腾讯混元 Hy4 正式版发布了,Hy4 首次跻身最强开源模型之列。

这次首次加入了视觉理解和电脑操作,代码、办公、长程任务和科研能力也继续升级。API 价格没涨,还是输入每百万 token 6 元、输出 18 元,缓存命中输入 0.3 元。

代码评测 FrontierCode 2.0,Hy4 得到 31.0,同一发布表中的 DeepSeek-V4.1-Flash-1017 为 28.5,Kimi K3.1 Pro 为 25.5,GLM-5.3 为 21.6。

科研任务也进入了开源头部。腾讯的 TenureTrail 内部评测覆盖七大学科、123 项可执行研究任务,Hy4 得到 53.6,高于同表的 Kimi K3.1 Pro(51.3)、DeepSeek-V4.1-Flash-1017(50.1)和 GLM-5.3(46.0)。

Hy4 部分评测结果
Hy4 部分评测结果

和自家的 Preview 比,几组长任务成绩也明显往前走了一步:

评测 预览版 正式版
DeepSWE v1.1 64.3 74.9
Terminal-Bench 4.0 26.3 44.4
APEX-Agents v1.1(pass@1) 53.9 75.2
AutomationBench v1.0.6 36.3 56.2

金融也是这轮升级的重点。腾讯组织了 213 位专家,围绕 579 个真实金融任务做众测,Hy4 综合得分 3.04,DeepSeek-V4.1-Flash-1017 为 2.97,Kimi K3.1 Pro 和 GLM-5.3 均为 2.68。任务覆盖基金研究、证券分析、量化策略、资产配置等专业流程。

金融演示直接给到了一份特斯拉估值任务:用 global-equity-research 和 neodata 做建模,交付 Excel 与 PDF 报告,写清估值逻辑和数字来源,并参考多家机构的研究。

观看原视频:特斯拉估值建模与研究报告:https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&auto=0&vid=wxv_4767612122324795393

搜索也跟着补课。腾讯自建测试中,幻觉率从 Preview 的 15.76% 降到 5.45%,猜测导致的错误率从 23.1% 降到 5.6%。

能看图也能操作电脑

Hy4 现在能结合视觉、推理和工具调用,处理复杂图表、数学图片,也能在命令行和图形界面之间切换。腾讯针对 Blender、CAD 等专业软件,以及跨应用长程任务做了专项训练。

电脑操作方面,Hy4 在 OSWorld 2.1 的 Full、partial score 口径下拿到 78.9;同一发布表中,Kimi K3.1 Pro 为 79.6,Claude Opus 5.5 为 81.8。

发布演示里,一个具体任务是跨软件做 DIY 装修。视频画面里已经是 Blender 中的房间、墙体和地面模型。

观看原视频:跨软件完成DIY装修:https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&auto=0&vid=wxv_4767546158355513345

开发能力也往完整项目走。前端除了界面,重点补了业务逻辑、状态管理和前后端联动;游戏开发则适配 UE、Unity、Godot,开始扩展到多人联机。

另一个例子是用 Three.js 构建「腾讯企鹅岛 3D 数字沙盘」。园区的建筑、道路、水面都放进了场景,旁边还做了图层、时间和天气控制面板。

观看原视频:腾讯企鹅岛3D数字沙盘:https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&auto=0&vid=wxv_4767577180333588483

办公端支持和用户实时协作编辑 Word、Excel、PPT。接上 WorkBuddy 的企业微信套件后,还能综合聊天、邮件、文档、日程和会议,整理项目进度与待办。

把切片重新拼起来

科研演示里,Hy4 拿到的是 84 张无序二维切片、699 万个细胞,其中还存在镜像翻转的问题。任务是把切片对齐,重新拼出三维小鼠胚胎。

腾讯给出的结果是:离线、没有专用配准工具、没有细胞类型标注,单机 1.5 小时完成对齐与三维重建,全程无人干预。

观看原视频:84张切片重建三维小鼠胚胎:https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&auto=0&vid=wxv_4766951805731946498

已经参与模型研发

Hy4 配合 Hyra 2.0,在内部缩小规模的 Hy4 模型上定位预训练系统瓶颈,连续做基础设施优化,最终把端到端训练吞吐提高了 20.1%。

它们还自动完成了 Jev 模型的训练,得到的 Hyra-Jev 在八项基准里,有六项超过官方 Jev。

Hyra-Jev 与 Jev 的八项评测
Hyra-Jev 与 Jev 的八项评测

科研端也有具体产物:由 Hy4 和 Hyra 2.0 协同研发的单细胞表征模型 HyCell,以及物理场模型 HyPDE。

HyCell 只有约 1600 万参数,用约 1/14 的参数量,在七个未参与预训练的细胞图谱上达到了与 Stack 相当的综合表现。它的权重、代码和技术报告已经能在腾讯的 Hyra-results 仓库找到。

现在就能用

按发布说明,Hy4 已上线腾讯云和 OpenRouter,也能在 CodeBuddy、WorkBuddy、元宝、ima 等产品中体验。

价格沿用 Preview:

Hy4 API 价格
Hy4 API 价格

正式版模型权重计划开源,腾讯已联合 vLLM、SGLang 社区及 Inferact 提供生态支持,届时还会发布系统卡片和更完整的安全评估。

接下来还有 Hy4 Flash,主打更低成本和更快推理,计划近期推出。

参考链接

  • 腾讯混元:Hy4 正式发布,为真实生产力而生:https://mp.weixin.qq.com/s?__biz=MzkwODU2OTQyNQ%3D%3D&mid=2247498939&idx=1&sn=74122d54739080854a4535c79437e749
  • 腾讯 Hyra 研究产物与 HyCell 代码:https://github.com/Tencent-Hunyuan/Hyra-results

作者 52nlp

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注