Hy4 正式发布：视觉与电脑操作，腾讯的第四张开源王牌

2026 年 11 月 4 日，腾讯混元发布了 Hy4 正式版——从 8 月 28 日的 preview 到正式版，只隔了两个多月，但这一次变化的幅度不像一次常规迭代：视觉理解与电脑操作首次加入混元产品线，预训练与后训练规模显著扩展，办公、金融、游戏与科研四条生产力线同时铺开。腾讯的口径是「首次跻身最强开源模型之列」，但同一份发布稿里也罕见地专设一节讲差距——这个「自信 + 自省」的组合，是这次发布最值得注意的地方。

这次到底新了什么

最核心的变化是两项「首次」：视觉理解与电脑操作。视觉方面，Hy4 能做细粒度图像处理、复杂图表分析与数学视觉推理；官方演示里，它在一张 28 亿像素的航拍图上定位了一个约 2 米大小的屋顶构件，并从一张有 8 万个点的散点图里正确读出了两个子图。电脑操作方面，它把命令行与图形界面操作结合起来，还在 Blender、CAD 等专业软件上做了专项训练——不是只会点点鼠标，而是能按专业软件的逻辑去操作。

第二是规模与能力的全面扩展：预训练与后训练规模显著扩大，指令遵循、长文理解、长程 Agent 与上下文利用全部提升。官方附录显示，Terminal-Bench 4.0 从 preview 的 26.3 升至 44.4，DeepSWE 从 64.3 升至 74.9，APEX-Agents 从 53.9 升至 75.2。幻觉率也在下降：腾讯内部通用测试从 12.95% 降至 7.2%，搜索专项优化后的自建测试从 15.76% 降至 5.45%——但这些都是腾讯自己的测试口径，独立测量给出的数字要严峻得多（见基准专文）。

第三是四条生产力线的完整故事。办公：WorkBuddy 办公室评测平均 83.18 分、通过率 96.15%，12 个场景里 9 个中国第一。金融：腾讯组织的 FiT 众测里 213 位专家（153 位外部）打出 3.04 分，开源第一。游戏：GameDev +19.1%、GameLogic +9.8%（相对 preview）。科研：官方演示了小鼠胚胎 3D 重建——84 张无序二维切片、699 万细胞、1.5 小时无人干预完成。这些数字全是腾讯自测或腾讯组织的评估，读的时候要记得这个前提。

价格与渠道：加量不加价

TokenHub 目录价与 preview 完全相同：输入 ¥6、输出 ¥18（每百万 tokens），缓存命中 ¥0.3；国际价 $0.834 / $2.501 / $0.042。发布日起至 12 月 31 日 23:59 北京时间 5 折。渠道上，TokenHub（模型 ID hy4）与 OpenRouter（tencent/hy4）同步上线，Hermes、OpenCode 接入；腾讯自家产品 WorkBuddy/CodeBuddy、元宝、ima、企业微信智能助理大圆同步上 Hy4。WorkBuddy 与 CodeBuddy 在 11 月 4–15 日提供免费额度——首日用户就触发了限额，腾讯次日把推理集群扩容 10 倍并提高额度。

发布稿里最罕见的一节：自我差距评估

发布页专设一节讲局限：在前沿数学、长程开发、模型迭代与视觉问答高难测试上，与顶尖闭源模型「仍有较大差距」。官方图表佐证了这句话：Hy-FrontierMath T5 仅 13.0 分（GPT-6.1 Sol 97.5、Claude Opus 5.5 91.3），Goal2Repo 23.2（Claude 74.0），Terminal-Bench-Science 19.8（GPT 60.9）。财新引述混元团队的话是「将持续稳健地扩展预训练和后训练规模，努力缩小差距」——Hy5 的规模还将进一步扩大。

这种坦诚不只是姿态，它也解释了 Hy4 的定位：不是去争「最强模型」，而是去争「最强开源模型」里的一席之地——在办公、金融与电脑操作这些真实生产力场景里做到开源第一，同时把价格压到同分闭源模型的零头。AA 的独立测量印证了这个定位：指数 35 分与 Grok 4.7（xhigh）持平，每任务成本约 $0.78，约为同分 Grok 的 1/10。

还没落地的部分

发布九天后（11 月 13 日），正式版权重仍然未发布，许可协议未公布，系统卡也未见。腾讯的说法是「将于近期开源」，但没有日期；11 月 11 日复查 Hugging Face 仍只有 preview 权重。Hy4 Flash 也只说「近期发布」，无规格、无日期、无价格。对于想本地部署或私有化的用户来说，这次发布目前能用的只有 API——而 preview 权重是纯文本模型，没有这次发布最核心的两项新能力。