腾讯混元跻身最强开源模型!一手实测Hy4:搭配WorkBuddy,多模态Agent交付力拉满

王者归来已是老翁行业资讯📡 量子位2026-11-10948 阅读💛 293 收藏
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

腾讯混元跻身最强开源模型!一手实测Hy4:搭配WorkBuddy,多模态Agent交付力拉满

闻乐 发自 凹非寺

量子位 | 公众号 QbitAI

混元Hy4正式交卷了!

腾讯这次上来根本不跟你客气,态度就明晃晃写在脸上:跻身最强开源模型之列。

770B总参数、49B激活参数,首次引入原生视觉能力、首次支持电脑操作。

指令遵循、长文理解和长程Agent能力也一起升级,电脑操作、长程Agent任务都挤进了开源阵营前排。

从preview到正式版,Hy4显著扩展了预训练和后训练的数据与训练规模,甚至还直接跑去跟一线业务搞起了“Co-Design”联合打磨。

WorkBuddy国内版、国际版已经同步完成首发接入!

我就先在WorkBuddy里给它出了个难题:给我搓一把完全可交互的3D机械键盘出来。

75%配列、84键,键帽、轴体、定位板、PCB、电池和外壳,六层结构都安排上了。

鼠标拽着能原地炸开看内部做工,装回去还能直接上手敲,连按键下压、弹簧受力回弹的物理动效都给你算进去了。

这么一看,制作新品展示demo的活儿不就有人干了?你说是吧Hy4~

Hy4已经在腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理大圆、ima等产品上线;API同步接入OpenRouter、Hermes、OpenCode等平台。

QQ、王者荣耀、和平精英、微信读书、腾讯新闻等腾讯系产品也在持续接入中。

模型权重也将于近期开源。

那咱也话不多说,先来实测一波。

像素级视觉感知

Hy4首次引入的视觉理解,细节识别已经精细到能够在28亿像素航拍图中,定位约2米的屋顶构件。

这眼神儿是真不错。

那咱接下来也考考它的眼力。

第一道题,照着一张设计截图,做一个复古风格的音乐播放器。

先不说高清航拍图,我就想看看,它到底能不能看懂排版细节。

Hy4接单之后先把图里的配色、字体、布局挨个拆了一遍,连左侧栏宽多少像素都量好了,然后才开始写代码,把页面和播放功能一起搭起来。

中间裁切工具出了点偏差,它还换了个办法,直接分析像素来定位线条、提取颜色。

行,做题还自带尺子和色卡。

看到成品的那一刻,我盯着屏幕看了足足半分钟,不er,这还原度得99.9%吧——

米色打底、橙红点缀、黄绿配色,再加上粗粗的大标题和一张黑胶唱片,复古味儿一下就上来了。

导航、歌单、播放区域和待播列表,也都待在该待的位置。

我把买家秀和卖家秀并排放着找了半天不同,最显眼的居然是左上角那俩前进后退按钮:一个圆,一个方。。。

属于是不拿放大镜看,都不知道该从哪儿挑刺。

翻了翻Hy4的交付说明,播放暂停、上下首切换、拖动进度、调节音量都接上了,循环、随机播放、搜索和收藏同步也没落下。

连手懒得碰鼠标的情况都考虑到了:空格控制播放,方向键调整进度。

然而当我点下播放键才发现,它连三首测试曲子都给备好了。

我没给它传任何音频文件啊!

视频地址:https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ

原来这些曲子是它用浏览器原生的Web Audio实时合成的,不用我再满电脑翻音频文件,打开网页就能听。

好好好,我只给了一张图,Hy4不仅交付了播放器,还附赠测试曲库,顺手把试音的活儿也包了。

接着翻它的自测流水。

照记录里的过程,Hy4写完代码后,自己悄悄在后台拉起了一个无头Chrome浏览器,在沙盒环境里对着各个UI按钮挨个点击、拖拽,一边点一边截图做视觉差异对比。

第一轮其实也没一把全过:

51项过了48项,两项卡在测试脚本,最后一项被它自己揪出来——列表放完最后一首歌,再点下一首时逻辑没处理闭环。

它反手把这个边缘Case改了,重新跑回归。

最终报告显示,59项测试全部通过,控制台报错和运行时异常均为零。

光二维界面还不够过瘾,我又扔给Hy4一张游乐场平面图,让它把园子给“立”起来。

设施在哪儿、多大,路怎么拐弯,都得照着图来;摩天轮和旋转木马也不能光站着摆造型,得转起来;这游乐园还得能让我进去逛。

经历了一连串几何体建模、着色器配置和摄像机绑定,它真的把整座“星光游乐园”原地拔地而起了。

经典的红白旋转木马顶棚、主路两旁的小卖部、沿街分布的低多边形树木与草皮,全按比例投射进了三维空间。

低多边形画风也挺清爽,看着像个适合摸鱼时进去溜达两圈的小游戏。

我本来都做好了进门先迷路的准备,右上角居然还配了张小地图:设施、道路、草坪,连我现在站哪儿都标出来了。

进园后,WASD移动,鼠标拖动转向,按住Shift还能加速,想看设施就打开标签。

逛晕了还能一键返回入口,主打一个随时找得着北。

它甚至准备了“沿道路自动巡游”的按钮,点一下,连路都不用自己走。

好嘛,让它建个游乐园,导览服务也一起开张了。

视频地址:https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ

Agent交付力拉满

游乐园逛完,回来干点正事,试试Hy4这次重点强化的Agent和长程任务能力。

我给它塞了一份“拾光Beam Go 2”便携智能投影仪的产品资料,让它做套15页左右的新品介绍PPT。

Hy4先把资料从头捋了一遍,配图也没瞎找,直接利用原生代码绘制风格高度统一的矢量示意图,图表则保留成可编辑的形式,方便后续修改。

在渲染第4页时,它发现一段长文本挤出了页面安全边框,自己在后台立刻重构版式,把单栏拆成了卡片流,二次校验通过后才继续往下推进。

最后一共交了16页PPT。行,还多送一页。

不过,打工人都懂,PPT做完了,往往才是改PPT的开始。

我又扔给它一份完全不同视觉体系的暗黑高对比度模板,要求它按新版式重刷一遍。

Hy4倒没急着把16页全改了,先挑一页试着套进去,确认没问题,再批量修改剩下的页面。

不得不说,边验证边工作的能力是它这次非常亮眼的优势,不是一股脑输出完就交差,而是小步试错、验证通过再推进,大幅减少返工。

接着,我又给Hy4派了个活儿:

做一个高可用性的图片批量处理工具。

裁切、改尺寸、压缩、导出,单张图折腾几下还行,一批图挨个来,鼠标没坏,人先麻了。

这次干脆把重复的手工操作交给它。

Hy4领到任务后,先在环境里去研读了业内开源标杆Squoosh和Image Workspace的优秀设计,借鉴了原图/压缩图对比滑杆、预设工作流的技术方案。

然后快速拆分出上传流、处理流、Web Worker多线程并行、Canvas图形管线、ZIP归档模块,直接敲代码。

成品交付的时候,名字都起好了——

ATELIER影像批处理工作台。

米白底色、橙色点缀,打开先弹出三步引导。Slogan是:“把重复的交给工具,把审美留给自己。”

行,我负责审美,它负责重复。

按交付设计,图片可以整批拖入,也能直接选文件夹;左侧统一设置裁切、尺寸、压缩和格式,少数需要“特殊照顾”的图片,再单独调整。

它还顺手内置了社交头像1:1、电商主图、极小体积等常用配方,拉动滑杆能实时看画质损失,最后点击一次打包成ZIP扔给浏览器下载。

视频地址:https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ

除此之外,Hy4现在还真能拿起鼠标干活。

打开Chrome里的JS Paint,用鼠标临摹混元亲亲表情包,还得把操作过程录下来。

视频地址?:https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ

看屏幕、找工具、选颜色,再控制鼠标落笔,用上的正是它新支持的CUA(计算机使用)能力。

好嘛,别的AI忙着一键出图,Hy4在这儿练鼠绘,上有参考图负责考眼力,下有画图软件负责考手艺(doge)。

加量不加价

实测玩这么一圈,我最大的感受是,Hy4在长程任务中的自主执行完成度高了很多。

面对多步骤任务,它能够持续保持目标与任务状态,在执行过程中进行阶段性自检,根据运行结果定位问题、修改方案,再重新验证,直到能交付无Bug的结果。

我前面的案例确实也都是它自主执行、检查和修改后的一次性交付结果。

Hy4的这轮训练也更追求在真实生产力场景发挥作用。

前端优化细化到了复杂交互、业务逻辑、状态管理及前后端联动;

对Blender、CAD等专业软件和跨应用长程任务也进行了专项训练,强化任务规划与执行能力。

办公场景下,Hy4还围绕时效检索、多源信息整合和事实一致性校验,对搜索链路进行了专项优化。

在内部测试中,Hy4的幻觉率由preview版的12.95%降至7.2%,推测类错误率由23.1%降至5.6%;

金融这边,Hy4还专门补了一轮专业课。

训练覆盖基金研究、证券分析、量化策略、资产配置、公司金融和财税会计等方向,基于真实场景构建了数千个工作空间、上万个高质量任务,让模型学习专业流程与规范。

共有213位专家参与众测,其中七成来自外部头部金融机构,拥有五年以上工作经验——

这批阅卷人,可没那么好糊弄。

结果579个真实金融任务测下来,Hy4综合表现位居开源模型第一。

看来这轮“进修”,还真没白上。

科研任务的跨度也正在扩大。

Hy4将复杂推理、科学编程与长程执行结合,在涵盖7大学科、123项可执行研究任务的TenureTrail内部评测中,展现了数学构造、物理建模等领域的科研能力。

面对包含699万个单细胞、整整84张没有任何时间空间连续标记的二维无序小鼠胚胎切片的数据集还混杂着实验切片中常见的镜像翻转等噪声数据;在离线运行、无专用配准工具、无细胞类型标注的严苛条件下,Hy4耗时1.5小时,自主完成小鼠胚胎切片的空间对齐与三维网格重构。

全程零人工干预,最终对齐精细度甚至干掉了专业配准工具的默认配置流程。

它也开始把复杂推理、科学编程和长程执行串起来。

在与北京大学数学团队合作的研究中,Hy4找到了Méndez–Pinto–Villarreal猜想的反例,进一步提出新条件完善猜想,并对相关证明进行Lean形式化验证。

这些能力现在已经可以通过WorkBuddy、CodeBuddy体验。即日起至11月15日23:59还有限时免费体验!

朋友们要是手上还有什么搁了很久、总嫌麻烦的活儿,可以趁这会儿给Hy4安排一下~

最后再提醒一波,主打极低推理成本、适合端侧与高并发Agent编排的Hy4 flash也已经在路上了。

版权所有,未经授权不得以任何形式转载及使用,违者必究。
混元 腾讯
闻乐
  • 字节找到了DeepSeek时强时弱的原因2026-10-09
  • arXiv最严新规!每人每月最多提交2篇,拒稿不退额度2026-10-02
  • DeepSeek扩招!弹性计算团队大量HC,尤其需要资深工程师2026-10-03
  • 首个AIGC长片大赛!RunningHub单项大奖100万,科幻IP免费改编2026-09-15

相关阅读

文章评论(12)

雪影6 天前

收藏了,以后慢慢研究。

回复
蓝归舟6 天前

支持作者,持续关注中。

回复
星寻梦6 天前

整理得太全面了,省了我不少时间。

回复
石佳琪6 天前

看标题就点进来了,内容果然没让人失望。

回复
龙文博6 天前

实话,说的不明不白

回复
星寻梦6 天前

思路清晰,干货满满。

回复
雪影6 天前

路过

回复
曹浩6 天前

收藏了,以后慢慢研究。

回复
蒋力6 天前

整理得太全面了,省了我不少时间。

回复
陈皮话梅糖6 天前

很有价值的分享,感谢整理。

回复
龙文博6 天前

路过

回复
黄小刚6 天前

内容翔实,正好需要,先收藏再看。

回复