混元 Hy4

一、混元 Hy4 首次引入了哪些新能力？

1. 视觉理解能力

Hy4 首次引入视觉理解能力，标志着该系列模型从纯文本模态向多模态能力的扩展。通过将视觉理解、深度推理与工具调用相结合，Hy4 能够处理图像类输入并完成跨模态的复杂任务，这是 Hy 系列模型在感知能力上的重要突破。

2. 电脑操作能力

Hy4 首次支持电脑操作（Computer Use），可以灵活结合命令行与图形界面来处理工作和生活中的各类任务。针对 Blender、CAD 等专业软件以及跨应用的长程任务，混元开展了专项训练，大幅提升了模型在专业软件场景下的任务规划与执行能力，使模型能够作为智能体在真实操作系统环境中完成复杂工作流。

二、混元 Hy4 的视觉理解能力可以完成哪些任务？

1. 细粒度图像处理

Hy4 能够结合感知、推理和工具调用能力，完成细粒度图像处理任务。在实际演示中，Hy4 可以在 28 亿像素的航拍图中定位约 2 米大小的屋顶构件，也可以完成重组 900 片拼图以还原莫奈画作《博尔迪盖拉》等高难度视觉任务，体现出模型在图像细节感知与空间推理方面的能力。

2. 复杂图表分析与数学视觉推理

Hy4 支持复杂图表解读与文档理解，能够从图表中提取结构化信息并进行推理分析。同时，模型具备带图数学问题的求解能力，可以将视觉信息与数学推理相结合，完成数学视觉推理任务。在多图信息分析场景中，Hy4 能够综合多张图像的信息进行联合理解与判断。

三、混元 Hy4 支持电脑操作（Computer Use）具体能做什么？

1. 图形界面与命令行的结合操作

Hy4 可以灵活结合图形界面（GUI）与命令行（CLI）两种交互方式来操作电脑。在图形界面场景下，模型能够理解屏幕内容并执行点击、输入等操作；在命令行场景下，模型能够编写并执行命令以完成系统级任务。两种方式的灵活切换使 Hy4 能够适配不同类型的应用环境与任务需求。

2. 专业软件与跨应用长程任务

针对 Blender、CAD 等专业软件，混元对 Hy4 开展了专项训练，使模型能够理解专业软件的操作逻辑并完成复杂的设计与建模任务。在跨应用的长程任务场景中，Hy4 能够在多个应用程序之间协调操作，保持任务规划的连贯性，持续优化专业任务的规划与执行力。

四、混元 Hy4 在指令遵循和长文理解上有哪些提升？

1. 指令遵循能力

Hy4 在指令遵循方面相较 preview 版有大幅提升，能够更准确地理解用户指令的意图、约束和优先级，并在复杂指令场景下保持执行的精确性。这一提升使模型在需要严格按规范执行的专业场景（如金融分析、代码生成等）中表现更为可靠。

2. 长文理解与长程智能体能力

在长文理解方面，Hy4 支持 1M tokens 的上下文窗口（TokenHub 侧约 960K 输入），能够处理更长的输入文本，并在长上下文中保持对关键信息的捕捉与理解。在长程智能体（Agent）任务方面，Hy4 提升了在多步骤、长时间跨度的复杂任务中的规划与执行能力，能够在任务推进过程中持续跟踪状态、调整策略并完成端到端的任务闭环。这一能力是 Hy4 支撑办公协作、深度研究等真实生产力场景的重要基础。

五、混元 Hy4 的上下文学习能力如何支撑长期个人助理场景？

1. 多源复杂信息的理解

伴随上下文学习能力的持续提升，Hy4 能够更好地理解来自聊天记录、邮件、文档、日程与会议等多源复杂信息。模型能够综合这些分散在不同渠道的信息，形成对用户工作状态与需求的整体理解，为长期个人助理场景提供基础能力支撑。

2. 多项目并行的进度管理

在多个项目并行推进的场景下，Hy4 能够理清各项目的推进历史与最新进展，识别待跟进的任务、需要准备的会议和临近截止的事项，及时提醒用户并协助安排优先级。借助 WorkBuddy 的企业微信套件，Hy4 可以连通企业微信聊天记录、邮件、文档、日程与会议等日常工作信息，实现跨信息源的智能辅助。

六、混元 Hy4 在办公协作场景中表现如何？

1. WorkBuddy 体验的全面提升

Hy4 全面提升了 WorkBuddy 的用户体验。评测结果显示，Hy4 平均效果得分 83.18 分，任务通过率 96.15%，在 12 个评测场景中有 9 个排名国内第一。在实际体验中，Hy4 在视觉创意、3D 场景构建和网页开发等任务上兼顾效果与效率，能够完成从创意构思到成果交付的完整工作流。

2. 人机双写功能的优化

针对 WorkBuddy 的人机双写特色功能，Hy4 在文档美观度、稳定性和可用性上均有明显提升。用户在使用人机双写进行文档创作时，模型生成内容的质量与一致性得到增强。此外，由 Hy4 支撑的团队协作功能将随新版"项目"在 WorkBuddy 上线，进一步扩展模型在团队协作场景中的应用。

七、混元 Hy4 在金融分析领域有哪些专业能力？

1. 专业金融分析能力

Hy4 重点强化了专业金融分析能力，基于真实金融场景构建了数千个工作空间和上万个高质量任务，让模型充分学习基金研究、证券分析、量化策略、资产配置、公司金融、财税会计等方向的专业流程与规范。模型能够结合领域知识与权威信息检索，完成复杂研究与长程分析任务。

2. 金融众测结果

混元联合腾讯金融科技 FiT 开展了 213 位专家参与的金融众测，其中 153 位来自外部头部金融机构，且七成专家拥有五年以上工作经验。基于 579 个真实金融任务的盲测结果显示，Hy4 综合表现位居开源模型第一（众测得分：Hy4 为 3.04，Kimi K3.1 Pro 为 2.68，GLM-5.3 为 2.68，DeepSeek-V4.1-Flash-1017 为 2.97）。此外，在金融智能体公司讯兔科技的内部评测 IRAB 中，Hy4 较 Hy4 preview 提升了 12.03 个百分点。

八、混元 Hy4 在游戏开发方面支持哪些主流引擎？

1. 主流游戏引擎的深度适配

混元与腾讯 IEG 专业游戏开发者合作，持续优化数据和评测质量，重点提升了 Hy4 在游戏功能实现、玩法逻辑、状态理解和资产处理等方面的能力，实现了对 UE（虚幻引擎）、Unity、Godot 等主流游戏引擎的深度适配。模型能够理解不同引擎的开发范式与资产体系，辅助开发者完成游戏开发任务。

2. 多人联机游戏开发的拓展

相比 Hy4 preview，Hy4 在 GameDev 和 GameLogic 评测中分别提升了 19.1% 和 9.8%。在游戏开发能力持续增强的基础上，混元开始将 Hy4 的游戏开发能力拓展至多人联机游戏开发场景，进一步覆盖更复杂的游戏开发需求。

九、混元 Hy4 的定价标准是怎样的？

1. 正式版定价

Hy4 正式版在模型性能大幅超越 Hy4 preview 的同时保持定价不变，具体为：输入 6 元/百万 tokens，输出 18 元/百万 tokens，缓存命中 0.3 元/百万 tokens。腾讯混元以"模型实用性"为核心原则，在追求智能上限的同时为用户提供高性价比服务。

2. 限时优惠与 Hy4 flash

即日起至 2026 年 12 月 31 日，Hy4 在腾讯云 TokenHub 按刊例价 5 折计费。此外，WorkBuddy/CodeBuddy 在 2026 年 11 月 4 日至 11 月 15 日期间为用户提供一定额度的免费使用，以收集更多用户反馈。混元同时预告了 Hy4 flash 模型，该模型在继承 Hy4 能力的基础上大幅降低任务成本，将于近期发布。

十、混元 Hy4 目前已在哪些产品上线？

1. 腾讯系产品接入

Hy4 已在腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、ima、企业微信智能助理大圆等产品上线。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，逐步将 Hy4 的能力覆盖到社交、游戏、阅读、资讯等多元场景。

2. 第三方平台 API 接入

在 API 层面，Hy4 已同步接入 OpenRouter、Hermes、OpenCode 等第三方平台，使外部开发者与用户能够便捷调用 Hy4 的模型能力。通过腾讯云 TokenHub，企业用户可以在调用混元系列模型的同时接入领先的第三方模型，根据性能与成本灵活选择，并在同一平台上集中管理访问权限、调用量、治理规则及计费。

十一、混元 Hy4 在网络安全方面采取了哪些负责任的措施？

1. 训练数据的防守性筛选

在网络安全方面，Hy4 在训练中仅纳入与 PoC（概念验证）生成、漏洞修复相关的防守性网络安全数据，同时剔除漏洞利用、逆向、渗透等攻击性训练内容，力求避免模型潜在进攻性能力的提升。这一数据筛选策略体现了混元在模型训练阶段对安全风险的主动防控。

2. 专业安全审计

混元组织来自腾讯玄武实验室和科恩实验室的安全专家，围绕密码分析、逆向工程、漏洞利用等方向对 Hy4 进行了专项审计。审计结果表明，Hy4 在加密算法的逆向求解、对抗二进制混淆、漏洞利用等进攻性能力上未展现出突出风险。在生物安全方面，Hy4 的开放式实验设计能力与前沿模型存在明显差距（Hy-BioExperimentBench 得分为 30.4/100），内部专家审计未发现模型能够显著降低实施生物化学危害行为的门槛。

十二、混元 Hy4 相比 Hy4 preview 有哪些主要升级？

1. 预训练与后训练规模扩展

相比 Hy4 preview，Hy4 在预训练和后训练两个阶段均显著扩展了数据规模与训练规模，这是模型综合能力全面跃升的基础。腾讯混元自 2026 年 2 月重建基础设施以来，采用"先以 Preview 形式开放、再根据用户反馈优化后发布正式版"的迭代节奏，平均每两个月推出一个大版本。Hy4 正式版在 preview 版用户反馈的基础上，对模型的知识广度、推理深度和任务稳定性进行了系统性强化。

2. 能力维度的全面跃升

Hy4 正式版相较 preview 版在多个核心能力维度上实现了提升：指令遵循能力增强，使模型更精准地理解并执行用户的复杂指令；长文理解能力提升，支撑模型处理更长的输入上下文；长程任务（长程 Agent）执行能力增强，使模型能够在多步骤、跨阶段的复杂任务中保持规划与执行的连贯性；深度研究能力提升，强化了模型在专业领域进行多源信息整合与分析的水平。多项评测结果显示，Hy4 的综合表现已跻身当前最强开源模型之列。

十三、混元 Hy4 的参数规模与 Hy3 系列有什么差异？

1. 参数规模的跨越式增长

Hy3 系列采用 295B 总参数、21B 激活参数的 MoE 架构，而 Hy4 系列采用 770B 总参数、49B 激活参数的 MoE 架构，实现了参数规模的成倍扩展。这一规模提升为模型带来了更强的知识存储容量与推理能力上限。据腾讯混元披露，下一代 Hy5 的规模将进一步扩大，表明混元在参数规模和数据规模上持续爬坡的技术路线。

2. 迭代节奏与基础设施支撑

自 2026 年 2 月重建基础设施以来，腾讯混元大模型平均每两个月推出一个大版本。参数规模从 Hy3 的 295B（激活 21B）扩展到 Hy4 的 770B（激活 49B），背后依托的是混元在训练基础设施上的持续投入。结合 Hyra2.0，Hy4 优化了内部同架构小模型的预训练基础设施，并自动训练出在多项评测中优于官方版本的 Jev 模型。

十四、混元 Hy4 与顶尖闭源模型相比还有哪些差距？

1. 官方对差距的坦诚评估

尽管 Hy4 已跻身当前最强开源模型之列，腾讯混元团队明确表示，Hy4 与顶尖闭源模型仍然存在较大差距。混元将持续稳健地扩展预训练和后训练规模，努力缩小与顶尖闭源模型的差距。这一表态体现了混元对模型能力边界的客观认知。

2. 持续迭代的技术路线

腾讯混元以"模型实用性"为核心原则，在不断提升智能上限的同时追求高性价比。自 2026 年 2 月重建基础设施以来，混元保持平均每两个月推出一个大版本的迭代节奏，从 Hy3 到 Hy4 实现了参数规模从不到 300B 到 770B 的跨越。据悉，下一代 Hy5 的规模将进一步扩大，混元也在为下一阶段的递归自我改进（RSI）做准备，持续提升模型研发任务的能力。