腾讯混元 Hy4 发布：大幅提升

腾讯混元发布了 Hy4 正式版，和 8 月底的 preview 比，这一版首次引入视觉，也首次支持电脑操作

同时模型效果相比前代模型，有了大幅提升，比如让他自己做一个游戏，并且自己电脑来玩，还是很令人惊愕的，这个是效果：

老规矩：本周在 AGI Bar，可免费使用 Hy4

上下文窗口 1M token，单次最多输出 64K，API 和 preview 同价，每百万 token 输入 6 元（命中缓存 0.3 元）、输出 18 元

根据 Agent Arena 的发布评测，Hy4 在 8500 多次真实长程 Agent 任务里拿到了 4.7% 的净提升，总榜第 14，进入帕累托前沿：Hy4 每个任务成本 0.55 美元，比 Kimi K3.1 Pro（Max）的 1.46 美元低约 62%

左右滑动查看 · 共 2 张

完整的 Benchmark 成绩如下：

想直接用的话，打开 WorkBuddy，把模型换成 Hy4 就行，11 月 4 日到 15 日每天送免费额度，订阅用户会有更高的额度

今天帮你做些什么？ Hy4 极致 1.00x Hy4 限时免费 0.00x Hy3 限时免费 0.00x DeepSeek-V4.1-Fl… 0.11x GLM-5.3 0.69x Hy4 限时免费 0.00x Hy4 限时免费 最新旗舰模型 Agent 与多模专长 11月4日—11月15日 每日赠送免费额度 消耗速度 0.00x 倍率 上下文窗口 300K 轻触播放 打开 WorkBuddy，把模型换成 Hy4，11 月 15 日前每天送免费额度

除此之外，也可以通过元宝、ima 使用，也可以通过 腾讯云和 OpenRouter 进行 API 调用

后面我会放更多的例子，均由 Hy4 按一段需求做出来的，比如这件青花瓷

WorkBuddy 新建任务 专家·技能 资料库 做一个拉坯网页： 按住泥坯能拉高 掐细，上釉、画 缠枝莲，再入窑 烧成一件瓷器 Hy4 拉坯 上釉 青花 出窑 轻触播放 青花瓷是 Hy4 做的，同样的需求在 WorkBuddy 里选 Hy4 就能提

更好的视觉、更好的 Agent

专业软件的入口大多是图形界面，Hy4 把视觉、推理和工具调用串在一起，还针对 Blender、CAD 和跨应用长任务做了专项训练

比如给他一张随手拍的一张照片，它能定位到城市和拍摄点

这种 Computer use 的能力也可以用在装修设计里，比如下面这个：照着一张图纸在 Blender 里搭出室内，再导进 UE，做成第一人称、能换材质的装修场景

而对于 UE、Unity、Godot 等等工具，Hy4 也有非常好的适配性，下面这个是 Three.js 做的「QQ 欢乐街机厅」

我试了一下

除了最开始的双人坦克大战外，我也做了更多的例子，也给大家展示一下

行星齿轮减速器“用 Blender 的 Python 脚本从零建模，齿形用渐开线计算，齿轮要真的能啮合，做一段先运转、再爆炸拆开的动画”

青花瓷拉坯：“做一个拉坯网页：手指按住泥坯能拉高掐细，拉好后上釉、用青花料笔画缠枝莲，再入窑烧成”

看懂清明上河图：“这是清院本《清明上河图》全卷，56531×1700 像素。切片逐段看，不许联网，找出 12 处最有意思的市井细节，框准，做成长卷导览”

Hy4 切了 24 段一段段看，12 个框裁出来我逐个核过，骆驼商队、寒食秋千、高台百戏都落在了对的位置

《八仙过海》立体纸雕书（一句话需求）：

奶茶连锁经营分析：“这是一家奶茶连锁 1–10 月的销售明细，老板要决定明年往哪开店、外卖要不要继续打折、哪几个单品该砍。交付带公式的 Excel 模型和 20 页以内的 PPT”

数据是我用脚本编的 2.6 万行，故意埋了两处变化：柠檬茶的夏季爆发，冰博克厚乳 7 月起下滑。Hy4 都找到了，还建议砍掉冰博克之前先做测试

金融练得最多

这个模型在金融方面也做了专门的训练，覆盖基金研究、证券分析、量化策略、资产配置、财税会计这些方向

在混元的自建测试里，幻觉率和猜测导致的错误率都明显下降

HY RESEARCH 幻觉率 → HY RESEARCH 猜测导致的错误率 → 轻触播放 红条是 100 次回答里出错的次数，来自混元的自建测试

腾讯金融科技 FiT 组织了 213 位专家众测，其中 153 位来自外部头部金融机构，七成有五年以上经验。579 个真实金融任务（满分 4 分）的结果是：

• Hy4：3.04

• DeepSeek-V4.1-Flash-1017：2.97

• Kimi K3.1 Pro：2.68

• GLM-5.3：2.68

这是用 Hy4 做的特斯拉估值报告，输出 Excel 模型和 PDF

业务替模型出题

姚顺雨和汤道生对谈时说过，方法论成熟之后，寻找好问题变得更难，那么，不妨把真实任务拿来看看，这里有几个业务的内部评测结果：

• 王者荣耀：20 类游戏配置的准确率从 91.74% 提升到 97.28%，Agent 自主校验修复后达到 99.32%

• QQ：小 Q 的整体满意率从 90.11% 提升到 93.10%

• 元宝：内部评测得分从 65.25 提高到 72.53

• 微信读书：综合评测得分从 82.10 提升到 87.69

• WorkBuddy：平均 83.18 分，通过率 96.15%，12 个场景里有 9 个排在国内模型第一

王者荣耀 · 20 类游戏配置 Hy4 preview Hy4 Agent 自己校验后 轻触播放 每 1000 项配置的错误数，由准确率换算

接上 WorkBuddy 的企业微信套件之后，Hy4 能连通聊天记录、邮件、文档、日程和会议，理清各自项目 让模型参与训练模型

Hy4 在为递归自我改进（RSI）做准备，配合自动化科研脚手架 Hyra 2.0：

• 在内部缩小规模的模型上，自己定位预训练系统的性能瓶颈，端到端训练吞吐提升 20.1%

• 自动训练出 Hyra-Jev，8 项基准评测里 6 项优于官方 Jev

科研任务方面，Hy4 在离线、没有专用配准工具、没有细胞类型标注的条件下，对 84 张无序切片、699 万个细胞完成了小鼠胚胎的三维重建，全程无人干预，用时 1.5 小时

和北京大学数学团队的合作里，Hy4 找到了 Méndez–Pinto–Villarreal 猜想的反例，提出新条件完善了猜想，并做了 Lean 形式化验证

由 Hy4 协同 Hyra 2.0 研发的单细胞模型 HyCell、物理场模型 HyPDE 也已经开源

左右滑动查看 · 共 2 张

最后

混元计划开源权重，已经联合 vLLM、SGLang 社区和 Inferact 做生态支持，届时会一起发布系统卡片

接下来还有 Hy4 flash，近期发布，主打性价比和推理速度

别忘了：本周在 AGI Bar，可以免费使用 Hy4