騰訊 Hy4 解讀：多模態與電腦操作能力、價格與能力短板的 5 個關鍵結論

作者注：騰訊 Hy4 正式發佈，首次支持圖像理解和電腦操作。本文把廠商宣傳、合作方自測和第三方獨立評測放在一起對照，幫你看清它的能力邊界和適用場景。

騰訊在預覽版發佈約兩個月後推出了正式版 Hy4，首次支持圖像理解與自主操作電腦軟件，定價與預覽版保持一致。騰訊稱它首次躋身最強開放權重模型之列，但權重要到一個尚未公佈的日期纔會開放。

這不是一篇轉述發佈會的通稿。騰訊的自測、合作方的反饋和 Artificial Analysis 的獨立評測並不完全一致，有幾處差別還比較大。本文把三方說法逐條對照，分清楚哪些是廠商聲稱，哪些是獨立結論。

核心價值：讀完你會知道 Hy4 新增了哪些能力、價格是多少、在哪些任務上明顯落後，以及在編程、金融和辦公場景裏該怎麼用才穩妥。

騰訊 Hy4 核心信息速覽

先把已經確認的事實放在一張表裏。表中能力描述多數來自騰訊官方，第三方數據會在後文單獨標註。

騰訊 Hy4 的發佈背景

騰訊上一代 Hy3 擁有 2950 億參數，按 Apache 2.0 許可證開放。此後幾個月裏，智譜發佈了 GLM-5.3，DeepSeek 發佈了 V4.1-Flash-1017，月之暗面推出了 Kimi K3.1 Pro，國產模型之間的競爭相當激烈。Hy4 的定位，就是在這一輪競爭中把騰訊重新拉回第一梯隊。

另一個值得注意的背景是評測口徑的變化。Artificial Analysis 在 10 月下旬改版了綜合指數，現在有 60% 基於不公開的私有測試集。按新口徑計算，開放模型與頂尖模型的差距從 3 分擴大到了 12 分。因此 Hy4 的分數不宜和改版前的舊榜單直接比較。

騰訊 Hy4 多模態與電腦操作能力解讀

圖像理解和電腦操作是 Hy4 這一代最大的兩項變化。前者讓模型能看圖，後者讓模型能動手，兩者結合之後纔可能勝任真實的辦公和開發流程。

Hy4 圖像理解：靠代碼裁圖找細節

騰訊的演示裏，Hy4 要在一張 28 億像素的航拍圖中，找出某個倉庫屋頂上一個約兩米大小的部件。它的做法是用代碼生成裁剪區域，一塊一塊放大檢查，而不是一次性”看完”整張圖。這種”工具輔助看圖”的思路，對處理超大尺寸圖紙、遙感圖像和複雜圖表比較有參考價值。

騰訊還說圖像理解能幫到編程，比如根據設計圖搭建網站和遊戲。在遊戲開發上，騰訊與自家遊戲工作室合作，針對 Unreal、Unity 和 Godot 等主流引擎做了適配。據《王者榮耀》開發團隊反饋，Hy4 處理配置類任務幾乎沒有差錯，定位 Bug 根因的成功率也比以前高得多。不過這屬於騰訊內部團隊的反饋，沒有公開的測試方法。

Hy4 電腦操作：面向專業軟件和多應用串聯

Hy4 首次具備自主操作電腦的能力，可以直接控制軟件完成任務。騰訊專門用 Blender、CAD 等專業工具做了訓練，也覆蓋了需要依次使用多個應用的任務。在辦公場景，Hy4 可以和人實時協作處理 Word、Excel 和 PowerPoint 文件。

這裏有一個重要的參照。同一天，分析機構 SemiAnalysis 發佈了 GDPx 基準，讓 AI Agent 在模擬的真實工作環境裏操作 Siemens NX 等專業軟件，單個任務最長持續 8 小時。結果沒有任何模型得分超過 12%，排名第一的 Claude Opus 5.5 也只有 12%。Hy4 沒有出現在這份榜單裏，但這個結果提醒我們：電腦操作能力在整個行業裏都還很初級，”能操作軟件”和”能獨立完成專業工作”之間仍有很大差距。

Hy4 參與訓練自己的”後代”

騰訊還展示了一個比較特別的方向：用 Hy4 改進 AI 開發本身。在七個領域的內部研究任務測試中，騰訊稱 Hy4 在開放模型中排名第一。Hy4 搭配 Agent 系統 Hyra 2.0，在六個步驟中把騰訊內部訓練基礎設施的吞吐量提升了約 20%。

之後，Hy4 又自主訓練了美國初創公司 TypeSafe AI 的決策模型 Jev 的一個版本，這個 Hyra-Jev 變體在 8 項基準中的 6 項超過了原版 Jev。騰訊還會把用這種方式產出的兩個生物學和物理學專用模型作爲開放模型發佈。這些都是騰訊自測，但能看出它的長期意圖：讓 Hy4 成爲內部 AI 研發的加速器。

騰訊 Hy4 三方評測對照：廠商、合作方與獨立機構

這一節是全文重點。同一個模型，三方給出的畫像差異明顯，選型時一定要先分清說話的人是誰。

騰訊 Hy4 自測與獨立評測的關鍵分歧

最明顯的分歧出在 Hy4 和 Kimi K3.1 Pro 的比較上。騰訊的金融測試裏 Hy4 排在 Kimi 之前，但在 Artificial Analysis 的綜合指數上，Hy4 落後 Kimi 達 11 分。兩者並不一定矛盾：金融測試是窄場景，綜合指數覆蓋知識工作、編程、科學和常識等多個維度。可以理解爲 Hy4 在騰訊重點打磨的金融場景裏有優勢，但整體能力並不領先。

性價比上也有一個需要注意的點。Artificial Analysis 的數據顯示，Hy4 的綜合得分與 Anthropic 最小的 Haiku 5.5 大致持平，而 Haiku 5.5 在該基準上的單任務成本幾乎只有 Hy4 的一半。也就是說，單看 Token 單價不能得出”Hy4 更便宜”的結論，還要算上完成任務實際消耗的 Token 量。

騰訊 Hy4 高難任務的能力短板

騰訊自己坦承，Hy4 在高等數學、較長的編程項目和複雜圖像分析上，仍明顯落後於最好的商用模型。差距最大的是 Hy-FrontierMath T5，數據如下。

13.0 對 90 以上，這已經不是”稍弱一些”，而是完全不在一個檔次。如果你的業務涉及競賽級數學推理、長週期工程代碼或高精度圖像分析，Hy4 目前不適合作爲主力模型。

騰訊 Hy4 影響分析：對開發者和產品團隊意味着什麼

對開發者的影響：聯網與不聯網是兩個模型

“聯網幻覺率約 5%”和”不聯網時 89% 編造”這兩個數字放在一起看，結論很清楚：Hy4 的事實可靠性高度依賴外部檢索。騰訊的 5% 是聯網檢索場景的內部測試，而 89% 是 Artificial Analysis 在閉卷條件下測出的編造傾向。在產品裏接入 Hy4 時，基本可以把它當作”必須配檢索的模型”來設計。

具體落地時，可以參考下面幾條做法：

• 事實類問題一律走檢索：先用搜索或 RAG 召回資料，再讓模型基於資料回答，不要讓它憑記憶作答。
• 在提示詞裏明確”允許說不知道”：要求資料中沒有的內容直接回答”資料未提及”，降低編造概率。
• 要求標註出處：讓模型說明每條結論來自哪段資料，便於人工抽查。
• 關鍵數值二次校驗：金融、報表類輸出中的數字，用程序或規則再覈對一遍。正如 GDPx 評測指出的，表格裏一個錯誤數值就可能讓整份輸出失去價值。

下面是一個”檢索增強 + 允許拒答”的極簡調用示例。模型名請替換爲你實際可用的模型，Hy4 在各平臺的具體模型 ID 以平臺控制檯爲準。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

context = "（這裏放檢索召回的資料片段）"
resp = client.chat.completions.create(
    model="your-model-name",
    messages=[
        {"role": "system", "content": "只依據給定資料回答；資料沒有的內容回答“資料未提及”，並標註出處段落。"},
        {"role": "user", "content": f"資料：{context}\n\n問題：該公司三季度營收是多少？"}
    ],
    temperature=0
)
print(resp.choices[0].message.content)

import openai
from typing import List, Dict

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

SYSTEM = (
    "只依據給定資料回答問題。"
    "如果資料中沒有答案，必須只回答：資料未提及。"
    "回答時註明依據的資料段落編號。"
)

def ask(model: str, context: str, question: str) -> str:
    try:
        resp = client.chat.completions.create(
            model=model,
            messages=[
                {"role": "system", "content": SYSTEM},
                {"role": "user", "content": f"資料：\n{context}\n\n問題：{question}"}
            ],
            temperature=0,
            max_tokens=500
        )
        return resp.choices[0].message.content
    except Exception as e:
        return f"Error: {e}"

def evaluate(models: List[str], cases: List[Dict]) -> None:
    """cases 中 answerable=False 的題目，資料裏故意不含答案，用來測試編造傾向"""
    for m in models:
        refused, fabricated = 0, 0
        for c in cases:
            out = ask(m, c["context"], c["question"])
            if not c["answerable"]:
                if "資料未提及" in out:
                    refused += 1
                else:
                    fabricated += 1
        print(f"{m}: 正確拒答 {refused}，疑似編造 {fabricated}")

cases = [
    {"context": "[1] 公司二季度營收 12 億元。", "question": "三季度營收是多少？", "answerable": False},
    {"context": "[1] 公司二季度營收 12 億元。", "question": "二季度營收是多少？", "answerable": True},
]

# 將列表替換爲你要對比的模型 ID
evaluate(["model-a", "model-b"], cases)

🎯 選型建議：評估 Hy4 這類新模型時，最可靠的辦法是用自己的業務樣本做同題對比，而不是隻看榜單。API易 apiyi.com 提供 OpenAI 兼容的統一接口，一個 API Key 即可調用 Claude、GPT、Gemini 以及多家國產模型，便於把候選模型放在同一套測試集上跑一遍。Hy4 是否已在平臺上線，請以控制檯模型列表爲準。

對產品負責人的影響：Hy4 適合與不適合的任務

結合三方信息，可以把 Hy4 的任務適配度大致整理如下。

對行業的影響：開放權重與監管同步收緊

Hy4 計劃開放權重，這意味着企業未來可能獲得私有化部署的選項。不過權重開放日期、許可證都還未公佈，暫時不宜把它寫進需要確定交付時間的方案裏。

政策層面也有變化。中國商務部和科技部在 10 月發佈了出口管制框架草案，覆蓋全球排名前十或參數超過兩萬億的模型權重，但對開源發佈設有自動批准的快速通道。安全方面，騰訊稱訓練時有意過濾了黑客相關材料，自家安全實驗室未發現濫用風險升高，生物危害也遠低於其風險閾值，詳細安全報告會隨權重一起發佈。

騰訊 Hy4 常見問題 FAQ

騰訊 Hy4 核心要點 Key Takeaways

• 兩項首次：Hy4 首次支持圖像理解和自主操作電腦，覆蓋 Blender、CAD 和 Office 文檔。
• 定價未漲：每百萬輸入約 0.83 美元、輸出約 2.50 美元，與預覽版一致。
• 獨立評測居中上：AA 綜合指數 35 分，國產模型第二，明顯落後 Kimi K3.1 Pro。
• 必須配檢索：聯網幻覺率約 5%，不聯網時不知道答案有 89% 會編造。
• 高難任務落後：高等數學、長編程項目、複雜圖像分析與頂級商用模型差距明顯。
• 自測要複覈：金融排名和合作方結論多爲自測，上線前應用自家樣本驗證。
• 對比更穩妥：可藉助 API易 apiyi.com 的統一接口，把 Hy4 的替代或對照模型放在同一測試集裏比較。

總結

騰訊 Hy4 的核心要點：

1. 能力有明顯進步：圖像理解和電腦操作是這一代最大的新增能力，在金融和辦公場景做了重點打磨。
2. 三方說法要分開看：廠商和合作方的自測偏樂觀，Artificial Analysis 的獨立評測把它放在國產第二、與 Haiku 5.5 相近的位置。
3. 短板很具體：不聯網易編造、高難數學和長編程項目明顯落後，這些都直接影響選型。

如果你在做金融數據查詢、文檔處理或遊戲配置這類任務，Hy4 值得配合檢索做一輪試點；如果場景依賴閉卷知識或高難推理，現階段更適合選擇更強的模型。建議先通過 API易 apiyi.com 用統一接口對候選模型做同題實測，再結合成本和準確率做決定。

📚 參考資料

1. THE DECODER – Tencent releases Hy4 with vision and computer use：Hy4 發佈報道
2. 鏈接：the-decoder.com/tencent-releases-hy4-with-vision-and-computer-use-claims-second-place-among-chinese-ai-models

3. 說明：包含騰訊官方數據、合作方反饋和 Artificial Analysis 獨立評測結果

4. THE DECODER – SemiAnalysis GDPx 基準報道：AI Agent 真實工作場景評測

5. 鏈接：the-decoder.com/no-ai-agent-scores-above-12-percent-on-semianalysis-new-real-world-work-benchmark

6. 說明：瞭解電腦操作類 Agent 在專業軟件中的整體水平

7. Artificial Analysis：獨立模型評測機構

8. 鏈接：artificialanalysis.ai
9. 說明：可查看 Intelligence Index 和 AA-Omniscience 等評測的最新數據

作者：APIYI 技術團隊
技術交流：歡迎在 API易 apiyi.com 網站首頁聯繫我們，更多接入資料可訪問 docs.apiyi.com 文檔中心