火速实测腾讯Hy4 preview：一条提示词直出3D开放世界游戏，缓存价格看齐DeepSeek

智东西
作者 陈骏达
编辑 云鹏

智东西8月28日报道，就在刚刚，腾讯发布并开源了Hy4 preview，其最新一代旗舰模型的预览版本。Hy4 preview拥有770B参数、激活参数49B、上下文长度1M，较Hy3 295B参数、21B激活、256k上下文有明显提升。

8月末的大模型圈格外热闹，仅在这两天，就有阿里Qwen3.8-Flash、智谱GLM-5.3-Flash等模型开源，而腾讯是最新交出成果的玩家。今年腾讯在AI方面的迭代速度明显加快，多位知名AI人才加入，外界也期待腾讯能否在这场拿出差异化的成果。

腾讯公开了Hy4 preview的基准测试结果。在多个编程、智能体和科研基准测试中，Hy4 preview的得分超过了DeepSeek V4 Pro 0824等模型，排名位居开源模型第一梯队。

编程、办公、游戏开发、科研等场景是Hy4 preview此次升级的重点。腾讯与内部的软工、游戏、金融、安全等领域专家进行了高质量数据的建设，最终提升了模型在上述领域的效果。

智东西在发布前获得了Hy4 preview的内测资格，得以提前深度体验这款模型在真实开发和生产力场景中的完整能力。我们的本次测试主要在WorkBuddy内完成，可以感受到，Hy4 preview在长上下文任务中的任务拆解、工具调用与自我纠错能力构成了本次升级的亮点。

腾讯官方晒出了不少Hy4 preview的demo。比如，通过MCP接入虚幻5引擎后，Hy4 preview可以实现纯对话从零制作一个射击游戏Demo，包括环境美术搭建、玩法搭建、关卡搭建。

在办公场景，Hy4 preview可以从72份文件中自动判断发票是否合规，从3份规章制度中找到现行生效的规则，甄别发票报销申请是否合规。

目前，Hy4 preview已开源，并在腾讯云TokenHub和OpenRouter上线，个人用户也可选择在WorkBuddy/CodeBuddy 、元宝、ima等产品上体验。这一模型的API价格为6元/百万输入tokens、18元/百万输出tokens。输入命中缓存价格则为0.3元/百万tokens，刚好与DeepSeek V4 Pro一致。

开源链接：

https://huggingface.co/tencent/Hy4-preview

https://github.com/Tencent-Hunyuan/Hy4-preview

https://modelscope.cn/models/Tencent-Hunyuan/Hy4-preview

https://ai.gitcode.com/tencent_hunyuan/Hy4-preview

模型体验：

https://aistudio.tencent.com/

一、编程能力较Hy3提升明显，前端代码、3D建模效果成亮点

我们的实测从编程场景开始。在此前对Hy3的实测中，我们曾让Hy3执行如下任务：

构建一个自包含的HTML5 Canvas场景，包含真实物理演示：一列火车从断裂的桥梁上脱轨并坠入水中。

同样的任务交给Hy4 preview，可以看到它的完成度要明显高于Hy3，火车落水的物理细节更为符合实际，每节车厢都有独立的碰撞体积，没有出现Hy3之前结果中穿模的问题。

在更为复杂的开发任务中，我们让Hy4 preview打造一个Art Deco风格的个人博客网站。这一任务需要模型具备良好的前端开发能力之外，还要求它需要对抽象的风格有自己的理解——Art Deco是一种建筑风格，如何将它融入到一个网页中需要巧思。

在正式开发之前，Hy4 preview先是检查了一遍环境，确认所需的环境版本正确，然后才开始规划开发方案。它直接将各种技术栈选择列为交互框，我只需点击即可快速确定方案。

执行过程中，Hy4 preview先是迅速完成了初版网页的开发，然后直接进入到验证环节，它自主修复了高亮颜色显示有误、JS崩溃等问题，直到确保测试通过才向我交付了最终的成果。

从结果来看，Hy4 preview很好地理解了Art Deco的设计语言，从网页logo设计到代码块颜色的选择，都保持了统一的设计语言。功能方面，这一网站的渲染正常，没有出现围栏泄露、代码高亮串色或标签嵌套破损等自建解析器常见的问题。

当Hy3拿到同样的任务时，可以看到它的设计虽然也能看出Art Deco的痕迹，但在代码块等细节设计上有点出戏了。

以上任务都还是相对轻量级的。最后，我让Hy4 preview尝试打造一个低多边形风格的3D开放世界游戏。

这个任务要求把此前分散考察的能力在一个项目里交付，打造一个具备基本游戏性的闭环，同时还需要处理水面反射、昼夜推移、晴雨雾天气切换、脚步声和环境音等诸多细节，难度不小。给足权限后，Hy4 preview连续工作了1小时，最终完成了任务。

对于复杂项目，Hy4 preview可以充分利用WorkBuddy的任务列表机制，规划合理的执行流程，先搭建框架再来实现细节。

开发过程中，Hy4 preview可以运用WorkBuddy的视觉工具对开发结果进行检查。比如，在考察游戏的资源采集机制时，它可以通过命令操作游戏人物，执行采集动作，并截图确认是否成功。

Hy4 preview最终交付了一个多文件的项目，游戏大小来到10MB左右，打开游戏后，我们试着体验了一下核心游戏机制，像是采集、进食、建造等动作都可以正常进行，已经具备一定的可玩性。

跑完这几个任务，可以感受到Hy4 preview已经能承担更为复杂、长程的开发任务，尤其是在前端审美方面有可感的提升。

二、生产力场景实测：采购询价、读财报出PPT，还能自己揪出数据错误

体验完Hy4 preview的编程能力，我们将测试场景挪到了生产力场景。此次Hy4 preview重点提升了文档处理、信息分析等能力。

实测中，我们构造了一个虚拟的采购场景，让它帮公司的3个会议室完成视频会议设备的采购，预算为8万元，要求兼容Zoom。

拿到任务后，Hy4 preview进行了4轮并行的基础检索，把我在一开始点名的Poly Studio X、Logitech Rally Bar、华为CloudLink、MAXHUB等备选方案各摸了一遍公开报价。

但它没有顺势展开对比，而是停下来问了三件事：8万预算是否包含显示大屏、公司主用哪家会议软件、期望原生一体机还是自带设备接笔记本。

拿到更为具体的需求后，Hy4 preview在进一步调研后给出了最终的回答，并将这一结论只作为可视化的柱状图，屏幕、会议终端、隐性成本等成本项都考虑到了。

在深度搜索场景中，Hy4 preview展现出不错的专业素养和业务思维，在信息不足时，它主动向我澄清需求，最终给出了更准确的答案。

在另一任务中，我们让Hy4 preview下载腾讯近期财报，并从PDF中提取财务数据，最终输出业绩分析的PPT文件。

在搜集财务数据时，Hy4 preview对每个数字都进行了三层校验，包括分部合计、基准值比对、会计恒等式，还是比较严谨的。这一校验机制也帮助它找到一个真实的错误，初稿中Hy4 preview把利润率的分母搞错了，随后它自我进行了修正。

最终，模型输出的PPT结果如下。可以看到，这份PPT从设计上来看简洁清晰，关键财务数据的呈现比较直观。同时，我们还人工抽查核验了部分数据，与实际财报的内容没有出入。

三、Hy4 preview进入科研场景：优化基础设施端到端提升31.8%

Hy4 preview还探索了在科学研究场景的应用。腾讯在博客中分享了不少案例，比如，在基础设施优化场景，Hy4 preview可以自主分析推理系统瓶颈，并围绕算子融合、通信优化等方向开展多轮优化，实现端到端吞吐相较基线提升31.8%的结果，在不同上下文长度和并发度下均取得稳定收益。

Hy4 preview还可以自主管理小型模型的后训练，并根据结果持续调整探索方向。下方案例中，Hy4 preview作为研究者协调Codex同时优化多个评测目标，在8项评测上均优于Codex独立探索。

与腾讯自研的科研智能体Hyra结合后，Hy4 preview在机器学习力场分子动力学（MD）模拟上取得进步，32512原子磷脂双分子层SO3LR在高度优化的JAX实现上进一步提速至2.02倍，达到4.9 ms/step，单张高端GPU可容纳30万原子。这一进展有望给新材料筛选、药物分子研究和复杂生命体系模拟打开更大的计算空间。

结语：腾讯Hy迭代持续，思考效率或成优化方向

腾讯称，Hy4 preview是Hy4迭代的一个早期版本，预训练和后训练均仍有较大的提升空间，也有一些已知问题，如复杂任务的长思考和过度自我验证倾向。这也与我们的实际体验一致：这一模型有时会困在自我验证的循环之中，只有人工打断、推进，才能完成任务，思考效率不算太高。

不过，Hy4 preview已较腾讯上一代旗舰模型Hy3实现了明显的提升。未来，随着数据规模、质量的提升和训练方法的优化，Hy4的能力应该还有进一步提升的空间。