腾讯混元拿下了属于自己的「关键赛点」。
作者 : GaKi
编辑 : Koji
排版 : NCon
新模型发布，现在首先要跨过一条「斩杀线」。
斩杀线原本是游戏术语，主要指血量低于这条线，就会被一击斩杀。放到大模型上，这条线由智能水平和成本共同决定。
Agent Arena 是一个由真实用户评估 Agent 任务的模型排行榜，其「帕累托前沿」视图画出了这条斩杀线，横轴是单次任务成本，纵轴是任务效果：
一款 AI 大模型只要站上这条斩杀线中的某个点，就意味着在相同或更低的成本下，已经找不到效果更好的模型。
11 月 4 日，腾讯混元正式发布新一代大语言模型 Hy4，站在了这条斩杀线之上。
根据 Agent Arena 最新公布的数据，在全球用户参与的 12700 多次真实长程 Agent 任务中，Hy4 的净提升（与平均模型完成同样任务的效果相比）达到 5.39%，进入 Agent Arena Leadboard 总榜前列，目前排名第 13。
全球大模型评测平台 Artificial Analysis 更新的 AA 智能指数榜单，Hy4 在 725 款模型中跻身前列，位列中国模型第二，仅次于 Kimi K3.1 Pro：
再来看成本，在在 Agent Arena 的帕累托前沿视图中，Hy4 平均每个任务成本大致花费 0.57 美元。在这个成本以下的所有模型里，Hy4 的净提升最高、效果最好。
此外，Hy4 这次还加入了视觉理解和电脑操作能力，并针对长程 Agent 任务、金融分析、前端开发等场景进行了优化。
我们第一时间体验了 Hy4，分别选取了「网站开发、3D 建模和金融分析」三个场景，看看它实际用起来怎么样。
下面分享我们的实测过程。
WorkBuddy + 免费 Hy4 实测
这次实测，我们选择了 WorkBuddy。目前，在 WorkBuddy 中可以免费使用 Hy4，而且支持超长程 Agent 任务。
我们一共做了三个 Case。
【1】第一个是论文数据独立复现网站，涉及到很多学术分析，还接入了 AI 大模型的 API，最终开发成一个完整的网站。
【2】第二个是钢铁侠反浩克装甲的 3D 建模项目。
【3】第三个是金融分析，这也是 Hy4 此次重点优化的方向之一。
论文数据独立复现网站
这次，我向 Hy4 提供了一篇论文的原始数据，包括 Excel 文件、论文正文，以及已经完成的数据分析结果，让它独立、完整地复现整个数据分析过程，并最终做成一个网站。
在 WorkBuddy 中免费调用 Hy4 模型的使用时间为 11 月 4 日至 11 月 15 日。
Hy4 现在已经能在 WorkBuddy 中执行流程很长的 Agent 任务。
比如这次的数据分析任务，就持续了近两个小时。从原始问卷数据的处理，到数据核对、统计分析等环节，整个流程都比较完整。
另外，我发现 Hy4 在执行任务时，也会把工作拆成不同的模块，并在过程中进行校准。
比如这次的学术数据独立复现平台就把整个网站分成了前端界面、服务编排、计算引擎等几个部分，分别进行开发和检查。
最终生成的网站也相当完整，从执行摘要、数据上传，到拟合指标分析、学术图表和研究报告，基本都集成进去了。
而且，网站里的每张图表都是 AI 独立分析数据后生成并嵌入的。
同时，网站还会自动将数据分析生成的所有图表整理到一起，方便统一查看和管理。
在这个网站里，可以直接上传原始问卷数据、题项对照表，甚至是论文文件。配置好 AI 大模型的 API 后，就能通过集成的数据分析功能，自动计算 Cronbach's Alpha 等指标，并完成相关的数据分析。
另外，网站还支持将所有数据分析结果一键导出为 Excel 表格，方便后续查看和使用。
即便是 EFA（探索性因子分析）这类复杂分析，以及热图这类图表，Hy4 也能比较轻松地完成。
整体来看，Hy4 在大量数据分析和后端代码开发上的表现还是比较顺畅的。
毕竟，这个项目的流程确实很长，需要先阅读大量论文正文和原始数据，再独立复现数据分析过程，最后通过长流程的 Agent 任务完成网站开发和代码编写。
钢铁侠 3D 建模
这次，我还用 Hy4 做了一次钢铁侠反浩克装甲的 3D 建模，最终生成了一个网站。
下面这张图，就是从完整项目中截取的 40 个分镜画面，拼接在一起的效果。
不过，要制作这样一个 3D 项目，还是需要一段非常详细的提示词。可以直接让 Hy4 帮忙润色和补充，再让它从多个视角截图。
整个项目包含大量粒子、上千个零件和超过 3 万个几何件。我还把粒子数量设置到了 500 万，在这样的规模下，整体帧率依然保持在比较合适的水平。
整个 3D 反浩克装甲还支持一键切换成粒子状态，将所有零件拆开，再重新组合成完整的装甲。
甚至还可以从装甲背部发射导弹，导弹的细节也做得比较到位，发射时还有比较真实的烟雾和火焰轨迹。
再比如下面这个效果：
中际旭创光模块研究报告与 PPT
在这次 Hy4 的官方技术博客中，也重点介绍了它在金融研究方面的能力。
所以，我们让 Hy4 调研了中际旭创的光模块周期，并生成了一份 PPT 和一份腾讯文档。
整个报告涵盖了投资摘要、研究框架、财务分析、产品、地区、客户，以及云厂商 CapEx 等多个方面，金融分析的框架相当完整。
最终生成的 PPT 也相当完整，内容结构很清晰，H1、H2、H3 各级标题都有明确的区分，还加入了大量数据表格，整体排版也比较整齐。
而且，因为这次是在 WorkBuddy 中调用 Hy4，还可以直接使用 WorkBuddy 的人机双写功能。
比如 PPT 里的各个模块，都可以直接让 AI 编辑，也可以自己手动修改，整体用起来会更方便。
另外，还可以直接让 Hy4 把所有调研内容整理成一份腾讯文档，方便后续查看和编辑。
可以看到，整个研究报告大约有 9 万字，从调研到最终生成报告，前后花了一个半小时左右。
我尤其注意到，Hy4 在执行任务时，花了不少时间搭建金融分析框架，再围绕这个框架逐步展开研究。最终生成的报告，内容也比较扎实。
从「追赶者」起步的混元走了多远？
Hy4 发布后，腾讯首席 AI 科学家姚顺雨也在 X 上分享了自己的感受。
他说，团队在不到一年时间里取得了这么大的进步，让他感到很骄傲。同时，他也提到了模型的安全性、实用性，以及如何通过真实用户的测试来评估模型能力。
其实，腾讯混元在国内大模型的竞争中，起步算是比较晚的。
今年 2 月，混元团队重新搭建了基础设施，此后基本每两个月就会发布一个大版本。
从 Hy3 到 Hy4，模型越来越大，能力也越来越强。除了回答问题、写代码，现在还能理解图片、操作电脑，完成一些需要连续执行很多步骤的 Agent 任务。
到了这次 Hy4 发布，混元已经排到了 Agent Arena 全球总榜第 13 名。当然，和全球最强的闭源模型相比，仍有较大差距。
另外，现在大家开始越来越在意模型的使用成本。
Agent Arena 的「帕累托前沿」，就是在综合比较任务效果与成本，进入这一前沿，意味着想获得更好的智能，就必须付出更高的成本。
所以入选意味着在相同或更低成本下，已没有效果更好的模型。
这次 Hy4 的成绩，也说明腾讯混元已经参与到了这一轮竞争中。
而且，随着 Kimi、混元、MiniMax 等国产模型不断更新，模型之间的差距也在慢慢缩小。大家都在尝试用更低的成本，完成更复杂的任务。
我们也期待，未来能有更多国产模型进入 Agent Arena 的帕累托前沿。
加入会员群
评论有奖