Tencent Releases Hy4 Official Version: First Introduction of Visual Capabilities, Hands-On Testing of Operating WeChat and 3D Modeling

智东西11月4日报道，今天，腾讯发布其最新一代旗舰模型Hy4正式版，并计划开源模型权重。相比于今年8月发布的Hy4 preview，Hy4显著扩展了预训练和后训练规模，首次引入了视觉能力，并大幅提升了指令遵循、长文理解、长程任务、深度研究等各项综合能力。

视觉能力的从无到有，解锁了不少Hy模型的新玩法。比如，用户可以上传随手拍摄的照片，让Hy4确定地理位置并核实信息。或是根据一张课本图片，打造3D的讲解网页。

从腾讯公布的完整基准测试结果来看，Hy4在智能体编程、搜索、办公等领域的多个公开基准测试中，实现了对DeepSeek-V4.1-Flash等模型的超越，但是距离GPT-6.1 Sol、Claude Opus 5.5等模型仍有一定差距。

Hy4也在为递归自我改进（RSI）做准备。结合腾讯自研的科研智能体Hyra2.0后，Hy4优化了内部同架构小模型的预训练基础设施，实现了20.1%端到端训练吞吐提升，并自动训练出在多项评测中优于官方的Jev模型。

Hy4已在腾讯云和OpenRouter上线，并可在CodeBuddy/WorkBuddy、元宝、ima等腾讯系AI产品中体验，性能显著超过Hy4 preview的同时，维持相同API价格。Hy4的API价格介于DeepSeek V4 Pro空闲时段与高峰时段的输入输出价格之间，而缓存命中价格与DeepSeek V4 Pro高峰时段价格一致。

腾讯还计划在近期发布Hy4 flash，会显著提升模型性价比和推理速度。

腾讯称，他们已联合vLLM/SGLang社区以及Inferact Inc.为Hy4提供开源生态支持。在发布之前，国产算力生态已经开始进行Hy4的推理适配。11月2日，适用于昇腾NPU的vLLM-Ascend开源插件仓库新增一项名为“Add Hy4 deployment guide”的PR，涉及在Hy4在昇腾950DT上的单节点、多节点和PD分离部署。

在Hy4正式版发布前，智东西提前拿到内测权限并进行了体验。从我们的体验结果来看，补齐原生视觉理解是Hy4最实质的变化，它直接改变了编程、3D建模等任务的交互方式，操作微信电脑版等PC应用的体验也更好；同样值得关注的是长程任务能力的提升，在多轮迭代中，Hy4相比此前的Hy系列模型展现出更强的目标保持能力。

一、原生视觉理解首秀，看图编程、3D建模实测过关

原生视觉理解能力一直是Hy旗舰模型此前的一块空白。在这次实测中，我们将它与编程、3D建模等复杂任务放在一起考察。

在编程场景，腾讯对前端的复杂交互、业务逻辑、状态管理、前后端联动等方面进行了针对性优化，让模型生成的界面除了好看，也具备完整可用的功能。

先来看一个轻量的网页改造任务，我将智东西的官网链接甩给Hy4，并选取了另一个网站作为参考设计，让Hy4据此进行改造。

拿到任务后，Hy4对两个网站都进行了充分的探索，一方面阅读HTML代码，熟悉网站的结构骨架与样式基因，另一方面通过截图，确认版式比例、视觉重心与色彩气质等这类难以从代码中直接感知的设计细节。

探索过程中，它还将智东西官网的图片素材都扒了下来，便于后续开发。

原生的视觉理解能力也让修改代码变得更加轻松：我可以直接截图，把界面上想改的地方指给模型看，不用再费力用文字描述布局、配色和元素位置。对于小修改，HY4大概只需要花上1-2分钟，思维链看上去比Hy4 Preview更为简洁。

最终，在经历三四轮人工反馈后，Hy4交出了我们相对满意的智东西官网改造设计，在保留智东西品牌色、网站交互等细节的同时，采用了TechCrunch的版式，并且规避了粒子光效、渐变发光等典型的AI味儿设计语言。

我们的下一个实测任务是3D模型的开发，环境是Blender。腾讯称，在Hy4上，他们针对Blender、CAD等专业软件和跨应用长程任务开展了专项训练，优化了专业任务的规划与执行力。

要用好外部工具，相应的Skill、打通MCP连接器必不可少，我从GitHub上找了一个Blender Skill的合集，并让Hy4完成安装和MCP配置。

完成后，我上传了一张腾讯经典企鹅形象的二维图片，并要求Hy4据此打造一个3D模型，并在企鹅肚子上预留一块屏幕的嵌入位，这么一来，它就能成为一个AI硬件的外壳。

在17分钟的执行后，Hy4交付了初版模型。这个模型抓住了关键特征，红围巾、圆肚皮、屏幕嵌入位都在，但整体还原度还有提升空间。

同时，它还充分考虑了AI硬件所需的其他要素，在我们没有明确要求的情况下，加入了USB-C开孔、扬声器开孔、头顶麦克风开孔以及内部装配参考件。

此后的30多分钟里，我边截图边与Hy4对话，前后进行了6轮改稿，逐一指出它的模型设计与腾讯经典企鹅形象的差别。

反复未能改好的问题是企鹅左眼的设计，参考图里的眼睛是白色竖椭圆，但是Hy4在前几版都做成了浮在脸上的一条黑色弧线，直到它把参考图放大4倍、8倍才看清并改对。

不过，修改过程中，Hy4交付的3D模型没有出现“越改越偏”的问题，每个版本都有可感的提升。最终它交付的成品如下，与初版模型相比，它的还原度明显更好，同时工程可用性并没有受到外观返工的影响。

从整个过程看，Hy4在3D建模上的几何自检做得不错，短板主要在视觉自检。这可能与目前大部分大模型在3D建模时采用的参数化建模方式有关：参数化管线能直接读回的都是标量，面对跨对象、跨尺度的问题时容易判断缺位。

这波体验下来，值得关注的是Hy4在长程任务上的表现。无论是网页改造的多轮反馈，还是用掉50万上下文窗口的3D建模任务，Hy4都记住了最初的任务目标，对需要长链路执行的Agent类产品来说，这种能力是十分关键的。

二、让Hy4当一天打工人：做财报PPT、在微信爬楼，被封锁也不瞎编

除了上述复杂长程任务之外，我们也考察了Hy4在办公类任务上的表现。任务提示词如下：

充分利用SpaceX IR网页里Q3财报的数据和物料，包括Earnings Update、Q&A、10-Q和Transcript，生成一份PPT，用于介绍业绩进展。

拿到任务后，Hy4先找到网站并下载了提示词中提到的文件，其中，Earnings Update的PDF文件下载极慢，于是它选择绕道SEC官网拿到同源的全文，PDF原件只用作留档核验。

在下载Q&A文件时，Hy4遇到了地域封锁，它没有编造内容，而是通过检索补充了信息，并在回答里注明了这一限制。

在大概30分钟后，Hy4就完成了初版PPT文件的生成，我们抽检了几个数据，都与真实情况相符。不过，它的初版PPT全是密密麻麻的文字，阅读体验不佳。

在我指出这一问题后，Hy4调用PDF截图工具把SpaceX财报中丰富的视觉素材保存至本地，并将其融入PPT设计，最终做出了一份图文并茂的PPT，兼顾美感和信息量。

有了原生视觉能力之后，Hy4的电脑操作能力也值得一试。如今，让Hy4操作微信，在评论区里自动发布评论的流程已经可以完整跑通，它的操作定位精准，但是执行速度还是比较慢。

▲Hy4发评论的执行过程（20倍速）

抢鼠标的问题也客观存在，它使用电脑时我无法进行其他操作，否则就可能打断它的正常执行。

我还试着让Hy4在微信群里爬楼，总结工作消息。这一任务它花了大概2分钟就跑完了，走的是纯GUI的路线——打开微信、找到群聊、滑动页面、记录内容。它总结的内容还相对完整，包含清晰的时间点，连图片里的文章修改意见都能看清。

两个案例跑下来，可以看到Hy4+WorkBuddy的组合在办公与长程推理场景的可靠性不错，基本不会擅自行动，满足了办公场景对严谨性的要求。

三、优化基础设施实现20.1%吞吐提升，已剔除攻击性训练内容

腾讯还在博客中分享了Hy4在科研场景的能力。

在AI研究场景中，Hy4自主定位预训练系统中的性能瓶颈，并围绕多个方向开展多轮基础设施优化，最终实现端到端训练吞吐提升20.1%。

在涵盖7大学科、123项可执行研究任务的TenureTrail内部评测中，Hy4在数学构造、物理建模、地球环境、系统工程和社会经济决策等领域展现出不错的科研能力，位居开源模型第一。

借助Hyra 2.0，Hy4研发了单细胞表征基础模型HyCell。在7个未参与训练的细胞图谱上，仅有1600万参数的HyCell以约1/14的参数量达到与当前SOTA模型Stack相当的综合性能，并取得参评模型中最高的平均生物学保真度得分。

在物理场建模方向，Hy4配合Hyra 2.0研发了物理基础模型HyPDE。与当前SOTA模型Walrus相比，HyPDE在13个物理仿真数据集上的单步、短期（1–20步）和长期（21–60步）预测中，分别有9、10、8个数据集取得更低的预测误差。

腾讯也已将上述两个模型开源。

在AI安全方面，腾讯称他们已经意识到模型的网络和生物等能力潜在的安全风险。在Hy4训练阶段，研发团队仅纳入与PoC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，力求避免潜在进攻性能力的提升。

在生物方面，Hy4的开放式实验设计能力与前沿模型存在明显差距，腾讯组织了内部专家对轨迹进行审计，发现模型基础生物知识的掌握能力较强，但将知识转化为可执行实验方案的能力仍然有限，尚未发现其能够显著降低实施生物化学危害行为的门槛。

结语：预训练和后训练规模将继续加码

在博客中，腾讯提到，Hy4目前与顶尖闭源模型仍然存在较大差距，尤其在腾讯内部构建的前沿数学、长程开发、模型迭代、视觉问答等领域的高难度测试集上。

未来，腾讯将持续稳健地扩展预训练和后训练规模，努力缩小和顶尖闭源模型的差距。