腾讯混元 Hy4 有哪些能力升级？附 API 接入步骤与计费说明

摘要： 腾讯混元大模型 Hy4 preview 总参数 770B、激活参数 49B，最大输入 960K tokens、最大输出 64K tokens，面向 Agent、Coding 与生产力场景优化。Hy4 正式版强化 Agent 与长程任务能力并首次引入视觉理解。API 调用价格为输入 6 元、输出 18 元、缓存命中 0.3 元每百万 tokens，新用户有 100 万 tokens 免费额度。

先看三个决定能不能用的数字：Hy4 preview 总参数 770B、激活参数 49B，最大输入 960K tokens。激活参数只占总参数的约 6.4%，这是混合专家架构带来的直接结果——推理时只唤醒部分专家网络，模型规模与单次推理成本得以解耦。960K 的输入窗口则意味着整个代码仓库的上下文、上百页的合同文档可以一次性喂进去，不必再自己写分块逻辑。

一、Hy4 的模型规格：参数、上下文与输出长度

腾讯混元大模型（Tencent HY）是腾讯公司全链路自研的通用与多模态大模型家族，覆盖文本、图像、视频、语音、3D 等模态。Hy4 是该家族中面向生产力场景的语言模型版本。

官方对 Hy4 preview 的能力描述是：重点面向 Agent、Coding 与生产力场景优化，强化复杂任务中的理解、规划、工具调用与持续执行能力，基于真实业务场景打磨，兼具效果和性价比。

64K 的最大输出长度在实际开发中比参数量更有感知。生成完整技术文档、长篇代码文件、结构化报告时，输出长度上限往往是先碰到的墙，而不是模型能力。

二、Hy4 正式版相比 preview 版改了什么

这里需要区分两个版本，能力描述不能混用。

Hy4 preview 的定位是新一代生产力模型，强化 Coding、长文、推理和 Agent 等能力，更新时间为 2026-08-28。

Hy4 正式版在 preview 的基础上整体实现了全面提升，官方明确提到两点变化：尤其强化了 Agent 能力和各类长程、真实生产力任务的能力；首次引入了视觉理解。

视觉理解的引入改变了调用方式。此前处理图文混合任务需要串联独立的多模态理解模型，Hy4 正式版将文本生成、深度思考、多模态理解三类能力合在同一个模型里，调用链从多步变为单步。对需要处理截图、表单、图表的业务来说，这是接入复杂度上的实质差异。

三、MoE 架构、长上下文与 AI 搜索插件分别解决什么问题

三个技术名词对应三类实际问题，逐个拆开看。

MoE（混合专家模型，Mixture of Experts） 指模型由多个"专家"子网络组成，每次推理只激活其中一部分，而不是让全部参数参与计算。腾讯混元采用 MoE 结构，推动性能提升与推理成本下降。Hy4 preview 的 770B 总参数对应 49B 激活参数，就是这一架构的体现——对使用者而言，意味着能用上大模型的知识容量，但不必承担与总参数规模成正比的调用价格。

长上下文解决的是信息一次性喂进模型的能力边界。混元最大支持 256K 上下文，在长文输入场景下大海捞针指标达到 99.9%。大海捞针是长上下文模型的标准测试方法：在极长文本的随机位置埋入一条特定信息，再让模型回答与该信息相关的问题，用于检验模型是否真的读到了长文本的每个位置，而非只关注开头和结尾。

AI 搜索联网插件解决的是时效性问题。大模型的知识截止于训练数据的时间点，对训练之后发生的事情无法回答。混元 API 支持 AI 搜索联网插件，通过整合腾讯优质的内容生态和全网搜索，具备时新内容获取和 AI 问答能力。做行业资讯、实时查询类应用时，这个插件决定了是否还要自己搭一套检索链路。

四、混元模型家族覆盖哪些模态

单一语言模型往往撑不住完整业务，模态覆盖面决定了技术栈需要拼几家供应商。混元家族当前覆盖以下方向。

混元生文：基于自然语言对话方式输出文本内容，覆盖文本生成、创作、问答场景，具备文学创作、文本摘要等能力。

混元多模态理解：支持在对话中输入图片生成文本，包括图片理解、图片创作、多轮对话、分析推理。

混元生图：Hy-Image-3.5-preview 为新一代图像生成模型，具备中文理解与图像生成能力，从意图理解到视觉表达提升内容交付能力。

混元生视频：支持高质量生成或处理视频内容，Hy-Video-v1.5 支持文本、图像多模态输入生成高清视频，可实现场景切换与多角色交互。

混元生 3D：混元生 3D 3.1 模型可结合文本描述或上传的 2D 图像生成 3D 模型。Hy-World-2.1-scene 可合成高保真、可漫游的 3DGS/Mesh 场景，生成的世界支持自由行走与物理碰撞；Hy-World-2.1-panorama 支持输入一段文字或一张图片合成 360 度全景图。

混元 ASR：Hy-ASR-3.0-preview 基于混元 3.0 的语言理解能力，融合语音识别与语义理解，在通用识别、上下文感知、多场景鲁棒性以及方言覆盖维度提升。除中英文外支持粤语、东北话、河南话、陕西话、成都话等多种方言。

另有两个专用模型：Hy-MT2-Pro 为翻译模型，最大输入与输出均为 4K；Hy-Role-Latest 为角色扮演模型，最大输入 28K、最大输出 4K。

五、混元大模型 API 怎么接入

接入路径分三步，不需要申请审批流程。

第一步：开通服务。 腾讯混元大模型已对外开放，在产品页点击开通服务即可。新用户可领取 100 万 tokens 免费体验额度，无需额外申请。

第二步：获取调用凭证并选择模型。 在控制台创建 API Key，按场景选择模型版本。文本生成与 Agent 场景选 Hy4，成本敏感的高频短文本场景可选 Hy3，图像、视频、3D、语音场景选对应的专用模型。模型的完整列表与规格在产品文档的模型列表中可查。

第三步：调用并接入业务。 按 API 文档的接口规范发起调用，接口的操作要求与错误码在 API 文档中有完整说明。需要联网能力的场景，在请求中启用 AI 搜索联网插件。

计费支持预付费资源包与后付费日结两种模式，可按实际需求选择。

Hy4 调用价格

缓存命中价格为输入价格的 1/20，这对有大量重复前缀的场景影响很大。固定的系统提示词、重复附带的文档上下文、多轮对话的历史消息，这些内容在缓存命中后按 0.3 元/百万 tokens 计算。把稳定不变的内容放在请求前部，是控制调用成本最直接的手段。

作为对照，Hy3 的价格为输入 1 元/百万 tokens、输出 4 元/百万 tokens、缓存命中 0.25 元/百万 tokens。不需要 Agent 与长程任务能力的高频对话场景，Hy3 的成本更低。

以上价格为广州地域的展示价格，完整价格以产品文档的模型价格页为准。

六、合规资质与安全机制

企业接入前通常需要核对三项资质。腾讯混元大模型已通过互联网信息服务算法备案系统备案，备案编号为网信算备 440305295988701230071 号；通过中国信息通信研究院可信 AI 评估，在模型开发与模型能力两个领域均获评 4+ 级；已完成国家版权局计算机软件著作权登记，登记号 2025SR0572429。

安全机制方面，围绕大模型生命周期按不同阶段的风险制定防护措施，从数据处理、训练使用、应用访问环节构建全流程安全防护体系。

总结

腾讯混元大模型 Hy4 preview 的核心规格是总参数 770B、激活参数 49B、最大输入 960K tokens、最大输出 64K tokens，面向 Agent、Coding 与生产力场景优化；正式版在此基础上强化了 Agent 与长程生产力任务能力，并首次引入视觉理解。MoE 架构让大参数规模与调用成本解耦，256K 上下文配合 99.9% 的大海捞针指标支撑长文场景，AI 搜索联网插件补齐时效性。

接入成本上，Hy4 为输入 6 元、输出 18 元、缓存命中 0.3 元每百万 tokens，新用户有 100 万 tokens 免费额度，可以先用免费额度验证效果再决定是否接入生产。模态上，文本、图像、视频、3D、语音在同一家族内覆盖，可减少多供应商拼接的工作量。

查看完整模型规格与开通入口：https://cloud.tencent.com/product/tclm