腾讯Hy4新增视觉与电脑操作能力，量子位用WorkBuddy实测，数据待验证

2026年11月4日，腾讯发布混元大模型的正式版Hy4，此前的预览版于8月28日推出。据腾讯介绍，这是该系列首次引入原生视觉能力和电脑操作能力。中国科技媒体量子位在腾讯的智能体工具WorkBuddy中对该模型进行了实测，结论是它能够很好地完成整套任务交付。需要说明的是，这是一家中文专业媒体的上手体验，任务由作者自行挑选，并不是独立的第三方评测。

腾讯对Hy4的官方说法

多模态大语言模型，是指能够同时处理文字和图像的模型。据量子位报道，Hy4总参数为7700亿，每次请求激活490亿参数，属于混合专家架构。需要注意的是，据Digital Applied网站称，这些数字属于预览版，截至11月5日，腾讯尚未发布正式版的模型卡。该模型已在腾讯云TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信智能助理和ima等产品中上线，API可通过OpenRouter、Hermes和OpenCode调用，以上均出自量子位。Digital Applied转述的腾讯公布价格为：输入每百万词元0.834美元，输出2.501美元，缓存输入0.042美元，与预览版相同。量子位还提到，WorkBuddy的国内版和国际版提供限时免费体验，截止到11月15日23时59分。

• 与腾讯金融科技共同开展的金融评测：213位专业人士评审579项任务，Hy4得分3.04，DeepSeek-V4.1-Flash-1017为2.97，Kimi K3.1 Pro和GLM-5.3均为2.68（腾讯内部数据）。
• 推测类错误率在腾讯自有评测集上由23.1%降至5.6%。
• 幻觉率：腾讯公告（经Digital Applied转述）称由15.76%降至5.45%，而量子位文章给出的是由12.95%降至7.2%，两组数字并不一致。
• 视觉能力：据量子位，可在28亿像素的航拍图中定位约2米的屋顶构件。
• 科研：内部评测TenureTrail，涵盖7个学科、123项可执行任务。

量子位的实测究竟说明了什么

量子位在WorkBuddy中给Hy4出的第一道题，是一把可交互的3D机械键盘，75%配列、84键，分为键帽、轴体、定位板、电路板、电池和外壳六层，可以用鼠标拆开，并带有按键下压的动画。第二道题是仅凭一张截图复刻复古风格的音乐播放器。作者认为还原度接近99.9%，这是主观判断，只发现了一处差别：两个导航按钮中，一个是圆形，一个是方形。模型还用浏览器的Web Audio接口合成了三首测试曲。据量子位引用的执行记录，模型启动了无界面的Chrome浏览器逐一点击按钮：第一轮51项测试通过48项，修复了一个边缘情况（最后一首播完后点击下一首），最终59项测试全部通过，控制台没有报错。

随后，Hy4根据一张平面图搭建了3D游乐园，包含会转动的旋转木马和摩天轮、小地图以及自动巡游。它为一款便携投影仪制作了16页的演示文稿（要求约15页），用代码绘制矢量示意图，并保持图表可编辑。发现第4页有文字溢出后，它先重排版式再继续。换成深色模板时，它先试了一页，再批量修改其余页面。最后，它交付了名为ATELIER的批量图片处理工具，支持并行处理、前后对比和ZIP导出，开发前还研究了Squoosh等开源工具。

最后一项演示是电脑操作：Hy4在Chrome中打开JS Paint，选择工具和颜色，用鼠标临摹一张参考图，并全程录制。量子位看重的主要是一种做法：小步试错、验证通过后再推进。这些演示由测试者挑选。文章没有给出可复现的测试流程，也没有说明成本、任务耗时，或大量尝试下的失败率。

算不算开源：还有哪些需要核实

量子位的标题把Hy4列入最强开源模型之列。但据Digital Applied，截至11月5日，正式版的权重尚未公开：OpenRouter链接的Hugging Face页面返回401错误，GitHub仓库返回404错误。腾讯表示计划开源权重，并在开源时发布系统卡；量子位则称将于近期开源。目前唯一可下载的Hy4模型是8月的预览版，据Digital Applied引用的Hugging Face模型卡，其许可证为Apache 2.0。正式版的许可证和参数量均未公布。因此，眼下这一说法指的是一项承诺，而不是一个可以下载的文件。

文中引用的评测全部来自腾讯内部或合作方。Manus（文档类任务成功率接近97%）、RabyteTech、WorkBuddy和元宝的评价均由腾讯发布，四家中有两家是腾讯自己的产品，Digital Applied指出，并表示没有找到任何独立复现。量子位还称，Hy4与北京大学团队合作，找到了一个数学猜想的反例，并用Lean做了形式化验证：我们无法核实这一点。更轻量的Hy4 flash已宣布，但未给出时间。

这对企业意味着什么

对中国企业而言，Hy4首先是一个值得测试的候选，而不是可以立刻定下的选择。公布的价格让试用成本很低，WorkBuddy的免费体验持续到11月15日。但在权重、许可证和系统卡发布之前，就计划在自有服务器上部署还为时过早，通过API调用也需要确认数据的流向。更稳妥的做法，是先用自己的办公和开发任务测一测，再决定是否相信厂商给出的排名。