网易首页 > 网易号 > 正文 申请入驻

我们用了三道题,给腾讯Hy4来了次全面体检

0
分享至


撰文| 高晓阳

编辑| 郝 鑫

11月4日,腾讯混元发布Hy4正式版。这一版最大的变化有两处,一是首次拥有了视觉能力,二是首次能够操作电脑。API价格与上一版Hy4 preview保持一致,每百万Tokens输入6元、输出18元。

发布当天,我们在WorkBuddy里围绕Hy4这次更新的视觉能力做了三项实测,结论先放在这里。

1、能看得懂图片。一张小众景区的照片,Hy4直接识别出了景区名;另一组更冷门的村落照片没能认出,也没有瞎猜,而是如实给出了可能性的判断。

2、能照着草图把游戏做出来。一张手绘游戏草图上的25个设计点,被完整还原成了一款能玩的网页游戏。

3、不会编造没有查到的数据。在一份要求“查不到就写未公开”的发布解读PPT里,它主动从官方配图中读出了跑分表,引用的119个跑分数字全部准确,还找出了官方口径里一处前后不一致的数据。

在我们看来,这次升级的意义不只是让混元多了一双“眼睛”。视觉已经成了Hy4干活时会主动拿起的工具,用这双“眼睛”来读资料、核对事实、检查最终产出。

看得见,也动得了手,Hy4补齐了两块能力

Hy4正式版已在腾讯云和OpenRouter上线,用户可以在WorkBuddy、CodeBuddy、元宝等产品中直接使用,企业微信智能助理“大圆”也已同步接入。

正式版的参数规模官方没有单独公布。可以参照的是8月底发布的Hy4 preview,在Hugging Face模型卡上写明总参数770B、每个Token激活49B、上下文长度1M;腾讯在发布通稿中也提到,Hy4系列的参数规模达到770B。

能力上,最受关注的是两项“首次”。

视觉方面,Hy4可以结合感知、推理和工具调用,完成细粒度图像处理、复杂图表分析和数学视觉推理。电脑操作方面,它能灵活组合命令行与图形界面,腾讯还针对Blender、CAD等专业软件和跨应用长程任务做了专项训练。

其余能力的提升,官方都给出了具体数据。游戏开发上,Hy4已适配UE、Unity、Godot等主流引擎,GameDev和GameLogic两项评测较preview分别提升19.1%和9.8%。金融场景中,213位专家对579个真实任务进行众测,Hy4以3.04分位列开源模型第一。搜索方面,经过专项优化,自建测试中的幻觉率从15.76%降到了5.45%。

官方附录列出了34项评测的完整成绩。几项代表性的成绩是,Terminal-Bench 4.0从26.3提升到44.4,APEX-Agents v1.1从53.9提升到75.2,后者是表中所有模型里的最高分;电脑操作基准OSWorld 2.1上,Hy4拿到78.9分,与Claude Opus 5.5只差2.9分。


官方也指出了Hy4现在的局限,直言与顶尖闭源模型“仍然存在较大差距”,并列出了前沿数学、长程开发等几个仍需追赶的方向。

三道视觉题,Hy4交出了诚实的答卷

这次我们想重点看Hy4在拥有了视觉能力之后,能力边界可以扩展到哪里。三道题都围绕“看”,并且逐级加码。第一题只考看懂,第二题考看完照着做,第三题考看完资料替人交付一份成品。

电脑操作同样是这次的新能力,但对测试设备要求较高,这次没有纳入。三项测试都在WorkBuddy中完成。

第一项测试想验证Hy4新增的视觉能力,能不能从一张照片里读出地理线索,像官方演示的那样确定拍摄地点并联网核实。结论是,认得出时能精确到景区,认不出时也会如实说明,不会硬猜。

我们从社交平台的公开帖子里挑了两张小众景区照片,一张以自然景观为主,一张以人文景观为主,画面里都没有能直接读出地名的文字。要求Hy4列出线索、给出判断和概率、联网核实,信息不足时直接说明。

第一张是广西凤山县的三门海。Hy4用了不到两分钟就认到了景区名。其推理链很清楚,可以乘船进入的岩溶天窗,洞内望见的环形崖壁和船工撑篙的人力小木船,三条线索叠加锁定三门海,同时排除了同在河池的巴马百鸟岩和贵州的荔波大七孔。它还注意到这张照片调色很重,因此把判断拆成两层,“画面描绘的是三门海”把握更高,“照片拍摄于此”把握较低。


第二组是福建尤溪县书京村的三宫格照片,知名度低得多。Hy4在这组图上花了17分钟,放大检查了牌匾、立牌和建筑构件,按屋脊形制搜了十几组候选景区的实景图逐张比对,还尝试了四个以图搜图服务。最终它没有给出书京村,回答的第一句是“这张照片不足以锁定到具体景区”,把握程度标为低。


对一个会联网的模型来说,给出一个自信的错误答案并不难。Hy4选择把不确定性摆在明处,这在需要查证信息的场景里更有价值。

第二项测试检验的是视觉理解能否直接转化为开发能力,也就是只看一张手绘草图,能不能做出一款规则完整、可以上手玩的游戏。结论是可以,草图上的25个设计点全部落地,成品首轮就能直接运行。

我们先用GPT生成了一张手绘风格的游戏设计草图,玩法是原创的“潮汐快递”,包括9×9的海图、码头、礁石、灯塔,8行图例和10条规则。所有规则只写在图上,给Hy4的文字指令里一条都不重复,它必须看懂这张图才能做对。


Hy4先把草图上的文字逐字转录,再放大地图逐格识别81个格子的类型,礁石、码头的坐标与草图完全一致。代码写完后,先启动无头浏览器跑了一遍,写了22条规则断言逐一验证,又截图检查版面,发现码头上的包裹盖住了“码”字,随即自行修正。整个过程约47分钟,交付的是一个35KB、零外部依赖的单文件网页游戏。


我们按草图列出25个核对点逐一检查,实际试玩验证了装货卸货、加急包裹超时消失、满载减速、涨潮退潮切换、两船相撞掉货、平局进入加时,25项全部通过。对于加急包裹超时该扣谁的分这类草图没写清的细节,Hy4在交付清单里逐条说明了自己的处理方式。


第三项测试把视觉、检索和办公交付放在一起考,看Hy4在自己查资料、做PPT时,能不能把查得到的信息写准,把查不到的信息如实标出。结论是两点都做到了,PPT里引用的119个跑分数字全部准确,空缺的信息也没有编造任何数字。

我们让Hy4做一份发布解读PPT,要求覆盖价格、参数、官方跑分、preview分数、开源权重下载量等九项内容,每个数字标注来源,查不到的写“未公开”,不许估算。

这道题的难点在于,官方跑分表是一张图片,网页抓取拿不到里面的数字。Hy4的做法是把官方公众号的配图下载下来,放大、切块、逐格读取。最终的PPT共12页,引用24个来源,我们逐一对照了官方原图中的跑分数字,全部准确。


Hy4还查出了一处我们事先没有注意到的问题。同样是幻觉率,官方公众号写的是从15.76%降到5.45%,部分媒体发布的通稿写的是从12.95%降到7.2%。PPT把两组数字并列给出,没有替官方选择其中一个。


对于官方确实没有公布的信息,它同样处理得很克制。正式版参数一栏写的是“官方没有公布”,preview的770B规格被单独列出并注明出处;正式版权重尚未开源,下载量一栏写“未查到”,旁边附上了preview仓库的真实下载数据。

成品交到手里,还剩两件事需要人来做,跑分表的列宽要手动调宽,个别概括性的比较要对照原表复核一遍。这两件事都与数据真伪无关,属于交付前的常规校对。

腾讯要的,是一个能放进业务里干活的模型

Hy4发布当天就接入了元宝、WorkBuddy、ima和企业微信智能助理“大圆”,QQ、王者荣耀、和平精英、微信读书、腾讯新闻等产品也在陆续接入。这份清单说明了腾讯对这一代模型的定位,是要先在腾讯自己的产品里把活干好。

评测体系也体现了这一点。官方附录的34项评测中有20项是腾讯自建的内部评测,覆盖编程、搜索、办公、科研等自家产品用得上的场景;金融场景则请来213位专家,用真实任务打分。

在我们看来,腾讯衡量模型的标准,正在从公开榜单的名次,转向在具体业务里能不能用、用得稳不稳。

价格没有上涨,权重计划开源,Hy4 flash也已在路上。对开发者来说,同样的价格换来了一个能看图、能核查的模型。


我们的三项实测里,最让人印象深刻的不是它认出了哪个景区,而是它会主动用眼睛去核对信息。做游戏时,它已经会截图检查自己的版面;等这个习惯延伸到每一份交付物上,从“能干活”到“交付即可用”的距离,还会再缩短一截。


微信号|TMTweb

公众号|光子星球

别忘了扫码关注我们!

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
华泰证券,紧急声明!

华泰证券,紧急声明!

数据宝
2026-11-20 20:17:07
媒体人谈罗德里:才来几个月就对战术指手画脚,马拉多纳也不行啊

媒体人谈罗德里:才来几个月就对战术指手画脚,马拉多纳也不行啊

砚底沉香
2026-11-20 00:00:02
德州即将成为庇护州,多个城市宣布与ICE停止合作

德州即将成为庇护州,多个城市宣布与ICE停止合作

大洛杉矶LA
2026-11-20 06:34:43
她叫了她两年“妈妈”:常熟3岁女童被害案背后的思索和追问

她叫了她两年“妈妈”:常熟3岁女童被害案背后的思索和追问

新民周刊
2026-11-20 21:21:25
被骂9年“骗子”的贾跃亭,突然把英伟达OpenAI踩在脚下:0.8698分全球第一,是翻身还是换壳讲故事?

被骂9年“骗子”的贾跃亭,突然把英伟达OpenAI踩在脚下:0.8698分全球第一,是翻身还是换壳讲故事?

秋风妃
2026-11-18 21:50:07
别人问你退休金,记住一条铁律:先别报数,先说这 1 句

别人问你退休金,记住一条铁律:先别报数,先说这 1 句

普陀动物世界
2026-11-18 05:34:36
成都社保大厅最近挤爆了,全是揣着存折银行卡的老人,十万块一交

成都社保大厅最近挤爆了,全是揣着存折银行卡的老人,十万块一交

花小猫的美食日常
2026-11-20 16:23:32
辣眼!澳洲女记者因身材爆火,网友:只顾着看她了,新闻啥也没听到...

辣眼!澳洲女记者因身材爆火,网友:只顾着看她了,新闻啥也没听到...

澳洲红领巾
2026-11-20 14:07:32
美专家意见罕见一致:待中国两岸统一,美国或只剩下1条可行之路

美专家意见罕见一致:待中国两岸统一,美国或只剩下1条可行之路

福建睿平
2026-06-17 11:44:17
接连打破纪录!速度滑冰世界杯日本站:廉子文宁忠岩摘金夺银

接连打破纪录!速度滑冰世界杯日本站:廉子文宁忠岩摘金夺银

全景体育V
2026-11-20 15:36:53
54岁杨钰莹近况曝光:定居深圳,每天打理菜园子,生活平淡

54岁杨钰莹近况曝光:定居深圳,每天打理菜园子,生活平淡

小徐讲八卦
2025-11-17 07:29:28
美媒曝黄仁勋无法复职真正原因:不是出轨,只因其女儿黄敏珊!

美媒曝黄仁勋无法复职真正原因:不是出轨,只因其女儿黄敏珊!

玖宇维
2026-11-19 21:02:26
中方态度越来越明确,荷兰心急如焚,安世事件该怎么收场

中方态度越来越明确,荷兰心急如焚,安世事件该怎么收场

阿晪美食
2026-11-20 16:55:13
曾因准确预判俄乌冲突而闻名的日本学者矢野义昭此前断言,若中日再度开战,日本绝不会沦为第二个乌克兰

曾因准确预判俄乌冲突而闻名的日本学者矢野义昭此前断言,若中日再度开战,日本绝不会沦为第二个乌克兰

人生录
2026-10-29 00:50:04
疑似嘲讽C罗!B费社媒被攻陷 球迷晒大量C罗表情包:丑陋老鼠

疑似嘲讽C罗!B费社媒被攻陷 球迷晒大量C罗表情包:丑陋老鼠

风过乡
2026-11-19 23:10:16
就煮三回,肺部老痰就通开了!白痰黄痰一抹而空,嗓子好舒服!

就煮三回,肺部老痰就通开了!白痰黄痰一抹而空,嗓子好舒服!

小谈食刻美食
2026-09-08 08:59:43
不愧是友国!首次访华就签下23单,带给中方专属红利,中国回大礼

不愧是友国!首次访华就签下23单,带给中方专属红利,中国回大礼

军情观察家
2026-11-05 20:54:11
台湾前参谋总长李喜明曾在台湾一档节目中说,别以为大陆不敢对台动武,他认为这种可能性是存在的

台湾前参谋总长李喜明曾在台湾一档节目中说,别以为大陆不敢对台动武,他认为这种可能性是存在的

人生录
2026-10-31 00:55:04
秦岚太丰满了,真空穿深V裙都兜不住好身材,我感慨资本太会选人

秦岚太丰满了,真空穿深V裙都兜不住好身材,我感慨资本太会选人

蓓小西
2026-11-20 09:30:19
北京大学硕士因本科不是北大也非双一流,年薪从40万降至35万

北京大学硕士因本科不是北大也非双一流,年薪从40万降至35万

雪峰说法
2026-11-19 09:00:13
2026-11-20 23:07:00
光子星球 incentive-icons
光子星球
细微之处,看见未来!
1702文章数 2159关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

健康
旅游
家居
本地
公开课

医生眼里"很伤腰"的椅子,很多人天天坐

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

家居要闻

2026建博会(广州) 公装联探展交流活动

本地新闻

乌兰察布:以前种土豆,现在种Token

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版