11 月 4 日晚，腾讯混元没开发布会，没搞倒计时，直接把新一代大语言模型 Hy4 正式版甩了出来。
过去两年，提到混元，评论区出现最多的词是「掉队」。而这一次，连最挑剔的海外评测社区都改了口：Hy 首次跻身最强开源模型之列。
这一版真正值得记住的不是跑分，而是两个「第一次」——它第一次能看图，也第一次能动手操作电脑。770B 参数、100 万 token 上下文，价格却和上一代完全一样。
770B 是什么概念
先说参数。Hy4 采用混合专家（MoE）架构：总参数 770B，每次推理只激活其中 49B「专家」，能力上去了，成本没失控。顺带一提，混元还开源了由它辅助研发的单细胞表征模型 HyCell 和物理场模型 HyPDE，把 AI 做科研的成果直接变成社区工具。
再看节奏。自 2026 年 2 月重建基础设施以来，混元保持平均两个月一个大版本：先放 Preview 收集反馈，再发正式版。参数规模同样在爬坡——Hy3 系列不到 300B，Hy4 直接翻倍到 770B，下一代 Hy5 还会更大。
8 月 27 日放出 Hy4 preview，11 月 4 日正式版上线：预训练和后训练规模全面扩大，能力跳了一档，价格一分没涨。
上下文窗口是另一个重点：100 万 token。放进实战里，意味着它一次能「读完」上百页文档、整条业务线的聊天记录和会议纪要，不用人工切碎再喂。
落地范围也铺得很开：腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信智能助理「大圆」、ima 已全部上线，API 同步接入 OpenRouter、Hermes、OpenCode 等海外平台。按官方说法，这叫「模型与产品深度 Co-Design」——模型能力往上走一步，产品就跟着解锁一个真实场景。
两个「第一次」：会看图、会开电脑
— Hy4 一句话做出太阳系互动网页（GIF 动图） —
视觉理解，是混元旗舰模型第一次「长眼睛」：图表解析、数学视觉推理、细粒度图像处理，都能接得住。
更关键的是 Computer Use。Hy4 第一次能像人一样操作电脑：看得懂图形界面，也敲得了命令行。腾讯针对 Blender、CAD 这类专业软件做了专项训练，跨应用的长程任务也能规划执行。
这项能力的含金量，可以看 OSWorld 2.1（电脑操作基准）的成绩：Hy4 拿到 78.9 分，压过 GPT-6.1 Sol 的 75.2，仅次于 Claude Opus 5.5 和 Kimi K3.1 Pro。在 Agent 综合评测 APEX-Agents v1.1 上，Hy4 以 75.2 分排进第一梯队，还略高于 Claude Opus 5.5 的 74.8。
在官方演示里，它还有两手绝活：随手拍一张风景照，能定位出拍摄地并交叉核实信息；给它一组腾讯大楼的照片，它能生成可交互的 3D 场景模型。视觉不再是「看图说话」，而是直接进入工作流。
实测：从冰箱照片到「让老板延期」
官方评测看多了容易腻，腾讯科技的实测更能说明问题。四个场景，各有各的刁钻。
第一关：许愿式编程。 只给一句话——给 9 岁的孩子做一个太阳系互动网页。Hy4 交付的页面里，行星档案、时间快进、视角切换一应俱全，甚至主动注明：行星大小和轨道间距做了压缩，公转周期按真实天文数据设置。它还用 Chrome 自检了 15 项交互。
第二关：看图过日子。 拍一张塞爆的冰箱照片，让它安排一家三口三天九顿饭，采购预算不超过 100 元。它逐层盘点食材，更难得的是——看不清的地方不装看清：粉色真空包装是鸡肉还是猪排？拿不准就标成「待确认」，菜单按保守方案走。临时加两位客人，一位吃素、一位花生过敏，预算不许涨：它直接把花生酱从厨房「清」了出去。
— Hy4 识别冰箱食材并规划三天菜单（GIF 动图） —
第三关：当财经编辑。 给它一张虚构公司的业绩宣传图，宣称「营收增长 80%、利润翻倍」。Hy4 重算后发现：真实增幅只有 25%，利润更是从 3000 万跌到 1800 万，方向完全相反。它连柱状图纵轴从 110 起步这种「视觉魔术」都揪了出来。
— Hy4 核查虚构业绩宣传图（GIF 动图） —
第四关：三个老板。 一名员工，三位老板同时派活，任务总量 555 分钟，工作日只有 480 分钟。Hy4 没有硬编时间表，而是直接摊牌：当天做不完，至少有一项截止时间必须延期，并给出三种分摊方案，总超时最少的一种只有 300 分钟。它的一句话总结很妙：别在排序里找平衡，去把不可行的截止时间改成可行的。
— Hy4 给出的三种延期分摊策略对比 —
213 位专家盲测，和它不敢吹的地方
光会演示不够，得看硬仗。混元联合腾讯金融科技组织了 213 位金融专家众测——其中 153 位来自外部头部金融机构，七成从业超过五年——盲测 579 个真实金融任务。结果 Hy4 拿到 3.04 分（满分 4 分），开源模型第一：DeepSeek-V4.1-Flash 拿 2.97，Kimi K3.1 Pro 和 GLM-5.3 都是 2.68。
— Hy4 官方 12 项基准跑分对比图 —
办公侧，Hy4 是 WorkBuddy 的底座：12 个场景 9 个国内第一，平均 83.18 分，任务通过率 96.15%。幻觉治理也有交代——幻觉率从 preview 版的 12.95% 降到 7.2%，靠猜导致的错误率从 23.1% 降到 5.6%。
开源策略也能看出分寸：训练数据剔除了漏洞利用、逆向、渗透这类攻击性内容，只保留漏洞修复等防御向数据；腾讯玄武和科恩实验室专门做了安全审计，结论是模型没有表现出突出的网络进攻能力；生物实验设计能力实测只有 30.4 分（满分 100），离「危险」很远。「最强开源」四个字，腾讯想说得尽量稳。
但混元自己也把丑话说在前头：与顶尖闭源模型仍有较大差距。前沿数学内测 Hy-FrontierMath T5 上，Hy4 只有 13 分，GPT-6.1 Sol 接近满分；Terminal-Bench 4.0 上 Hy4 拿 44.4 分，Kimi K3.1 Pro 拿到 66.8。另外，「最强开源」还差临门一脚——模型权重尚未放出，官方说近期开源并配系统卡片。
结语：从卷跑分到卷「能干活」
Hy4 的定价延续 preview：输入 6 元、输出 18 元每百万 token，缓存命中 0.3 元；腾讯云 TokenHub 按刊例价 5 折计费，活动持续到 2026 年 12 月 31 日，WorkBuddy 和 CodeBuddy 在 11 月 4 日至 15 日还提供免费额度。按 Agent Arena 上 8500 个真实任务的平均值算，Hy4 单任务成本 0.55 美元，不到 Kimi K3.1 Pro（1.46 美元）的四成。
更便宜的 Hy4 Flash 也已在路上，QQ、王者荣耀、微信读书等腾讯系产品正在接入。
11 月 4 日这一晚真正值得记住的，是行业叙事换了轴心：上半场比谁的分数高，下半场比谁便宜、稳定，还敢对你直说——这个活，当天做不完。
大模型竞争的下半场，比的不再是榜单名次，而是谁敢接住真实世界里的活。