腾讯混元Hy4正式版发布，首次具备视觉理解与电脑操作能力，参数规模跃升至770B。本文通过同福客栈场景实测，从3D建模到图像识别，全面检验其真实表现，并对比竞品与成本，揭示腾讯“模型与产品深度Co-Design”的战略逻辑。

11月4日，腾讯发布混元Hy4正式版。为了弄清新模型带来了哪些变化，我们先让它做了一段自我介绍。

我们选用Buddy猫作为主角，要求它用动漫可爱风格，以桌面穿梭的形式介绍Hy4的最新特性。15秒的视频里，小猫举起放大镜凑近画面细看，又走到屏幕前抬爪按下按钮，视觉理解、电脑操作、长上下文处理这几项新本事，变成了一连串看得见的动作。

放大镜和按钮，是这代升级最直白的比喻。相比8月底的preview，Hy4第一次有了“眼睛”和“手”。

今年2月重建基础设施后，混元基本保持每两个月一个大版本的节奏：先放 Preview收反馈，再打磨成正式版。参数规模上，Hy4系列做到770B总参数、49B 激活，上一代Hy3还不到300B。这一节奏推算，下一代有望在年底或明年年初推出。

落到能力上是视觉理解和电脑操作两样，既能像人一样看着屏幕点按钮，也能敲指令直接指挥软件，不用一步步点菜单。为了练“动手”，混元针对 Blender、CAD等专业软件做了专项训练，还和腾讯云Agent Runtime团队搭了沙箱，部署数百款应用软件让模型反复跑。

这背后是官方反复讲的“模型和产品深度 Co-Design”：不追求通用榜单刷分，追求的是具体场景磨能力。腾讯集团高级执行副总裁汤道生此前说过，AI上半场大家关注参数和评测分数，下半场更关注用户在某个场景里能得到什么。

WorkBuddy办公场景评测平均 83.18 分、通过率 96.15%，12个场景里9个国内第一；金融方向，混元基于真实业务搭了数千个工作空间、上万个高质量任务，联合腾讯金融科技组织 213位专家（153位来自外部头部机构）对579个真实任务盲测，Hy4得3.04分居开源模型第一，同场 DeepSeek-V4.1-Flash-1017是2.97，Kimi K3.1 Pro和GLM-5.3都是2.68。

Artificial Analysis（AA）的智能指数给Hy4打出35分，在中国实验室里排第二，第一是 Kimi K3.1 Pro的46分，差距不算小；FrontierCode 2.0 编程评测它拿31%，是中国模型第一。但在AA的知识可靠性基准上，它不知道答案时硬答的比例达到89%，而不是老实说不知道。

成本倒是实打实的优势：按AA发布当周的评测口径，单任务约0.78美元，同为35分的Grok 4.7大约要十倍。

同一天，模型上线腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、ima和企业微信智能助理，API也接进了OpenRouter等平台；模型权重计划近期开源，并同步发布模型系统卡片。

既然腾讯把它接进了自家产品，我们就在workbuddy里给Hy4出了几道题，场景就选用大家熟知的同福客栈。

一、鹈鹕光临同福客栈

第一道题选择测试大模型的传统保留项目——鹈鹕骑自行车。这次，我们让它骑进同福客栈。

选它开局也不全是玩梗：视觉创意和3D场景构建正是这轮评测的重点方向，官方说Hy4在这类任务上兼顾了效果与效率；而从“生成一段画面”入手，最容易看出模型对空间和过程的理解到了哪一步。

提出的要求是，鹈鹕从小街巷里骑过来，画面交代骑行过程，需要明确看到鹈鹕停在客栈门口的镜头，交付一段3D动画风格的视频。

13分钟之后，第一版结果生成了，鹈鹕骑上了自行车，古装街道也有模有样。问题是客栈周围的布局大变样，原本该是尽头的小巷变得左右通达，客栈后门干脆没出现。骑车逛古镇的气氛很足，同福客栈的具体位置、大门的朝向，还是笔糊涂账。

第二版，夕阳照着青砖墙，鹈鹕沿小巷一路向前，客栈招牌从画面左侧缓缓进入，镜头最后定点在巷子尽头的旧木门上。经过调整，短片已经能呈现我们想要的基本过程，客栈原本的样貌仍没有完整还原。

二、客栈里的找茬游戏

这次新加入的视觉理解能力很特别，一张图片甩给它，它能从中识别物品和位置、分析图表、理解空间关系，再结合要求继续处理任务。

按照官方介绍，这次升级覆盖细粒度图像处理、复杂图表分析和数学视觉推理等方向，还给了两个近乎刁难的例子：在28亿像素的航拍图里定位一个约两米大的屋顶构件，或者把900片拼图重组成莫奈的《博尔迪盖拉》。

其他用户的测法更贴近日常，多半拿设计截图、场景平面图和财报截图，试界面复刻、3D场景构建、数据提取与带图计算。

同期较有说服力的一次公开实测来自《科创板日报》：让WorkBuddy里的Hy4下载腾讯、阿里、百度2020年至今的季报、半年报与年报，从产业研究员、买方分析师、投资经理、风控分析师四重视角出一份对比报告。

对于报告结果，测试人评价为：完成度超出了“给建议”，更接近一个实习生交出来的初稿。

我们把它的眼力用在了同福客栈的大堂里，检验的是它能否准确理解图片中的布局、数字和空间关系，并将这些视觉信息有效衔接到后续任务中。

给它提供一张纷繁复杂的物品图，各式各样的小物件散落在桌角、货架和楼梯旁，同类物品反复出现，杯、碗和带盖容器长得相近，金色装饰也和铜钱混在一起。

要求Hy4逐项寻找这些细小目标，统计数量、说明位置，对模糊和遮挡部分标注不确定，再汇总成表，并在原图上编号。

Hy4交出了一张带有67个编号框的标注图，以及一份列出15类检视项目的表格。沿着编号，可以查到物品位置、附近参照物、遮挡情况和识别置信度。

它确实找到了不少细节，前景桌沿边上的骰子被单独框出，楼梯立柱上的钥匙扣和主桌前沿的钥匙也都分开做了标注。杯、碗、带盖容器被列入不同类别，铜钱则与金色环饰、装饰件区分开来。

我们顺着编号复查，发现了一些小错误，比如标注图中的52号圈住铜铃，53号圈住绿植藤蔓；检视表却把“53、56”列为两个铜铃，又把52归入悬挂吊饰。

要是佟掌柜照着这份表查货，得先抬头看看藤蔓上什么时候长出了铃铛。

而且，67个编号框也不能直接认定成认对了67件物品。部分框圈住的是一组货架器物，同一个物品还可能同时出现在材质分类和遮挡细节中。

在Hy4发布当天，腾讯云ADP也宣布接入该模型，企业可以在工作台中选用Hy4，围绕客服、知识问答和内部运营等场景搭建智能体。

当这些能力进入具体业务，识别结果就要写入表格、汇总成报告，交给下一步继续处理。客栈里的这次串号，就发生在图片标注和表格汇总之间。

三、客栈里的找茬游戏

盘完大堂里的家当，我们想让Hy4把客栈直接搭出来。腾讯在这次发布中专门提到，混元针对Blender、CAD等专业软件，以及需要跨应用执行的长程任务做了专项训练。

我们上传了一张同福客栈内景照片，让它用Blender建模。它需要从图片视角判断物体的形状、比例和前后关系，再把它们放进三维空间。

这次任务耗时30分钟。在本机上没有Blender工具的情况下，Hy4选择从阿里云镜像取了4.2.23 LTS便携版。

渲染图里，客栈的感觉有了，深色木梁、二层回廊和透着暖光的花格窗都搭了出来，蓝色帷幔沿墙展开，门边挂着红灯笼，木材、墙面和石板地面也做了材质区分，画面有了完整的室内空间感。

硬伤也不少，带转折的楼梯变成一段直跑楼梯，朝向和周围空间比例都跟着改变；花格窗用了统一的重复纹样，灯笼、家具的造型也做了简化。

顺着思路，我们打算把整个客栈的布局拆开看看。要回答的是客栈有几个房间？布局如何？

它给出了答案：

我们继续提出要求：把柜台向左挪，腾出进门通道，其他构件保持原位，再按原方式展开。只挪一个部件，考验的是它能不能保住已经做好的其他部分。

修改版里，带着算盘和器物的柜台换到了另一边，原位置空了出来。楼梯、桌椅、门楼和屋顶等主要构件没有明显挪动，展开顺序和镜头转动也保留了。转到另一侧看，柜台的位置变化也能对上。

几轮制作之后，我们翻了翻价格表和实际账单。

Hy4正式版延续了Preview的API目录价，每百万token输入6元、输出18元，缓存命中0.3元，性能涨了价没动。

腾讯云目前提供限时五折，输入、输出分别降到3元和9元，优惠持续至2026年12月31日。11月4日至15日，WorkBuddy和CodeBuddy还提供一定额度的免费使用。

按这组报价，Hy4的输入、输出单价低于GLM-5.3和Kimi K3.1 Pro，仍高于DeepSeek-V4.1-Flash-1017。主打压低长程任务成本的Hy4 Flash也已预告近期发布。

积分消耗情况怎么样？我们导出了从测试开始到结束的82条积分消耗记录，显示共消耗3429.15积分。

其中，44条hy4-free与4条wb-lite，共48条记录扣分为 0。视频生成产生了26笔扣费，模型标识为“minimax-video-h3”，累计3382.07积分，占全表消耗约98.6%。另有4笔图像编辑调用，消耗23.08积分，其余24积分来自其他模型调用，其中包含自动化资讯任务。

也就是说，这几道题里最费钱的不是模型，是让画面动起来。这大概是当下AI产品成本结构的一个切面：智能本身变得便宜，渲染和生成还没有。这也解释了为什么一边用着限免的Hy4，一边体感积分下降得很快。