“要实现有效的人机交互，人和计算机就需要在同一块屏幕上画图、写笔记和方程，借此彼此交流。”——约瑟夫·利克莱德

11 月 4 日，腾讯混元发布 Hy4 正式版，并计划于近期开放模型权重和系统卡片。距离预览版推出两个多月，新版加入视觉理解和电脑操作能力：面对复杂图表，模型可以结合图像、推理和工具调用作答；执行任务时，也能配合使用命令行与图形界面。团队还针对跨应用长任务，以及 Blender、CAD 等专业软件开展了专项训练。

腾讯公布的评测中，Hy4 在多项编程、搜索和办公任务测试中处于所列国产模型前列。与海外模型相比，正式版在部分复杂任务、自动化操作和电脑使用测试中超过 GPT-6.1 Sol；在腾讯内部的复杂搜索测试中，与 GPT-6.1 Sol 和 Claude Opus 5.5 的成绩接近。不过，在部分编程及科学任务测试中，它与这两款海外模型仍有差距。

腾讯公布的 Hy4 评测结果。蓝柱为正式版，蓝色虚线为 Hy4 Preview。来源：腾讯混元。

在第三方评测机构 Artificial Analysis 的智能指数中，Hy4 得到 35 分，与 Grok 4.7 分数相同，在国产模型中仅次于 Kimi K3.1 Pro。

Artificial Analysis 榜单图

11 月 4 日，在面向真实长程任务的 Agent Arena 评测中，Hy4 位列总榜第 14。目前模型权重尚未开放。按照此次评测结果，权重开放后，Hy4 将与 Kimi K3.1 Pro 并列开放权重模型第一。这项评测基于全球用户的 8500 多次真实长程 Agent 会话，Hy4 的净提升为 4.7%，进入 Agent Arena 帕累托前沿，成为该评测中效果与成本表现较优的模型之一。其每项任务的中位成本为 0.55 美元，比 Kimi K3.1 Pro（Max）的 1.46 美元低约 62%。

Agent Arena 评测图

目前，Hy4 已上线腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、ima 和企业微信智能助理大圆，并通过 API 接入 OpenRouter、Hermes 和 OpenCode 等平台。

定价方面，Hy4 正式版性能较 Preview 大幅提升，价格保持不变：输入 6 元/百万 tokens，输出 18 元/百万 tokens，缓存命中 0.3 元/百万 tokens。11 月 4 日至 11 月 15 日，WorkBuddy 用户可限时免费使用 Hy4，每日获赠一定额度，订阅用户享有更高配额。WorkBuddy 同时支持人机双写，用户可以与模型共同编辑 Word、Excel 和 PPT。

▍一款游戏的开发与修改

在腾讯公布的软件工程测试中，Hy4 正式版相比 Preview 版本提高约 16.5%。游戏开发则需要将角色动作、敌人行为、关卡和补给规则结合起来，并在运行后检查画面、继续调试。

借助 WorkBuddy，Hy4 用 Three.js 构建了一款名为《暗林求生》的 3D 生存射击游戏。玩家在森林中与一名 AI 队友并肩作战，队友会跟随、攻击，也能在玩家倒地时实施救援。前两波战斗结束后，玩家可以在营地补充弹药、购买装备，再迎战最终 Boss。游戏打包为单个 HTML 文件，可在桌面浏览器中离线运行。

第一版已经具备完整的游戏流程，但通关时长和画面表现仍需调整。验收记录显示，两局有效通关均只需一分多钟，明显短于预期。树冠遮挡的处理也存在 Bug：为让俯视镜头看清角色，游戏会在角色走到树下时直接隐藏整片树冠，只留下树干；角色离开后，树冠又突然出现。

问题反馈给 WorkBuddy 后，Hy4 按照修改要求保留树冠轮廓，同时保证树下的角色可见。第二版中，只有遮挡视线的树冠会逐渐变淡，不透明度降至约 30%；角色走出树下后，叶层再缓慢恢复。这一轮还调整了人物和怪物的外形，让 Boss 的攻击范围显示得更清楚，并重新设置敌人出现的节奏、补给和战斗难度，将单局时长的目标定为 3-5 分钟。

难度上调后，自动化测试发现战斗时间又过长。Boss 血量偏高，战场补给不足，备弹耗尽后，战斗一度拖到 475 秒。增加弹药补给、下调 Boss 血量后，后续四局自动化测试均完成通关。其中，购买强化武器的两局有效通关时间分别为 3 分 6 秒和 3 分 9 秒，Boss 战约 50-54 秒。

开发过程中，Hy4 还生成了一份可继续编辑的验收文档。标题和验收重点经人工调整后，模型在 WorkBuddy 中将选中的“调校结论”正文整理为通关时长、武器选择和弹药表现三条要点，再写回同一份文档。原始数据、测试表格及人工修改的内容均保留在原处，文档也继续区分自动化测试结果与真人体验。

▍识别拼图与检查接缝

完整的画面被拆成碎片后，原本连续的图案分散在不同位置。模型需要识别局部图案之间的联系，判断哪些碎片可能相邻，再借助代码检查它们的轮廓和图案能否衔接。

任务题面包含梵高《卧室》的 900 块碎片，要求 Hy4 将其拼合。原画和答案映射留在制题端，求解过程只能使用散片图。第一轮中，脚本读到了一份 JPG 剪贴板副本。由于透明通道丢失，模型只能依据背景颜色估计碎片轮廓，拼接结果留下了空格，窗框和床架也在多处断开。第二轮改为直接读取原始透明 PNG，模型调整求解脚本，重新提取轮廓、匹配相邻碎片。

匹配时，除了检查边缘的凸凹形状，还要确认相邻碎片上的窗框、床架和地板纹理能否连续衔接。任务要求先输出候选接缝的放大图，再逐步扩大拼接范围。如果相邻碎片推导出的位置彼此冲突，还需回退可疑连接，暂时保留空位。

从接缝放大图中，可以看到窗框线条和地板笔触在几块碎片之间连续衔接。程序先拼出这些接缝较可靠的局部，再逐步合并。经过第二轮重新提取碎片、调整匹配与布局，Hy4 修复了原有的拼图结果，并更新了演示页面。

▍根据图片搭建三维模型

Hy4 针对 Blender、CAD 等专业软件和长程任务开展了专项训练。在住宅建模案例中，模型根据一张户型图和一张装修参考图搭建三维空间：房间、门窗和动线参照户型图安排，配色与家具参考装修图，并加入键鼠控制和碰撞效果，让用户可以在浏览器中漫游

任务被分配给 6 个搭建 Agent，分别负责客厅、餐厅、厨卫、卧室等空间。坐标、墙体、门窗和控制等共享部分先行搭建，供各空间使用。初稿完成后，Agent 从预设视角截取浏览器画面，交给未参与搭建的 Agent 对照参考图评审，再由负责相应空间的 Agent 逐项修改。

整个过程经过 4 轮、共 16 次评审，耗时 6 小时 14 分钟。多个房间需要分别搭建、协调布局，每轮还要对照参考图检查、修改并复审，也考验模型在长程任务中协调多个 Agent 的能力。

最终生成的三维住宅包含客厅、卧室、厨卫等空间及主要家具，支持切换房间视角和键盘漫游。客厅延续了参考图中的木饰面、浅色沙发和橙色靠垫，整体风格较为统一。不过，家具造型、材质和光影仍较简化，厨卫设施的局部衔接也有完善空间。这一版本适合用来初步查看空间布局和装修效果。

▍从财报整理到估值模型

金融是混元重点优化的专业场景之一。混元团队基于真实业务构建了数千个工作空间和上万个任务，覆盖基金研究、证券分析、资产配置、财税会计等方向，并联合腾讯金融科技 FiT 邀请 213 位专家参与众测。在 579 个真实金融任务中，Hy4 的综合得分为 3.04 分，满分为 4 分。

针对金融等办公场景，混元还围绕时效检索、多源信息整合和事实一致性校验进行专项优化。这些能力也用于公司研究：整理历史财报、建立预测假设，再将数据与分析过程呈现在财务模型和研究报告中。

在苹果公司财务建模与估值案例中，Hy4 结合历史财报整理财务三表，预测未来五年业绩，并通过现金流折现（DCF）和相对估值分析公司价值，最终交付 Excel 模型与 PDF 研究报告。

首次生成的文件出现了部分公式报错，导致数据无法显示。问题反馈给 WorkBuddy 后，Hy4 对文件进行了修复。

最终交付的 Excel 包含 9 个工作表，整理了苹果近四个财年的主要财务数据，并拆分单季度表现及产品、地区收入。模型按业务类别预测未来五年收入，连接利润表、资产负债表和现金流量表，设置基准、乐观、悲观三种情景，并计算折现率、现金流和每股价值。配套的 15 页 PDF 报告汇总了财报表现、预测假设、估值、机构观点与风险。Excel 中部分预测和估值结果可以通过公式联动，部分情景和敏感性分析则为静态结果。

▍让成果接入团队工作

这些案例背后，是混元对模型能力和实际工作流程的持续优化。6 月 5 日，在腾讯云 AI 产业应用大会上，腾讯高级执行副总裁汤道生与首席 AI 科学家姚顺雨谈到，团队重建了预训练和强化学习基础设施，并将产品需求落实到训练数据、标注和评测标准中。

围绕办公和编程任务，混元与 WorkBuddy、CodeBuddy 开展协作，并与软件工程、金融、安全等领域的专家共建数据。WorkBuddy 也已接入腾讯多个部门及内部系统，员工用它处理报告、分享成果、沉淀可调用的技能，并将实际使用中遇到的问题反馈给产品团队。

在 10 月 29 日举行的腾讯全球数字生态大会上，汤道生介绍，过去一年，混元重建了数据与训练基础设施，平均每两个月推出一个大版本。随着迭代推进，专业软件、跨应用任务和金融场景也被纳入更有针对性的训练。

腾讯也在探索 Hy4 在科研和模型研发中的应用。在一项生物研究任务中，模型将 84 张无序切片对齐，重建了包含 699 万个细胞的小鼠胚胎三维结构。结合研究系统 Hyra 2.0，它还参与优化了内部小模型的预训练基础设施，并参与研发细胞和物理仿真模型 HyCell、HyPDE。腾讯希望这些探索为下一阶段的递归自我改进（RSI）做准备。

对团队而言，模型完成任务后，成果能否供团队继续使用、支持后续协作，同样重要。保留下来的代码、文档和研究材料，可以作为后续开发、分析与讨论的基础。

✦ 精选内容 ✦