穩居開源模型第一梯隊，騰訊發佈混元 Hy4 preview 模型
作者：沁滄（實習） 責編：沁滄 評論： 8 月 28 日消息，騰訊官方今日發佈了 Hy4 preview，總參數 770 B，激活參數 49 B，上下文長度 1M。官方表示，Hy4 preview 在模型尺寸、上下文長度、數據規模上都進行了顯著的擴展，預訓練和後訓練的共同進步帶來了智能水平的又一次巨大提升，穩居開源模型第一梯隊。
通過與騰訊內部軟工、遊戲、金融、安全等領域頂尖專家的高質量數據共建，Hy4 preview 在各類真實生產力任務上取得顯著進步：軟件工程：增強長程開發任務的理解、規劃、調試與驗證能力，進一步提升前端開發的視覺審美和交互質量；辦公分析：顯著提升複雜辦公環境理解和金融分析能力，著重優化數據分析、跨文件協作，完成從信息處理到文檔、表格與演示文稿交付的完整流程；遊戲開發：增強一句需求直接生成可玩原型能力，並能熟練使用遊戲引擎，開發者可以通過多輪交互持續完善複雜遊戲項目；科學研究：顯著提升複雜科研問題的理解、推理與求解能力，模型在 AI 研發、分子動力學模擬、凝聚態物理、基礎數學等各類場景中均有長足進步。
Hy4 preview 持續與 CodeBuddy / WorkBuddy 等產品深度協同，優化生產力場景的真實用戶體驗。官方表示，組織了 163 名內部專家進行了 203 個工程任務的盲測，結果顯示 Hy4 preview（均分 2.99/4.00) 略優於 GLM-5.3（均分 2.92/4.00；勝 46.8%/ 平 12.8% /負 40.4%) 和 Kimi K3（均分 2.94/4.00；勝 51.2%/平 7.9%/負 40.9%)。配合 Hyra，Hy4 preview 在百年經典幾何難題 —— 三維 Blaschke–Lebesgue 問題上取得重大突破，將體積下界從 0.
380799 一舉推進至 0.41104。相較於 Meissner 四面體猜想給出的 0.41986，這一成果讓該猜想距離最終證明只剩最後 2% 的 Gap。官方表示，Hy4 preview 是 Hy4 迭代的一個早期版本，預訓練和後訓練均仍有較大的提升空間，也有一些已知問題，如複雜任務的長思考和過度自我驗證傾向，將持續敏捷迭代。如同 Hy3 preview，我們希望通過 Hy4 preview 的儘快發佈獲得廣泛的真實反饋，從而顯著提升 Hy4 正式版。同時，我們將堅持發揮與騰訊產品和專家深度合作的獨特優勢，持續提升生產力的普惠性和上限。
Hy4 preview 現已開源，在騰訊雲 TokenHub 和 OpenRouter 上線，並可在 WorkBuddy / CodeBuddy 、元寶、ima 等產品上體驗。附相關鏈接：HuggingFace：https://huggingface.co/tencent/Hy4-previewGithub：https://github.com/Tencent-Hunyuan/Hy4-previewModelscope：https://modelscope.cn/models/Tencent-Hunyuan/Hy4-previewGitcode: https://ai.gitcode.
com/tencent_hunyuan/Hy4-preview廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，包含外鏈的文章均包含本聲明。投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：騰訊，開源，AI 模型，混元，Hy4 preview騰訊《王者萬象棋》定檔 9 月 10 日上線，《王者榮耀》推出萬象棋 · 迷你戰聯動玩法谷歌推出全球首個雙盲 AI 評估技術，基於加密環境保障基準測試公正性騰訊《王者萬象棋》官宣定檔 9 月 10 日，全網預約人數超 7000 萬谷歌發佈 Gemini 3.
5 Transcribe 語音轉文本模型，能自動刪除口頭禪馳援西藏吉隆等災區，騰訊公益慈善基金會首期投入 2000 萬備災資金Ox Alpha 現身：智譜開源 GLM-5.3-Flash 原生多模態模型，限時折扣價為 GLM-5.3 的 1/20
Related
相關文章
演員吳越遭 AI 換臉帶貨，微信視頻號：涉事賬號永久封禁、內容清空
AI資訊AI新閒資訊正文演員吳越遭 AI 換臉帶貨，微信視頻號：涉事賬號永久封禁、內容清空發布於AI新閒資訊時間 :Oct 19, 2026閱讀 :1分鐘演員吳越昨日發聲稱，微信視頻號"花姐美膚日記"利用 AI 炮製了她的虛假帶貨視頻。她曬出的錄屏顯示，該賬號發佈了一段"吳越"出鏡的 AI 視頻：開頭便是"吳越"在帶貨，隨後拼接她公開活動的畫面，並借"吳越"的口吻稱"這個產品不是他們找我，是我找他們的……效果是真的非常直觀"。更離譜的是，視頻末尾還出現了疑似鄧亞萍的帶貨片段，一人冒用牽連多人。據澎湃新聞從微信團隊核實，目前該賬號已被永久封禁，相關內容清空不可見。踩中"清朗"專項整治紅線這起事件正撞在監管的槍口上。9 月 30 日，中央網信辦印發通知，在全國部署為期 2 個月的"清朗·整治短視頻虛假人設亂象"專項行動，重點整治利用 AI 仿冒人物等行為——包括通過 AI 合成虛假音視頻，假冒公眾人物實施虛假代言、營銷等侵權違法活動。當 AI 換臉擬聲的門檻低到隨手可制，公眾人物成了最易被"借臉"的對象。此次微信視頻號快速封號清空的處置，既是平臺對侵權內容的即時止血，也呼應了專項整治對仿冒亂象的零容忍。對普通用戶而言，刷到"明星親自帶貨"時多留個心眼，或許比事後維權更管用——畢竟一鍵生成的假臉，肉眼越來越難辨。相關推薦算力相當於全人類不吃不喝算 200 年！我國首個全國產十萬卡 AI 超集群“曙光 8000”真機震撼亮相在深圳舉行的2026全國高性能計算學術大會上，我國首個全國產十萬卡AI超集群“曙光8000”真機首次公開亮相，並將集中發佈十大重要應用成果。其算力可構建“數字孿生大腦”，模擬百億光年宇宙演化；核心是通過高速互聯技術整合十萬張國產AI加速卡，實現規模與算力突破。Oct 19, 2026108.5k成本砍掉90%！DeepSeek-V4.1-Flash 重磅升級：逆
Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3
Mistral AI has released Timestral, its first family of time series foundation models. Timestral is a set of 4 zero-shot forecasting models from Mistral AI, sized from 5M to 209M parameters.
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。