Hy4 真正要回答的，是腾讯在模型这条线上的身位。作者｜连冉
编辑｜郑玄
11 月 4 日，混元 Hy4 正式发布，模型权重将在近期开源，主打性价比的轻量版 Hy4 flash 也一起亮相。腾讯给它的定位是——首次跻身最强开源模型之列。
过去一年，腾讯在 AI 上最多被人看见的，是 WorkBuddy 这类 Agent 和应用产品；到了更底层的模型上，它的声量明显弱于应用。Hy4 真正要回答的，是腾讯在模型这条线上的身位。
从榜单表现来看，在开源模型里，Hy4 已经站进第一梯队；放到全球，和顶尖闭源模型的差距仍然清晰。
而根据国家数据局最近公布的一组数据，我国日均 Token 调用量已经从 2024 年初的 1000 亿，增长到今年 7 月的超 500 万亿，两年增长超 5000 倍。Token 消耗狂飙的背后，Agent 正在从一个技术概念变成新的生产力形态。
极客公园围绕长程 Agent、多模态理解与视觉代码等主线，结合官方评测数据和典型任务，进行了实测，以梳理这一代 Hy4 到底补上了哪些能力。
01
长程 Agent：
门槛在「把一整件事跑完」
过去测模型，行业习惯看单轮问答、单道题目的表现。进入 Agent 阶段，变成看跨多轮、跨多步、长时间运行，模型能不能始终记得目标在哪里、自己能走到哪一步，中途出错能不能自己拉回来，最后形成逻辑闭环的交付。
最近对 CPO 赛道关注比较多，我给 Hy4 安排了一个接近买方真实工作的任务：
让它扮演覆盖 AI 算力产业链的研究员，围绕 CPO（共封装光学）赛道，做一份面向投资决策委员会的深度研究报告和可复算估值模型，数据截至最近一个已完成的交易日。
2026 年被称为 CPO 量产元年，英伟达 Spectrum-X、博通 Bailly 等 CPO 交换机陆续进入客户导入，台积电 COUPE 投产、谷歌 NPO 订单落地，产业事件密集；与此同时，A 股光通信「易中天」（中际旭创、新易盛、天孚通信）以及光芯片、光器件公司的股价和估值已经大幅抬升。投委会真正想知道的，是这条链当前还能不能配、该怎么配。
任务要求几乎覆盖了一名研究员的完整工作流。它先要梳理 CPO 产业链图谱——上游光芯片、激光器、硅光、光器件，中游光引擎、光模块，下游交换机和云厂商——并配一张可视化产业链图；同时讲清 CPO 与传统可插拔光模块、NPO、OOI 的技术差异、替代节奏和关键催化节点，引用英伟达、博通、台积电的官方路线图和时间点。
视频来源：极客公园
数据核验是这道题最容易露馅的环节。模型需要获取重点公司近 3 年财报、最新行情与市值、业务结构、毛利率和机构一致预期，还要兼顾英伟达、博通、Coherent、Lumentum 等海外映射数据；每个数字都要标明来源、日期、币种和单位，区分实际值、预测值和假设，缺失数据明确说明，禁止编造数据、机构或分析师身份。我们还特别要求它核实各家公司是否真正进入海外巨头 CPO 供应链，严格区分已量产、送样测试和仅披露合作意向三种状态，把「蹭概念」的标的识别出来。
在此基础上，它要从 A 股选 4 家覆盖光模块、光器件、光芯片环节的代表公司做横向对比表，并测算当前估值隐含的增长预期，结合一致预期判断预期差在哪里，给出乐观、基准、悲观三情景；再选一家最看好的公司建立可复算的未来三年利润表模型，关键假设集中管理，验证勾稽关系，禁止无解释倒挤。最后，它还得正面回答投委会三问：当前是业绩兑现还是主题炒作，哪个环节弹性最大，如果只能选一家该选谁。
从实际运行看，Hy4 沿用了它处理长任务的典型路径：先拆解任务、列出执行计划，再分阶段推进，中间做阶段性自检。产业链图谱、技术路线、对比表和三情景能够依次落地，数据来源、假设口径和不确定性都有明确标注，模型内的勾稽关系可以对上，最终交付的是报告 PDF 加估值模型 xls。
官方金融众测数据可以作为参照，腾讯基于真实金融场景构建了数千个工作空间和上万个高质量任务，覆盖基金研究、证券分析、量化策略、资产配置和财税会计等流程，并联合腾讯金融科技 FiT 组织了 213 位专家参与众测，其中 153 位来自外部头部金融机构，七成拥有五年以上工作经验。在 579 个真实金融任务上，Hy4 拿到 3.04 分，在开源模型中排名第一，高于 DeepSeek-V4.1-Flash 的 2.97、Kimi K3.1 Pro 和 GLM-5.3 的 2.68；在金融智能体公司讯兔科技的内部评测 IRAB 中，Hy4 较 preview 版提升 12.03 个百分点。
更基础的一项改进在事实准确性。针对时效检索、多源信息整合和事实一致性，混元做了专项搜索优化，Hy4 的幻觉率从 preview 版的 12.95% 降到 7.2%，猜测导致的错误率从 23.1% 大幅降到 5.6%。对需要引用大量数据和资料的研究任务来说，这两个数字的意义，比任何跑分都直接。
长程能力的差距，往往就藏在最后一公里。前面九成的步骤，今天第一梯队的模型大多能做，能不能把文件真的生成出来、数字对得上、打开就能用，才是分水岭。Hy4 在这一环的表现，具备了「初级研究助理」的雏形。
当然，这类任务依然离不开人来验收。模型会标注数据口径、假设合理性和最终结论，但投委会上的决策责任，依旧没有任何模型能替研究员承担。
02
视觉理解与视觉代码：
混元第一次长出「眼睛」
Hy4 这一代最值得关注的变化，是首次引入视觉理解。混元此前走的是纯语言模型路线，这一代开始能够看懂图像、图表、截图和视频，并把视觉信息转化为输出。按照官方说法，它已经能完成细粒度图像处理、复杂图表分析和数学视觉推理这三类任务。
我们把测试重心放在了依赖视觉还原的代码任务上，这也是多模态能力最容易见真章的地方。第一个任务是一个交互式 3D 机械腕表机芯拆解网页。
要求用 Three.js 展示一枚程序化建模的机械腕表，至少包含表壳、表圈、表镜、表盘、时针分针秒针、齿轮系（至少 3 个相互啮合的齿轮）、发条盒、摆轮、机芯底板和表冠，全部用程序化几何体实现；支持旋转、缩放、拆解和复原，点击零件要高亮并显示名称、作用和简短说明；拆解动画要按照「表壳表圈表镜 → 表盘指针 → 齿轮系 → 摆轮与发条盒 → 机芯底板」的顺序展开，各部件保持原有空间对应关系，不能随机散开；还要有一套机芯运转演示，摆轮持续往复摆动、齿轮按啮合关系联动、指针同步走时，动画可重复播放；最终交付可运行工程，并确认控制台没有阻断性报错。
视频来源：极客公园
生成这样一个网页，模型要先用程序化几何体把十几个零件逐一搭出来，给每个零件挂好层级和坐标，拆解时按顺序移动、保证彼此位置不错位，再让齿轮和摆轮持续运转。按照官方评测和任务要求，它能够把旋转、缩放、拆解、复原整套交互跑通，点击零件会弹出说明，控制台没有报错。
第二个任务是让它复刻开发一个游戏《NAIAD 水泽仙女》的网页版同款，需要和视频里的游戏玩法相似。
复刻版《NAIAD 水泽仙女》｜视频来源：极客公园
制作过程｜视频来源：极客公园
可以看到，在这轮实测里，Hy4 其实是把视频取证、机制抽象和渲染回读串成了一个闭环：先用 ffmpeg 把 81 秒录屏抽帧、拼图、局部放大，反复辨认出「白色人鱼游动、收集光点、碰花苞绽放、穿石环泛光晕、章节卡淡入、无分数无死亡」这套玩法，再用单文件 Canvas 2D 手写重实现一遍。关键不在「照着画面还原」——配色、花瓣、光晕都是按氛围重新画的，还原的是机制而非像素。
真正让成品收敛的其实是后半圈，用无头浏览器真跑、截图、再把截图读回来比对，连续揪出宽屏花丛被裁、转屏坐标错位、光点收不满、章节门槛卡死四个问题，改完再跑，循环四五轮直到章节推进和按钮全部通过。这是一条「多帧看懂 → 重做一遍 → 渲染回读验证」的回路：视觉理解只负责给方向，把主观判断变成可验证事实的，则是回头自检。
此外，电脑操作是 Hy4 首次支持的能力。它能像人一样看懂屏幕，再用鼠标键盘操作浏览器、桌面应用和操作系统，命令行与图形界面都能用；针对 Bl
来源：极客公园