
> 两个真实任务，本文介绍下 Hy4 实测，跑分之外，一只骑自行车的鹈鹕和 11 条没整理的记录

![To Work](https://developer.qcloudimg.com/http-save/yehe-10954684/ad494dfffbb23827c53c00d9e4861df7.jpg)

新模型发布，最好记的永远是跑分，最难判断的是它能不能干活。今天混元 Hy4 上线，我没去复跑榜单，拿两个任务从头做了一遍：一个考空间与代码，一个考真实工作流。

---

## 一、这次更新到了哪一步

2026 年 11 月 4 日，腾讯混元 Hy4 上线，WorkBuddy 国内版与国际版同步首发接入，11 月 4 日至 15 日 23:59 提供限时免费额度。

![图片](https://developer.qcloudimg.com/http-save/yehe-10954684/377f60747ced5b98468a23345c8f313b.png)

相比 Hy4 preview，变化集中在四处：预训练与后训练的数据、训练规模显著扩展；指令遵循、长文理解、长程智能体能力明显提升；**首次引入视觉理解**，并首次支持电脑操作（Computer Use）；综合表现跻身最强开源模型之列。

| 维度   | 公开结果                                                        |
| ---- | ----------------------------------------------------------- |
| 办公场景 | 平均效果得分 **83.18**，任务通过率 **96.15%**，12 个场景中 **9 个**排名国内第一     |
| 金融分析 | 213 位专家对 579 个真实任务盲测，综合表现位居开源模型第一                           |
| 游戏开发 | 相对 preview，GameDev 提升 19.1%，GameLogic 提升 9.8%               |
| 视觉理解 | 28 亿像素航拍图中定位约 2 米的屋顶构件；900 片拼图还原莫奈《博尔迪盖拉》                   |
| 推理成本 | 与 preview 定价持平，每百万 Tokens 输入最低 0.3 元；更省成本的 Hy4 flash 将于近期发布 |

把 12 项公开基准放在一起看，会更直观一些：

![12 项公开基准横向对比](https://developer.qcloudimg.com/http-save/yehe-10954684/90e0df32a24bcd06a37bbb93ba7f6515.png)

*图 1 · 12 项公开基准横向对比，蓝色为 Hy4。榜单看上限，实测看下限。*

另外两件与工程落地相关：模型权重与系统卡片将在近期开源；网络侧只针对 PoC 生成、漏洞修复等防守性任务训练，并经安全审计，进攻性能力未展现突出风险。

榜单说明上限，实测要看的是下限：**一次成型的可用率**，以及**信息不干净时会不会自作主张**。所以下面两个任务，一个故意不给任何参考图，一个故意把输入弄得很乱。

---

## 二、测试一：画一只骑自行车的鹈鹕

「让模型画一只骑自行车的鹈鹕」是圈内用了很久的 SVG 图形推理测试。它难不在美术，而在关系：鸟要坐在车座上，脚要落在踏板，喙要朝前，两个轮子要撑住三角车架，还得同时输出一份能直接渲染的矢量代码。一句提示词，糊弄不过去。

需要说清的是：**这是生成 SVG 代码，不是文生图**。模型要自己把「骑」这个动作拆成坐标和路径。

这段做什么：本次实际使用的提示词，只有一段，不给参考图，也不给示例结构。

```text
画一只鹈鹕骑自行车的 SVG，输出单个可直接渲染的 SVG 文件。

要求：
- 自行车：两个等大车轮、闭合三角车架、车座、车把、牙盘与两块脚踏
- 鹈鹕：坐在车座上，长喙与喉囊明显，S 形脖子，翅膀伸向车把，双脚踩在踏板上
- 风格：扁平插画，粗描边，中性底色 + 单一暖色点缀，不用渐变与发光效果
- 单文件，CSS 内联，不引用任何外部图片、字体或脚本
```

**成果**：`案例1-鹈鹕骑自行车.svg`，1000×620，单文件无外部依赖，本机浏览器一次渲染通过。

![鹈鹕骑自行车 SVG 渲染结果](https://developer.qcloudimg.com/http-save/yehe-10954684/1d3ffa2b8fd188d0ea21f3724cecc9f3.png)

*图 2 · 单文件 SVG 的渲染结果：鸟坐在车座上，双脚分别落在两块踏板，长喙与喉囊可辨，双轮与三角车架闭合。*

**过线的三点：**

1. **空间关系是对的**。鸟身压在座管上方，两条腿分别落到两块踏板上，喙朝前，翅膀末端搭在车把附近；车架从后轮轴、五通、头管到前轮轴闭合成三角，链条与曲柄也在合理位置。不是「一只鸟站在一辆车旁边」。
2. **物种特征没丢**。长上喙、橙色喉囊、S 形脖子这几处让它是鹈鹕而不是鸭子或鹅——这类测试里最常翻车的就是把所有水鸟画成同一个轮廓。
3. **工程上能直接用**。SVG 路径、描边、图层顺序一次成型，没有外部资源，渲染不需要补代码。

**还能挑的地方：** 腿偏直，少了关节；脚蹼被简化成一条横线；链条只是两根示意线；整张图是静态站姿，没有骑行感。矢量图画对不等于画好，这一点得说清楚。

**判断**：这个测试的价值是暴露模型对「关系」的理解，合格线是「一眼认出鹈鹕在骑车」。这次过了，但属于结构合格，不是成品插画。

---

## 三、测试二：把 11 条杂乱记录变成一份能交出去的看板

第二个任务换成真实办公场景：三个项目并行，信息散在群聊、邮件、会议纪要里，有重复、有被推翻的时间、有互相矛盾的口径、还有负责人空缺。要求不是「总结一下」，而是**去重、对齐时间、把冲突摆出来、按优先级排序**，最后交付一份单文件、离线可用、能逐项勾选的页面。

输入是 11 条未整理记录，原样投喂，不做任何预处理：

​![11 条原始记录](https://developer.qcloudimg.com/http-save/yehe-10954684/66294f6b4e0a0672215f05cfadde6533.png)

*图 3 · 案例二的输入：跨三天的 11 条原始记录。重复、时间被推翻、口径矛盾、负责人待定，全混在一起（右侧标签为阅读时标注）。*

摘录四行就能看出麻烦在哪：

```text
[邮件 11-01 11:02] 移动端改版第二轮联调定在 11/05 10:00，会议室 B305。
[邮件 11-02 18:40] 联调改到 11/06 14:00，原 11/05 10:00 作废，会议室不变。
[会议纪要 11-01 16:30] 大屏 11/08 前完成边界复核；负责人待定；数据不到位先降级旧版底图。
[群聊 11-03 13:06] 大屏地图边界：南沙区已对齐，还剩 2 个区；旧版底图先别降级，等新数据。
```

同一件事跨三天出现三次、时间被后续消息覆盖、两条口径相反、负责人写着「待定」——这类输入最考验模型的克制。

这段做什么：把整理规则写成硬约束，重点是不许替人做决定、不许补原文没有的信息。

```text
把上面 11 条记录整理成单文件交互式 HTML「每日焦点看板」。

规则：
- 同一事项多次出现，合并为一条，保留全部来源与时间
- 时间被后续消息推翻时以后发者为准，同时标为「待确认」，并注明谁还没同步
- 相互矛盾的口径不替人做决定，单独列在「冲突」区，写清两处来源
- 原文没写的进度百分比、负责人、完成度一律不补，只用状态标签
- 输出：指标条 + 冲突区 + 今日优先 + 项目状态 + 可勾选待办（带来源、截止、筛选）
- 单文件，CSS/JS 内联，无 CDN，离线可打开；勾选状态存 localStorage
```

**过程**：原始记录原样投喂 → 按规则结构化 → 产出 `案例2-每日焦点看板.html` → 本机浏览器固定视口渲染并导出整页图 → 逐条核对来源与日期。

![每日焦点看板成果](https://developer.qcloudimg.com/http-save/yehe-10954684/f695975afecf429fb7ed91979cbd95bc.png)

*图 4 · 案例二产出：9 条去重待办、2 处单列的冲突、4 项今日优先、3 个项目状态，单文件离线可用，可按时间筛选并逐项勾选。*

**成果里有什么**：9 条去重后的待办（每条带来源、截止时间、项目标签）、2 处单列出来的冲突、4 项今日需推进、3 个项目的当前状态，以及按「全部 / 今天 / 本周」筛选和勾选进度。

**四点具体观察：**

1. **去重没有丢来源**。接口清单在 11-01、11-02、11-03 出现三次，被合并成一条，三条来源时间都挂在下面；「还差鉴权章节」作为缺口保留，没有被当成新任务。
2. **时间覆盖处理得对**。联调以 11-02 邮件的 11/06 14:00 为准，但没有顺手删掉 11-03 群里那句「我按 11/05 准备的」——而是把它变成一条「需在群里二次同步」的待办。这一步是关键：模型发现了信息没对齐，也没有假装它已经对齐。
3. **没有编数据**。会议纪要写着「负责人待定」，看板就写「负责人待定」，没有凭空派一个人；项目卡片用「收尾中 / 有阻塞 / 待确认」这样的状态标签，而不是好看但无依据的进度百分比。
4. **交互真能用**。筛选按钮、勾选、进度条、本地保存都在一个文件里，离线双击即可打开，固定视口渲染后中文排版正常、清单没被截断。

**边界也很明确**：优先级排序是「按截止时间 + 阻塞关系」的推断，仍需人确认；冲突只能摆出来，那条群消息还得自己去发；渲染出图、核对日期这些收尾动作也不在模型交付范围内。

**判断**：办公场景里最费人的从来不是「写一段文字」，而是「对齐信息 + 不越权」。这次表现稳的地方，恰恰是它没有多做事。

---

## 四、两个案例放一起，结论是什么

**第一，值得注意的不是分数，是一次成型的可用率。** 一个是图形代码，一个是带交互的单页应用，都是一次产出、本地打开即可验证，没有出现「看着像、跑不起来」的情况。对做交付的人来说，这比榜单上多两分更有意义。

**第二，更值得肯定的是「不加戏」。** 负责人待定就写待定，口径冲突就并列摆出，原文没给的百分比就不补。长文任务里，不乱补比写得漂亮难得多——这也是 96.15% 通过率背后真正该被检验的东西。

**第三，边界必须说清。** 这两个案例都是中等复杂度、以单轮为主的长文与前端任务；跨应用长程操作（Computer Use）、多模态生成、高并发下的稳定性、企业数据的权限处理，这次都没有覆盖。另外免费额度有限、繁忙时段可能排队，图片与视频生成会切换到相应多模态模型并按正常规则计积分——别把「模型免费」理解成「全链路免费」。

一句话：把它当作**能交付的协作者**，比当作万能生成器更接近真实体验。它把「材料 → 结构 → 可运行成果」这段路压得很短，但「对外交付」的最后一公里，仍然是人走。

---

## 结语

跑分会过时，任务不会。我越来越觉得，一只鹈鹕和一堆没整理的聊天记录，比任何榜单都诚实：前者看它懂不懂关系，后者看它懂不懂分寸。

**你测新模型时，有没有一道一直保留的题？** 评论区说说，下期我挑几个复现一遍。

---

**发布前备注 · 配图清单（正文已内嵌 5 张，发布时按平台逐张上传）**

| 位置             | 文件                    |
| -------------- | --------------------- |
| 题图             | `配图-00-题图-ToWork.jpg` |
| 图 1 · 12 项基准对比 | `配图-01-Hy4基准对比.png`   |
| 图 2 · 鹈鹕骑自行车   | `案例1-鹈鹕骑自行车.png`      |
| 图 3 · 11 条原始记录 | `案例2-输入记录截图.png`      |
| 图 4 · 每日焦点看板   | `案例2-每日焦点看板.png`      |

- 源文件：`案例1-鹈鹕骑自行车.svg`、`案例2-输入-原始记录.txt`、`案例2-输入截图.html`、`案例2-每日焦点看板.html`
- 正文未写活动信息；若用于平台发布，按活动另行补带话题标签，并补一张模型选择界面截图（可放在两个案例的提示词小节前后）
- 第三节的 11 条记录为可复现的测试输入，若替换为你自己的真实记录，请同步更新图 3、代码块摘录与看板里的来源日期


两个真实任务，本文介绍下 Hy4 实测，跑分之外，一只骑自行车的鹈鹕和 11 条没整理的记录

在 WorkBuddy 调用 Hy4 实测：跑分之外，一只骑自行车的鹈鹕和 11 条没整理的记录

新模型发布，最好记的永远是跑分，最难判断的是它能不能干活。今天混元 Hy4 上线，我没去复跑榜单，拿两个任务从头做了一遍：一个考空间与代码，一个考真实工作流。

全职开发工程师

人工智能

腾讯混元Hy4实测：以真实任务检验新模型。本文通过SVG生成与杂数据整理两案例，展示其在空间理解、代码执行及办公场景的实用性。Hy4指令遵循与长文能力增强，一次成型率高，不擅补信息，兼顾克制与效率。文章揭示跑分之外的可用性，为模型选择提供可靠参考。

漏洞修复

安全审计

游戏开发

代码解释

智能体

WorkBuddy 

WorkBuddy企业版限时双倍 Credits 活动

workbuddy

让每一个 Agent，都跑在云上

tclm

CDN免费试用


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

在 WorkBuddy 调用 Hy4 实测：跑分之外，一只骑自行车的鹈鹕和 11 条没整理的记录-腾讯云开发者社区-腾讯云

在 WorkBuddy 调用 Hy4 实测：跑分之外，一只骑自行车的鹈鹕和 11 条没整理的记录

在 WorkBuddy 调用 Hy4 实测：跑分之外，一只骑自行车的鹈鹕和 11 条没整理的记录

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐