騰訊Hy4開眼了！搶先實測操作微信、3D建模，價格看齊DeepSeek，昇騰生態已聯動

作者 | 陳駿達 編輯 | 雲鵬 11月4日報道，今天，騰訊發佈其最新一代旗艦模型Hy4正式版，並計劃開源模型權重。相比於今年8月發佈的Hy4 preview，Hy4顯著擴展了預訓練和後訓練規模，首次引入了視覺能力，並大幅提升了指令遵循、長文理解、長程任務、深度研究等各項綜合能力。視覺能力的從無到有，解鎖了不少Hy模型的新玩法。比如，用戶可以上傳隨手拍攝的照片，讓Hy4確定地理位置並核實信息。或是根據一張課本圖片，打造3D的講解網頁。從騰訊公佈的完整基準測試結果來看，Hy4在智能體編程、搜索、辦公等領域的多個公開基準測試中，實現了對DeepSeek-V4.

1-Flash等模型的超越，但是距離GPT-6.1 Sol、Claude Opus 5.5等模型仍有一定差距。Hy4也在為遞歸自我改進（RSI）做準備。結合騰訊自研的科研智能體Hyra2.0後，Hy4優化了內部同架構小模型的預訓練基礎設施，實現了20.1%端到端訓練吞吐提升，並自動訓練出在多項評測中優於官方的Jev模型。Hy4已在騰訊雲和OpenRouter上線，並可在CodeBuddy/WorkBuddy、元寶、ima等騰訊系AI產品中體驗，性能顯著超過Hy4 preview的同時，維持相同API價格。

Hy4的API價格介於DeepSeek V4 Pro空閒時段與高峰時段的輸入輸出價格之間，而緩存命中價格與DeepSeek V4 Pro高峰時段價格一致。騰訊還計劃在近期發佈Hy4 flash，會顯著提升模型性價比和推理速度。騰訊稱，他們已聯合vLLM/SGLang社區以及Inferact Inc.為Hy4提供開源生態支持。在發佈之前，國產算力生態已經開始進行Hy4的推理適配。11月2日，適用於昇騰NPU的vLLM-Ascend開源插件倉庫新增一項名為“Add Hy4 deployment guide”的PR，涉及在Hy4在昇騰950DT上的單節點、多節點和PD分離部署。

在Hy4正式版發佈前，提前拿到內測權限並進行了體驗。從我們的體驗結果來看，補齊原生視覺理解是Hy4最實質的變化，它直接改變了編程、3D建模等任務的交互方式，操作微信電腦版等PC應用的體驗也更好；同樣值得關注的是長程任務能力的提升，在多輪迭代中，Hy4相比此前的Hy系列模型展現出更強的目標保持能力。一、原生視覺理解首秀，看圖編程、3D建模實測過關 原生視覺理解能力一直是Hy旗艦模型此前的一塊空白。在這次實測中，我們將它與編程、3D建模等複雜任務放在一起考察。在編程場景，騰訊對前端的複雜交互、業務邏輯、狀態管理、前後端聯動等方面進行了針對性優化，讓模型生成的界面除了好看，也具備完整可用的功能。

先來看一個輕量的網頁改造任務，我將的官網鏈接甩給Hy4，並選取了另一個網站作為參考設計，讓Hy4據此進行改造。拿到任務後，Hy4對兩個網站都進行了充分的探索，一方面閱讀HTML代碼，熟悉網站的結構骨架與樣式基因，另一方面通過截圖，確認版式比例、視覺重心與色彩氣質等這類難以從代碼中直接感知的設計細節。探索過程中，它還將官網的圖片素材都扒了下來，便於後續開發。原生的視覺理解能力也讓修改代碼變得更加輕鬆：我可以直接截圖，把界面上想改的地方指給模型看，不用再費力用文字描述佈局、配色和元素位置。對於小修改，HY4大概只需要花上1-2分鐘，思維鏈看上去比Hy4 Preview更為簡潔。

最終，在經歷三四輪人工反饋後，Hy4交出了我們相對滿意的官網改造設計，在保留品牌色、網站交互等細節的同時，採用了TechCrunch的版式，並且規避了粒子光效、漸變發光等典型的AI味兒設計語言。我們的下一個實測任務是3D模型的開發，環境是Blender。騰訊稱，在Hy4上，他們針對Blender、CAD等專業軟件和跨應用長程任務開展了專項訓練，優化了專業任務的規劃與執行力。要用好外部工具，相應的Skill、打通MCP連接器必不可少，我從GitHub上找了一個Blender Skill的合集，並讓Hy4完成安裝和MCP配置。

完成後，我上傳了一張騰訊經典企鵝形象的二維圖片，並要求Hy4據此打造一個3D模型，並在企鵝肚子上預留一塊屏幕的嵌入位，這麼一來，它就能成為一個AI硬件的外殼。在17分鐘的執行後，Hy4交付了初版模型。這個模型抓住了關鍵特徵，紅圍巾、圓肚皮、屏幕嵌入位都在，但整體還原度還有提升空間。同時，它還充分考慮了AI硬件所需的其他要素，在我們沒有明確要求的情況下，加入了USB-C開孔、揚聲器開孔、頭頂麥克風開孔以及內部裝配參考件。此後的30多分鐘裡，我邊截圖邊與Hy4對話，前後進行了6輪改稿，逐一指出它的模型設計與騰訊經典企鵝形象的差別。

反覆未能改好的問題是企鵝左眼的設計，參考圖裡的眼睛是白色豎橢圓，但是Hy4在前幾版都做成了浮在臉上的一條黑色弧線，直到它把參考圖放大4倍、8倍才看清並改對。不過，修改過程中，Hy4交付的3D模型沒有出現“越改越偏”的問題，每個版本都有可感的提升。最終它交付的成品如下，與初版模型相比，它的還原度明顯更好，同時工程可用性並沒有受到外觀返工的影響。從整個過程看，Hy4在3D建模上的幾何自檢做得不錯，短板主要在視覺自檢。這可能與目前大部分大模型在3D建模時採用的參數化建模方式有關：參數化管線能直接讀回的都是標量，面對跨對象、跨尺度的問題時容易判斷缺位。

這波體驗下來，值得關注的是Hy4在長程任務上的表現。無論是網頁改造的多輪反饋，還是用掉50萬上下文窗口的3D建模任務，Hy4都記住了最初的任務目標，對需要長鏈路執行的Agent類產品來說，這種能力是十分關鍵的。二、讓Hy4當一天打工人：做財報PPT、在微信爬樓，被封鎖也不瞎編 除了上述複雜長程任務之外，我們也考察了Hy4在辦公類任務上的表現。任務提示詞如下： 充分利用SpaceX IR網頁裡Q3財報的數據和物料，包括Earnings Update、Q&A、10-Q和Transcript，生成一份PPT，用於介紹業績進展。

拿到任務後，Hy4先找到網站並下載了提示詞中提到的文件，其中，Earnings Update的PDF文件下載極慢，於是它選擇繞道SEC官網拿到同源的全文，PDF原件只用作留檔核驗。在下載Q&A文件時，Hy4遇到了地域封鎖，它沒有編造內容，而是通過檢索補充了信息，並在回答裡註明了這一限制。在大概30分鐘後，Hy4就完成了初版PPT文件的生成，我們抽檢了幾個數據，都與真實情況相符。不過，它的初版PPT全是密密麻麻的文字，閱讀體驗不佳。在我指出這一問題後，Hy4調用PDF截圖工具把SpaceX財報中豐富的視覺素材保存至本地，並將其融入PPT設計，最終做出了一份圖文並茂的PPT，兼顧美感和信息量。

有了原生視覺能力之後，Hy4的電腦操作能力也值得一試。如今，讓Hy4操作微信，在評論區裡自動發佈評論的流程已經可以完整跑通，它的操作定位精準，但是執行速度還是比較慢。▲Hy4發評論的執行過程（20倍速） 搶鼠標的問題也客觀存在，它使用電腦時我無法進行其他操作，否則就可能打斷它的正常執行。我還試著讓Hy4在微信群裡爬樓，總結工作消息。這一任務它花了大概2分鐘就跑完了，走的是純GUI的路線——