | 陈骏达

编辑 | 云鹏

智东西 11 月 4 日报道，今天，腾讯发布其最新一代旗舰模型Hy4正式版，并计划开源模型权重。相比于今年 8 月发布的 Hy4 preview，Hy4 显著扩展了预训练和后训练规模，首次引入了视觉能力，并大幅提升了指令遵循、长文理解、长程任务、深度研究等各项综合能力。

视觉能力的从无到有，解锁了不少 Hy 模型的新玩法。比如，用户可以上传随手拍摄的照片，让 Hy4 确定地理位置并核实信息。或是根据一张课本图片，打造 3D 的讲解网页。

从腾讯公布的完整基准测试结果来看，Hy4 在智能体编程、搜索、办公等领域的多个公开基准测试中，实现了对 DeepSeek-V4.1-Flash 等模型的超越，但是距离 GPT-6.1 Sol、Claude Opus 5.5 等模型仍有一定差距。

Hy4 也在为递归自我改进（RSI）做准备。结合腾讯自研的科研智能体 Hyra2.0 后，Hy4 优化了内部同架构小模型的预训练基础设施，实现了 20.1% 端到端训练吞吐提升，并自动训练出在多项评测中优于官方的 Jev 模型。

Hy4 已在腾讯云和 OpenRouter 上线，并可在 CodeBuddy/WorkBuddy、元宝、ima 等腾讯系 AI 产品中体验，性能显著超过 Hy4 preview 的同时，维持相同 API 价格。Hy4 的 API 价格介于 DeepSeek V4 Pro 空闲时段与高峰时段的输入输出价格之间，而缓存命中价格与 DeepSeek V4 Pro 高峰时段价格一致。

腾讯还计划在近期发布 Hy4 flash，会显著提升模型性价比和推理速度。

腾讯称，他们已联合 vLLM/SGLang 社区以及 Inferact Inc. 为 Hy4 提供开源生态支持。在发布之前，国产算力生态已经开始进行 Hy4 的推理适配。11 月 2 日，适用于昇腾 NPU 的 vLLM-Ascend 开源插件仓库新增一项名为 "Add Hy4 deployment guide" 的 PR，涉及在 Hy4 在昇腾 950DT 上的单节点、多节点和 PD 分离部署。

在 Hy4 正式版发布前，智东西提前拿到内测权限并进行了体验。从我们的体验结果来看，补齐原生视觉理解是 Hy4 最实质的变化，它直接改变了编程、3D 建模等任务的交互方式，操作微信电脑版等 PC 应用的体验也更好；同样值得关注的是长程任务能力的提升，在多轮迭代中，Hy4 相比此前的 Hy 系列模型展现出更强的目标保持能力。

一、原生视觉理解首秀，看图编程、3D 建模实测过关

原生视觉理解能力一直是 Hy 旗舰模型此前的一块空白。在这次实测中，我们将它与编程、3D 建模等复杂任务放在一起考察。

在编程场景，腾讯对前端的复杂交互、业务逻辑、状态管理、前后端联动等方面进行了针对性优化，让模型生成的界面除了好看，也具备完整可用的功能。

先来看一个轻量的网页改造任务，我将智东西的官网链接甩给 Hy4，并选取了另一个网站作为参考设计，让 Hy4 据此进行改造。

拿到任务后，Hy4 对两个网站都进行了充分的探索，一方面阅读 HTML 代码，熟悉网站的结构骨架与样式基因，另一方面通过截图，确认版式比例、视觉重心与色彩气质等这类难以从代码中直接感知的设计细节。

探索过程中，它还将智东西官网的图片素材都扒了下来，便于后续开发。

原生的视觉理解能力也让修改代码变得更加轻松：我可以直接截图，把界面上想改的地方指给模型看，不用再费力用文字描述布局、配色和元素位置。对于小修改，HY4 大概只需要花上 1-2 分钟，思维链看上去比 Hy4 Preview 更为简洁。

最终，在经历三四轮人工反馈后，Hy4 交出了我们相对满意的智东西官网改造设计，在保留智东西品牌色、网站交互等细节的同时，采用了 TechCrunch 的版式，并且规避了粒子光效、渐变发光等典型的 AI 味儿设计语言。

我们的下一个实测任务是 3D 模型的开发，环境是 Blender。腾讯称，在 Hy4 上，他们针对 Blender、CAD 等专业软件和跨应用长程任务开展了专项训练，优化了专业任务的规划与执行力。

要用好外部工具，相应的 Skill、打通 MCP 连接器必不可少，我从 GitHub 上找了一个 Blender Skill 的合集，并让 Hy4 完成安装和 MCP 配置。

完成后，我上传了一张腾讯经典企鹅形象的二维图片，并要求 Hy4 据此打造一个 3D 模型，并在企鹅肚子上预留一块屏幕的嵌入位，这么一来，它就能成为一个 AI 硬件的外壳。

在 17 分钟的执行后，Hy4 交付了初版模型。这个模型抓住了关键特征，红围巾、圆肚皮、屏幕嵌入位都在，但整体还原度还有提升空间。

同时，它还充分考虑了 AI 硬件所需的其他要素，在我们没有明确要求的情况下，加入了 USB-C 开孔、扬声器开孔、头顶麦克风开孔以及内部装配参考件。

此后的 30 多分钟里，我边截图边与 Hy4 对话，前后进行了 6 轮改稿，逐一指出它的模型设计与腾讯经典企鹅形象的差别。

反复未能改好的问题是企鹅左眼的设计，参考图里的眼睛是白色竖椭圆，但是 Hy4 在前几版都做成了浮在脸上的一条黑色弧线，直到它把参考图放大 4 倍、8 倍才看清并改对。

不过，修改过程中，Hy4 交付的 3D 模型没有出现 " 越改越偏 " 的问题，每个版本都有可感的提升。最终它交付的成品如下，与初版模型相比，它的还原度明显更好，同时工程可用性并没有受到外观返工的影响。

从整个过程看，Hy4 在 3D 建模上的几何自检做得不错，短板主要在视觉自检。这可能与目前大部分大模型在 3D 建模时采用的参数化建模方式有关：参数化管线能直接读回的都是标量，面对跨对象、跨尺度的问题时容易判断缺位。

这波体验下来，值得关注的是 Hy4 在长程任务上的表现。无论是网页改造的多轮反馈，还是用掉 50 万上下文窗口的 3D 建模任务，Hy4 都记住了最初的任务目标，对需要长链路执行的 Agent 类产品来说，这种能力是十分关键的。

二、让 Hy4 当一天打工人：做财报 PPT、在微信爬楼，被封锁也不瞎编

除了上述复杂长程任务之外，我们也考察了 Hy4 在办公类任务上的表现。任务提示词如下：

充分利用 SpaceX IR 网页里 Q3 财报的数据和物料，包括 Earnings Update、Q&A、10-Q 和 Transcript，生成一份 PPT，用于介绍业绩进展。

拿到任务后，Hy4 先找到网站并下载了提示词中提到的文件，其中，Earnings Update 的 PDF 文件下载极慢，于是它选择绕道 SEC 官网拿到同源的全文，PDF 原件只用作留档核验。

在下载 Q&A 文件时，Hy4 遇到了地域封锁，它没有编造内容，而是通过检索补充了信息，并在回答里注明了这一限制。

在大概 30 分钟后，Hy4 就完成了初版 PPT 文件的生成，我们抽检了几个数据，都与真实情况相符。不过，它的初版 PPT 全是密密麻麻的文字，阅读体验不佳。

在我指出这一问题后，Hy4 调用 PDF 截图工具把 SpaceX 财报中丰富的视觉素材保存至本地，并将其融入 PPT 设计，最终做出了一份图文并茂的 PPT，兼顾美感和信息量。

有了原生视觉能力之后，Hy4 的电脑操作能力也值得一试。如今，让 Hy4 操作微信，在评论区里自动发布评论的流程已经可以完整跑通，它的操作定位精准，但是执行速度还是比较慢。

Hy4 发评论的执行过程（20 倍速）

抢鼠标的问题也客观存在，它使用电脑时我无法进行其他操作，否则就可能打断它的正常执行。

我还试着让 Hy4 在微信群里爬楼，总结工作消息。这一任务它花了大概 2 分钟就跑完了，走的是纯 GUI 的路线——打开微信、找到群聊、滑动页面、记录内容。它总结的内容还相对完整，包含清晰的时间点，连图片里的文章修改意见都能看清。

两个案例跑下来，可以看到 Hy4+WorkBuddy 的组合在办公与长程推理场景的可靠性不错，基本不会擅自行动，满足了办公场景对严谨性的要求。

三、优化基础设施实现 20.1% 吞吐提升，已剔除攻击性训练内容

腾讯还在博客中分享了 Hy4 在科研场景的能力。

在 AI 研究场景中，Hy4 自主定位预训练系统中的性能瓶颈，并围绕多个方向开展多轮基础设施优化，最终实现端到端训练吞吐提升 20.1%。

在涵盖 7 大学科、123 项可执行研究任务的 TenureTrail 内部评测中，Hy4 在数学构造、物理建模、地球环境、系统工程和社会经济决策等领域展现出不错的科研能力，位居开源模型第一。

借助 Hyra 2.0，Hy4 研发了单细胞表征基础模型 HyCell。在 7 个未参与训练的细胞图谱上，仅有 1600 万参数的 HyCell 以约 1/14 的参数量达到与当前 SOTA 模型 Stack 相当的综合性能，并取得参评模型中最高的平均生物学保真度得分。

在物理场建模方向，Hy4 配合 Hyra 2.0 研发了物理基础模型 HyPDE。与当前 SOTA 模型 Walrus 相比，HyPDE 在 13 个物理仿真数据集上的单步、短期（1 – 20 步）和长期（21 – 60 步）预测中，分别有 9、10、8 个数据集取得更低的预测误差。

腾讯也已将上述两个模型开源。

在 AI 安全方面，腾讯称他们已经意识到模型的网络和生物等能力潜在的安全风险。在 Hy4 训练阶段，研发团队仅纳入与 PoC 生成、漏洞修复相关的防守性网络安全数据，同时剔除漏洞利用、逆向、渗透等攻击性训练内容，力求避免潜在进攻性能力的提升。

在生物方面，Hy4 的开放式实验设计能力与前沿模型存在明显差距，腾讯组织了内部专家对轨迹进行审计，发现模型基础生物知识的掌握能力较强，但将知识转化为可执行实验方案的能力仍然有限，尚未发现其能够显著降低实施生物化学危害行为的门槛。

结语：预训练和后训练规模将继续加码

在博客中，腾讯提到，Hy4 目前与顶尖闭源模型仍然存在较大差距，尤其在腾讯内部构建的前沿数学、长程开发、模型迭代、视觉问答等领域的高难度测试集上。

未来，腾讯将持续稳健地扩展预训练和后训练规模，努力缩小和顶尖闭源模型的差距。