11月4日，腾讯混元发布新一代大模型 Hy4 正式版。官方对其定调呈现反差：一方面宣称“首次跻身最强开源模型之列”，另一方面坦承在前沿数学、长程开发和视觉问答等高难度领域与顶尖闭源模型仍有差距。
Hy4 未盲目追求参数规模，沿用8月 Preview 版 770B 总参数、49B 激活参数的 MoE 架构，核心升级聚焦于“感官”与“执行能力”——首次引入视觉理解，支持直接操作电脑（Computer Use），并将后训练算力重点投入代码、办公和金融等真实工作流。
官方展示了多项高光案例，包括无人干预重建小鼠胚胎切片、辅助发现数学猜想反例，以及在金融专家众测中取得优于部分竞品的成绩。然而，决定模型能否真正融入企业工作的关键并非能力上限，而是其稳定性的下限。为此，我们针对财务算账、图表核查、旧代码维护、前端交互及论文复现等七个真实场景进行了实测。
算账与核查：严控数字准确性与逻辑边界
商业办公中，用户对 AI 的主要顾虑在于数字幻觉。Hy4 宣称通过专项治理，将幻觉率从 15.76% 降至 5.45%，猜测导致的错误率从 23.1% 降至 5.6%。基于此，我们首先测试了容错率极低的财务报表与经营核查任务。
在销售月报测试中，我们提供包含重复订单、多版本目标、拆单发货及跨月退款等“脏数据”的7份文件，要求生成带公式的可复算 Excel 月报及经营简报。Hy4 交付的工作簿包含11张工作表、7711个公式和3张图表，计算结果显示10月净销售额约870.4万元，环比增长8.52%。经复核，3475笔发货、350笔退款及六万余字段数据严丝合缝。动态验证显示，修改基础数据后，总额与图表同步更新，证明结果由公式驱动。唯一瑕疵是目标明细表中少量旧版本数据被误标，但未影响最终计算结果。
部分图表展示
在视觉核查测试中，Hy4 准确读取了包含双坐标轴图表和跨页表格的经营报告图片。它不仅规范表述毛利率变化（如“下降2个百分点”而非“下降2%”），更展现出清晰的逻辑边界：对于缺乏同比数据的摘要，标记为“证据不足”而非武断判错；对于无明确证据支持的归因，拒绝强行推断。这种实事求是的态度显著降低了人工复核的心理防备。
工程与复现：复杂逻辑下的稳定交付
代码编写与科研复现考验模型在长链条逻辑中的状态管理与精度控制。我们设计了从前端交互到底层算法的五项递进测试。
在前端交互测试中，Hy4 成功生成了展示雨水积存情况的“透明城市”网页和具备复杂状态管理的“云海四季列车”3D游戏。两者视觉完成度高，底层公式实时驱动，且游戏内的进度保存、邮戳发放及状态重置逻辑均无误。针对初版3D模型贴合瑕疵，Hy4 能快速修复且不破坏原有逻辑。
在旧代码维护测试中，Hy4 修复了一个因分页筛选顺序错误导致的数据Bug，并补齐了组合筛选、排序及参数校验功能。它不仅保证了原有数据零变动，还自动编写了47条新测试用例。反向实验证明，这些测试能有效拦截回归错误，具备实用价值。
在科研复现测试中，Hy4 禁用手头算法库，纯手写代码复现经典论文。在非负矩阵分解（NMF）任务中，156个检查点全部吻合，作图规范严谨。在 Richardson–Lucy 图像去模糊算法复现中，计算差异仅为浮点舍入误差量级，且未“偷看”清晰原图。
本题使用的论文《Algorithms for Non-negative Matrix Factorization》
Hy4 交付的重建结果，依次为观测数据、重建结果、残差与样本曲线
值得称赞的是，Hy4 在实验报告中指出了“拟合误差降低但画质先升后降”的现象，准确识别出后期迭代开始拟合噪声。这体现了接近真实研究者的洞察力。不过，模型在文字结论上偶尔会“过度延伸”，如将数值实验结果断言为严格收敛，或对峰值判断不够精确。因此，在规则明确的任务中，其代码与计算下限很高，但在结论表述上仍需人工把关。
拟合误差持续下降，图像质量却先升后降
不同迭代次数下的恢复效果对比
行业坐标与生态整合：当“大脑”接入腾讯产品矩阵
纵观国内外模型坐标系，Hy4 定位为均衡且高性价比的务实派。虽然在 Terminal Bench 等纯命令行测试中落后于 Kimi K3.1 Pro，且在 Artificial Analysis 智能指数中排名第43位，但在综合性智能体实战中表现优异。在 Agent Arena 动态榜单上，Hy4 位居全球前13名，与 Kimi K3.1 Pro 得分差距不足1%，常交替占据国产模型前列。其优势在于成本管控：单任务平均成本约0.55美元，较竞品低约62%；API 定价维持输入6元、输出18元/百万 tokens，缓存命中低至0.3元/百万 tokens。
Artificial Analysis 智能指数
Agent Arena 动态榜单
相比单纯跑分，Hy4 的落地策略更值得关注。随着腾讯推出办公一体化套件 Buddy One，整合了文档、会议、知识库和网盘，具备视觉理解与电脑操作能力的 Hy4 被装入 WorkBuddy，成为驱动该生态的底座。
在多步视觉生成测试中，Hy4 展现了良好的意图理解与任务串联能力。腾讯的打法类似于 Google 将 Gemini 融入 Workspace：以前台全家桶为入口，以 Hy4 为底层驱动。凭借国内庞大的办公与沟通工具矩阵，腾讯能将模型能力转化为用户的默认功能。未来，能否在微信、会议和文档间打通上下文，让用户习以为常地处理杂活，将是生产力竞争的关键。
