腾讯Hy4：开源权重模型新增视觉、计算机使用及游戏开发能力
腾讯于2026年11月4日发布Hy4，将其定位为首个与最强开源权重模型竞争的Hy模型，也是首个具备视觉和计算机使用能力的Hy模型。此次发布意义重大，因为它结合了多模态感知、长周期工具使用以及针对游戏开发、金融和科学研究的领域特定训练，同时腾讯表示计划开源模型权重。
腾讯Hy4概览
与Hy4预览版相比，Hy4在预训练和后训练方面均有大幅扩展。腾讯表示，该模型在指令遵循、长上下文理解、长周期任务和深度研究方面取得了重大进展。腾讯将Hy4描述为“首次将Hy置于最强开源模型之列”。
Hy4可在腾讯云和OpenRouter上使用，并集成于腾讯产品中，包括CodeBuddy、WorkBuddy、元宝和ima。腾讯表示，在相同API价格下，Hy4相比Hy4预览版带来了显著的性能提升。
视觉和计算机使用功能首次亮相
Hy4首次支持视觉感知。通过结合感知、推理和工具使用，Hy4能够理解细粒度图像细节并解读复杂图表。Hy4还首次支持计算机使用，可在命令行界面和图形用户界面中操作。
腾讯使用包括Blender和CAD在内的专业软件以及跨多个应用程序的长周期工作流对Hy4进行了训练。公司表示，这显著提升了Hy4规划和执行专业任务的能力。
游戏开发和前端工程
整合视觉理解使Hy4的前端工程和游戏开发能力实现了质的飞跃。在前端工作方面，腾讯针对复杂的UI交互、业务逻辑、状态管理和全栈集成对Hy4进行了优化，使生成的界面视觉精美、功能完整且可直接用于生产。
在游戏开发方面，腾讯与腾讯互动娱乐集团的专业开发者合作，精心策划高质量训练数据并构建评估体系。工作重点包括功能实现、游戏逻辑、状态跟踪和资产管线。腾讯还将Hy4适配了虚幻引擎、Unity和Godot，并将其能力扩展到多人游戏开发。
据腾讯称，与Hy4预览版相比，Hy4在GameDev上提升了19.1%，在GameLogic上提升了9.8%。
金融、办公工作流和幻觉减少
腾讯构建了数千个逼真的金融工作空间和数万个任务，涵盖基金研究、股票分析、量化策略、资产配置、公司金融和税务会计。腾讯与腾讯金融科技合作，邀请了213名金融专业人士对Hy4进行评估，其中包括来自领先金融机构的153名专家。其中超过70%的专家拥有五年以上行业经验。
在579个真实金融任务中，腾讯表示Hy4在开源权重模型中排名第一，得分为3.04，而DeepSeek-V4.1-Flash-1017为2.97，Kimi K3.1 Pro为2.68，GLM-5.3为2.68。在IRAB（金融AI代理公司RabyteTech的内部基准）上，Hy4的得分比Hy4预览版高出12.03个百分点。
腾讯针对金融和办公工作流进行了定向升级，重点关注时效性检索、多源综合和事实一致性验证。在内部评估中，Hy4将幻觉率从Hy4预览版的15.76%降至5.45%，并将推测性错误从23.1%降至5.6%。腾讯还提升了Hy4与用户实时协同编辑Word、Excel和PowerPoint文件的能力。在盲评中，Hy4在文档格式、可靠性和整体可用性方面明显优于Hy4预览版。
科学研究和AI研发
腾讯表示，Hy4通过深度推理、科学计算和长周期执行推动了端到端科学研究的前沿。在TenureTrail（腾讯内部基准，涵盖七个学科的123个研究任务）上，Hy4在开源权重模型中排名第一。腾讯报告称，其在数学构造、物理建模、地球科学、系统工程和社会经济决策方面表现出色。
腾讯还在通过推进Hy4的AI研发能力，为递归自我改进奠定基础。与Hyra 2.0工具链配合，Hy4优化了腾讯内部针对相同架构较小模型的预训练基础设施，并自主训练了一个在多个基准上优于官方Jev基线的变体。
腾讯正在开源两个由Hy4和Hyra 2.0共同开发的基础模型：用于单细胞表征的HyCell和用于物理场建模的HyPDE。
长周期个人助理
Hy4具有更强的上下文学习能力，并能综合来自多个来源的复杂信息。通过WorkBuddy与企业微信的集成，Hy4可直接连接日常工作上下文，包括聊天记录、电子邮件、文档、日历和会议记录。当用户同时管理多个项目时，Hy4可以跟踪每个项目的历史和最新更新，呈现行动项，准备会议简报，标记即将到来的截止日期，并帮助确定任务优先级。由Hy4驱动的团队协作功能将随新版Projects一起在WorkBuddy中推出。
来自Manus、RabyteTech、WorkBuddy和元宝的产品反馈
腾讯发布了使用Hy4的产品团队的评估。Manus报告称，在深度研究、数据分析和办公文档任务的内部评估中，Hy4总体排名前列。Hy4在文档创建和编辑方面表现尤为出色，任务完成率接近97%，并在引用格式、标题编号和详细修订指令方面表现出强大的指令遵循能力。
RabyteTech使用其IRAB基准对Hy4进行了投资研究代理评估，使用了101个投资研究任务。Hy4总体得分为61.63，比Hy4预览版高出12.03分。RabyteTech表示，Hy4稳居中国模型第一梯队，并缩小了与领先专有模型的差距。
WorkBuddy报告称，Hy4在多步骤浏览器任务中平均得分为83.18，通过率为96.15%，在12个场景中有9个场景在中国模型中排名第一。WorkBuddy还表示，Hy4会利用其行动的反馈来调整方法并自行验证结果。
元宝报告称，Hy4在其内部评估集中的得分为72.53，高于Hy4预览版的65.25。多轮记忆提升了6.67分，写作质量跃升了10.89分。与元宝之前的视觉语言模型相比，Hy4将多模态代理任务完成度提升了36.8%，多模态问答提升了15.8%。
安全过滤和生物安全评估
腾讯表示，其认识到先进的网络和生物能力可能带来的安全风险，并在Hy4的训练中限制了网络安全数据，仅保留与概念验证生成和漏洞修补相关的防御性材料。腾讯过滤了漏洞利用开发、逆向工程和渗透测试等攻击性内容，以避免增强攻击能力。
腾讯与腾讯玄武实验室和腾讯科恩实验室的专家合作进行了红队审计，涵盖密码分析、逆向工程和漏洞利用。腾讯表示，审计结果表明，Hy4在逆向密码算法、破解二进制混淆或利用漏洞等攻击性任务中并未构成更高风险。
在生物安全评估中，腾讯表示Hy4的开放式实验设计能力仍远低于其高风险阈值，在Hy-BioExperimentBench上得分为30.4/100。内部专家审计了模型的推理轨迹，发现尽管Hy4对基础生物学有扎实掌握，但其将这些知识转化为可操作的实验方案的能力仍然有限。腾讯未发现任何证据表明Hy4能显著降低造成生物危害的门槛。
定价、可用性和开源权重计划
Hy4可在腾讯云和OpenRouter上使用，并集成于CodeBuddy、WorkBuddy、元宝和ima中。腾讯表示，在相同API价格下，Hy4相比Hy4预览版带来了显著的性能提升。
| Hy4 API定价 | 每百万tokens |
|---|---|
| 缓存输入 | $0.042 |
| 输入 | $0.834 |
| 输出 | $2.501 |
腾讯计划开源Hy4的模型权重，并已与vLLM（Inferact Inc.）和SGLang社区合作提供生态系统支持。当腾讯发布权重时，还将发布一份系统卡，详细说明安全评估和其他技术细节。
展望
腾讯承认，Hy4与顶级专有模型之间仍存在显著差距，特别是在研究级数学、长周期编码、模型自我改进和高级视觉问答等具有挑战性的内部基准上。腾讯表示将继续扩大预训练和后训练的规模以缩小这一差距。腾讯还计划在不久的将来发布Hy4 flash，以提高成本效益、加快推理速度，并与产品更紧密地协同设计。
Hacker News评论者强调的内容
成本和基准定位
评论者高度关注Hy4的性价比定位。一位评论者链接到Plotly的数据分析基准，称Hy4位于GPT-6.1 Sol和GPT-6.1 Terra之间的成本/精度前沿，但形容该模型非常彻底，因此非常慢：
"它花了很多时间处理每个问题，每个问题运行约26次查询，有些问题运行了64次查询。它编写的一个查询也花了大约一个小时运行，这影响了其整体考试时间。"
同一位评论者补充说，去年开源权重模型是廉价且优质的选择，然后成本故事被GPT-6系列和Claude 5系列改写，而Hy4将开放模型带回了成本/精度前沿。他们提醒说，该考试涵盖短周期、低上下文的数据分析任务，而非完整的软件项目。
另一位评论者将Hy4与Kimi 3.1M Pro进行了比较，称Hy4稍差但便宜得多，即使排除当前50%的促销。另一位评论者则认为Hy4与DeepSeek相比不具备成本竞争力，指出Hy4每百万tokens缓存输入$0.042、输入$0.83、输出$2.50，而DeepSeek在高峰时段为$0.006、$0.30和$1.20，非高峰时段为$0.003、$0.15和$0.60。
一位评论者强调了PacBench结果：腾讯Hy4与DeepSeek V4.1 Flash并列82/100，完成任务耗时23.2分钟，成本$0.30，而后者耗时20.1分钟，成本$2.26。该评论者总结道：“游戏质量相同，价格约为七分之一。”
开放科学vs安全谨慎
一位知名评论者将腾讯开源HyCell和HyPDE的决定与一些美国AI公司的谨慎态度进行了对比：
"多么令人耳目一新的对比。美国初创公司吹嘘阻止研究人员撰写关于被忽视热带病和新型抗抑郁药的资助申请，而这些人却在开源做科学的手段。"
该评论者认为，允许人们做事是获得文明优势的方式。其他评论者指出，腾讯过滤了攻击性网络安全能力，有人说该公司“摧毁了其网络安全技能”，类似于Kimi K3.1 Pro。
实际注意事项和模型差距
评论者赞赏腾讯明确承认Hy4与专有模型之间仍存在差距。一位写道：
"我喜欢他们承认这一点。对于将AI作为工具使用，开放模型已经很棒了。但对于千年难题和末日最大化，它们还没有达到。"
另一位评论者指出，Hy4的FrontierCode 2.0得分为31，大致与GPT-6.1 Sol和Opus 5.5 medium相当。还有评论者观察到，视觉和计算机使用演示视频显示模型在大型卫星图像中找到2米特征，然后确定照片拍摄地点，这引发了一个问题：中国模型发布是否不太担心看起来像军事工具。
几位评论者提出了展示问题：一位表示基准图表看起来正常且可读，尽管Hy4处于中游；另一位抱怨基准图像无法缩放。还有评论者提出了更广泛的宏观经济担忧，即美国经济依赖于美国实验室保持领先于中国模型，差距缩小可能造成经济压力，即使有生产力提升。