上一代 Hy4 preview 能写代码、做游戏，却还不具备多模态能力。现在，腾讯准备给新一代 Hy4 补上视觉理解。
10月29日，腾讯集团高级执行副总裁、腾讯云与智慧产业事业群CEO汤道生在腾讯全球数字生态大会上宣布，Hy4 即将发布，Hy4 Flash 也将在近期推出。
这次升级有两个重点：
• Hy4： 全面提升长程任务和真实生产力场景的处理能力，显著提高思维链效率，并首次引入视觉理解。
• Hy4 Flash： 主打高性价比，在继承 Hy4 视觉理解、Agent 等能力的基础上，通过模型与产品的深度协同持续迭代。
视觉理解具体支持哪些任务、能力提升有多大，目前还没有公布详细测试结果。Hy4 Flash 的价格、参数规模和具体发布时间也有待官方进一步披露。
8月28日，腾讯混元发布并开源 Hy4 preview。该版本总参数量为770B，激活参数49B，上下文长度达到1M，主要面向代码、办公、科研等生产力场景。
需要注意，上述参数属于 Hy4 preview，不能直接当作新版 Hy4 的规格。
模型会看图了，离真正干活还有多远？
在我看来，这次最值得关注的，是视觉理解开始进入混元新一代生产力模型的能力体系。
过去，AI 处理工作时，很多信息需要先转成文字才能交给模型。如果未来的 Hy4 能准确理解截图、图表和其他视觉信息，再结合 Agent 调用工具执行任务，就有机会减少人工整理信息、反复解释需求的步骤。
但这里有个关键问题：看懂了，不等于做对了。
视觉理解只是起点。模型能否准确提取信息、理解复杂任务，并在执行过程中及时发现错误，才决定它能不能真正接手工作。新版 Hy4 的实际视觉能力，还需要等具体案例和测试结果来验证。
Hy4 Flash 同样值得关注。
Agent 执行复杂任务，往往要经历多轮推理、工具调用和结果校验。任务越复杂，调用成本就越值得关注。
所以，Flash 版的价值不只在于价格更低，还在于能否用更少的资源完成同样的任务。如果能兼顾任务质量、执行速度和使用成本，它在日常办公和自动化工作流中的实用价值才会真正体现出来。
接下来，我会重点看三个结果：视觉理解是否够准、复杂任务能否跑通、Flash 能否真正降低成本。
模型能力清单再漂亮，最终还得看能不能把活干完、干好。