腾讯发布Hy4：新增视觉理解与电脑操作，模型权重和系统卡“数日内”才放出，评测数字均出自腾讯自己的稿件，定价数字与8月预览版文章不一致

2026年11月4日，腾讯在官网发布新闻稿，宣布推出最新一代大语言模型Hy4。稿件称，该模型性能大幅提升，已跻身全球领先的开源模型之列。但同一份稿件又写明，腾讯混元计划“在未来几天”发布模型权重和系统卡。也就是说，在发布当天，权重和系统卡还没有放出，“开源”目前是计划，读者应以实际发布为准。稿件没有给出参数规模和上下文长度，这两项只能参考8月28日预览版文章：770B总参数、49B激活参数、超过100万token的上下文，但预览版数字不能直接当作正式版的数字。

在能力上，稿件说Hy4首次具备视觉理解，可做精细图像处理、复杂图表分析和数学视觉推理，也首次具备电脑操作能力，既能使用命令行也能使用图形界面，并在Blender和CAD等专业软件上做过专门训练。办公方面，在腾讯WorkBuddy上的评测平均得分83.18，通过率96.15%，在中国大陆市场的十二个场景中有九个排名第一；稿件没有写明评测方，而WorkBuddy是腾讯自己的产品。金融分析方面，腾讯混元团队与腾讯金融科技合作做盲评：213位金融专业人士参与，其中153位来自外部机构，约70%有五年以上经验，共579个真实任务，得分为Hy4 3.04、DeepSeek-V4.1-Flash-1017 2.97、Kimi K3.1 Pro 2.68、GLM-5.3 2.68。稿件没有写这个分数的满分，所以只能比较名次，不能当作绝对水平。稿件还说，Hy4通过WorkBuddy接入企业微信，可串联聊天、邮件、文档、日历和会议中的日常工作数据，自动跟踪多个项目的历史，提示未完成的任务、需要准备的会议和临近的截止日期；基于Hy4的团队协作新能力将随WorkBuddy的“Projects”功能推出。

预览版文章提供了另一把尺子，但它测的不是同一件事。对Hy4预览版，腾讯做过内部盲评：163位专家、203个工程任务，平均2.99分（满分4.00），略高于GLM-5.3的2.92和Kimi K3的2.94。正式版稿件里的金融得分3.04来自579个金融任务，对比的模型也换成了DeepSeek-V4.1-Flash-1017和Kimi K3.1 Pro等版本。两个分数的任务、评分者和对手都不同，所以从2.99到3.04不是一次实测的提升。预览版文章还说，预览模型参与优化了自己的推理系统，端到端吞吐比基线提高31.8%；正式版稿件则说用Hy4优化了较小模型的预训练基础设施。这两项也都是腾讯自述。

稿件还给出与Hy4预览版相比的内部指标：金融公司Rabyte的投资研究代理基准iRaB提高12.03个百分点；经过针对检索的优化后，幻觉率从12.95%降到7.2%，因不受支持的假设造成的错误从23.1%降到5.6%；游戏开发基准GameDev提高19.1%，GameLogic提高9.8%。这些数字都是相对预览版的内部评测结果，没有给出测试集规模和评测方法，也没有对第三方模型的同口径对比。科研方面，稿件提到TenureTrail在七个学科共123个可执行任务上的表现，并称Hy4利用Hyra 2.0框架优化了同架构较小模型的预训练基础设施，同时开源了两个基础模型：用于单细胞表示的HyCell和用于物理场的HyPDE。

安全部分值得单独看。网络安全方面，稿件称Hy4以防御性安全数据训练，侧重概念验证开发和漏洞修复，包含用于分析的逆向工程和渗透测试内容，但明确把漏洞利用相关的攻击性材料排除在训练数据之外；腾讯玄武实验室和Keen Security Lab做了评估，认为在所评估的方面对其攻击性网络能力没有重大担忧。生物安全方面，内部专家评审认为它具备较强的基础生物学知识，但开放式实验设计能力比前沿模型更有限。这里是“所评估的方面”和“内部评审”，并非独立审计，系统卡尚未发布。

价格和可用性方面，Hy4目前可通过腾讯云TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信AI助手（大元）、ima等使用，API也正通过OpenRouter、Hermes和OpenCode等第三方平台提供。稿件称定价与预览版相同，约为每百万输入token 0.90美元、输出2.70美元、缓存输入0.045美元，而8月28日预览版文章写的是0.834、2.501和0.042美元。两份官方文字的数字不一致，这里并列呈现，不替腾讯解释差异。另外，一个小标题写“Hy4 Flash近期已发布”，正文却说Hy4 Flash“计划近期发布”。11月4日至15日WorkBuddy和CodeBuddy免费，TokenHub上的Hy4享50%折扣，持续到2026年12月31日。

对读者来说，这是一篇厂商发布稿：权重未放出、评测数字都来自腾讯自己的稿件、对比对象和评分尺度不完整、价格口径不一致。要判断它是否真如稿件所说跻身领先开源模型，应等待权重、系统卡和第三方独立评测。