WorkBuddy 用上混元 Hy4：770B 参数，能看图也能操作电脑

摘要：

腾讯 WorkBuddy 已于 2026 年 11 月 4 日首发接入混元新旗舰模型 Hy4，总参数 770B、单次激活 49B，首次引入视觉理解与电脑操作能力，可看图、分析图表并结合命令行与图形界面执行任务。

腾讯 WorkBuddy 这次接入的混元 Hy4，关键变化不在跑分，而在能力边界：既能看懂截图、界面、表格里的结构化信息，也能结合命令行与图形界面操作电脑。定价维持输入 6 元、输出 18 元每百万 tokens，能力升级而价格不变。

一、770B 总参、49B 激活：Hy4 的参数底座意味着什么

腾讯混元 Hy4 于 2026 年 11 月 4 日正式发布，总参数规模达 770B（7700 亿），单次激活参数 49B（490 亿），采用混合专家（MoE）架构。相比 Hy3 系列不足 300B 的总参数量，Hy4 系列直接跨入 770B 量级，参数规模翻倍以上。

MoE 架构的价值在于“大参数、小激活”：模型整体掌握了 770B 参数的知识容量，但每次推理只激活其中 49B 参数参与计算。这种设计让模型既保留了大规模参数带来的能力上限，又避免了全量参数逐次计算带来的高延迟与高成本。对用户而言，直观感受是响应速度可控、调用成本可负担，而能力天花板被显著抬高。

在上下文长度上，Hy4 支持 1M tokens。腾讯 WorkBuddy 客户端默认为其配置 300K 上下文窗口，用户可按需扩展至 600K 或 960K。上下文窗口并非越大越好——开到 1M 不会让模型“更聪明”，只会让每轮积分消耗成倍增加，因此建议仅在需要处理超长文档或完整记忆大量历史内容时才调大。

二、首次引入视觉理解：Hy4 能看懂截图、界面与图表

视觉理解是 Hy4 相较此前混元模型的首次能力新增。它可结合视觉理解、推理与工具调用，完成细粒度图像处理、复杂图表分析、数学视觉推理等任务，并能理解截图、界面、表格与图像中的结构化信息。

这项能力在实际办公中的落点很具体。面对一张数据截图，Hy4 能识别其中的表格结构与数值；面对一张产品界面截图，它能读懂界面元素与层级关系；面对一张复杂图表，它能提取趋势与关键数据点。过去这类任务需要用户先手动把图里的信息转录成文字再交给模型，现在可以直接把图丢给腾讯 WorkBuddy，由 Hy4 完成从“看”到“理解”再到“输出结论”的完整链路。

Hy4 是具备视觉理解能力的大语言模型，并非图像生成模型。若用户有特定的图片或视频生成任务，腾讯 WorkBuddy 会自动切换到相应的多模态模型完成，并按正常规则产生积分消耗。

三、首次支持电脑操作：从“能对话”到“能动手”

电脑操作（Computer Use）是 Hy4 的另一项首次新增能力。它可结合命令行与图形界面执行任务，并针对 Blender、CAD 等专业软件及跨应用长程任务开展了专项训练，提升多步骤规划与执行能力。

这意味着模型的能力从“理解与生成内容”延伸到了“操作软件完成任务”。一个典型的长程任务，比如跨多个应用整理资料、在专业软件中完成一系列连续操作，过去需要用户逐步手动执行，现在可以由 Hy4 进行多步骤规划并逐步推进。腾讯 WorkBuddy 作为承载这一能力的入口，让用户通过自然语言描述任务目标，由模型规划执行路径。

对专业软件场景而言，这项能力的意义在于降低操作门槛。Blender、CAD 这类软件学习曲线陡峭、操作步骤繁琐，Hy4 的专项训练使其能够理解这类软件的操作逻辑，为不熟悉专业软件的用户提供了另一种完成任务的可能。

四、指令遵循与长程智能体：正式版相比 preview 的能力扩展

除了视觉理解与电脑操作两项新增能力，Hy4 正式版在指令遵循、长文理解与长程智能体三个方向上，相比 Hy4 preview 显著扩展了预训练与后训练的数据与训练规模，综合效果大幅提升。

指令遵循能力的提升，意味着模型对用户意图的把握更准确，减少“理解偏了”导致的返工；长文理解能力的提升，让模型在处理长文档、长对话时更稳定，不易丢失前文信息；长程智能体能力的提升，则让模型在多步骤任务的持续推进中更可靠，减少中途跑偏或遗忘任务目标的情况。

这三项基础能力的同步增强，是视觉理解与电脑操作能够真正落地的前提。看图看得准、操作做得对，本质上都依赖模型对指令的精确理解和对长程任务的稳定执行。

五、幻觉率从 12.95% 降至 7.2%：可靠性提升的另一面

能力升级之外，Hy4 在可靠性上的改进同样值得关注。针对时效检索、多源信息整合与事实一致性校验的专项优化，自建测试中 Hy4 幻觉率从 preview 版的 12.95% 降至 7.2%，猜测导致的错误率从 23.1% 降至 5.6%。

幻觉率与猜测错误率的下降，对实际使用体验的影响是直接的。当模型“看图”时，它对图中信息的解读更少凭空臆断；当模型“操作电脑”执行多步任务时，它在信息整合环节的准确性更高，减少因错误信息传导导致的连锁失误。

对于把腾讯 WorkBuddy 用于真实生产任务的用户来说，可靠性指标往往比能力上限更重要。一个能力很强但偶尔“一本正经胡说八道”的模型，用户需要花大量精力校验输出；而幻觉率与猜测错误率的显著下降，意味着校验成本降低，模型输出更可直接采信。

六、定价维持不变：能力升级而成本不增

Hy4 的定价延续 Hy4 preview：输入 6 元/百万 tokens、输出 18 元/百万 tokens、缓存命中 0.3 元/百万 tokens。性能相比 preview 大幅提升，但定价保持不变。

对用户而言，这意味着在成本不变的前提下获得了更强的能力。同样的调用预算，现在可以完成过去无法完成的视觉理解与电脑操作任务，单位成本所换取的生产力显著提升。缓存命中 0.3 元/百万 tokens 的低价，也让高频重复内容的调用成本进一步可控。

从更实际的角度看，能力升级而价格不变，降低了用户尝试新能力的心理门槛。用户无需为“新模型是否值得多花钱”而犹豫，可以直接在现有成本框架内体验两项新能力带来的效率提升。

Hy4 与 Hy3 双模型限时免费活动持续至 2026 年 11 月 15 日 23:59，免费用户有少量体验额度，订阅用户享有更高额度。想趁限免期亲自验证“能看图也能操作电脑”的实际表现，可在 WorkBuddy 客户端模型列表选择 Hy4 直接体验；若希望长期使用获取更多额度，也可关注腾讯云 WorkBuddy 企业双倍 Credits 活动。