这一次，腾讯HY4确实真的上桌了，真正

进入国内开源旗舰第一梯队了。从官方的演示视频来看，效果确实可以，特别是在Coding Agent、工具调用、长任务执行和办公生产力。

先看模型本身，有明显的效果提升

。相比 Hy3 的 295B / 21B / 256K，基本上是有一个成倍数的增加。目前官方没有给出架构图，所以我用大模型画了一个

也就是说，它明显吸收了过去一年 DeepSeek、GLM 这条路线里已经被验证有效的东西：

大 MoE + 稀疏 Attention + Hyper-Connection + MTP。

所以 Hy4 给我的感觉是把开源模型的优势给结合起来，

重新组合、放大，然后狠狠干了一轮预训练和后训练。

它未必一定要在某个架构创新上做到“全世界第一个”，但腾讯手里真正有优势的，是大量真实的研发、办公、游戏、安全和 Agent 场景。只要底座能力足够强，后面就可以不断拿真实任务去打磨模型。

官方公布的数据里，我觉得有几个结果比普通数学 benchmark 更值得关注：

，这个提升非常夸张。还有几个比较关键的点：

但也能看到 Hy4 还不是全面 SOTA。比如 

，Claude Opus 5 达到 39.5；DeepSWE 上也明显落后 Kimi K3 和 Claude。纯文本 HLE 上 Hy4 是 43.4，而 Claude / GPT-5.6 Sol 分别达到 53.2 / 49.6。

腾讯内部还找了 163 名内部专家，对 203 个真实工程任务做盲测：

差距只有 0.05～0.07 分，而且面对 GLM 5.3，Hy4 依然有 

Hy4 已经成功进入 GLM 5.3、Kimi K3 这一档，但是还是有一定的差距。

不过这本身已经是一个很大的变化。

在 Code Arena：WebDev 中排名 ~#5，获得 1633 分（AutoEval）。

这是从 Hy3 的整体 #31 位（+115 分）的一个显著改进！在开源模型中，Hy4 预览版排名 ~#3，而 Hy3 则为 #7。

实际体验反而比 Benchmark 更有意思

目前比较完整的一轮提前实测是在 WorkBuddy 里做的。

。HY4有明显的先计划再做的思考在里面

检查环境 → 做任务规划 → 开发 → 运行 → 看结果 → 找 JS Bug → 修改 → 再验证 → 最后交付。

实测中它自己发现并修复了高亮显示错误和 JS 崩溃，而且最终前端的视觉一致性明显比 Hy3 好。

更夸张的是有人直接让它做了一个 

，最终交付了一个约 10MB 的多文件项目，包含：

而且过程中会自己操作角色、截图，然后通过视觉工具检查采集机制到底有没有生效。

施瓦西黑洞的测试：Hy4 preview表现非常不错，而且这个测评顺利完成的模型不多，svg 也能有动态效果

展示一个经典的3D 飞机发动机引擎Case

使用Three.js开发一款类似JigSpace的3D交互式展示应用，主要用于展示大爆炸理论和机械机构的运作原理。核心场景为飞机发动机引擎的可拆解展示，用户能够通过鼠标拖拽、滚轮缩放等交互方式逐层拆解引擎各部件并查看内部结构，同时配有工作原理的动态演示效果。

要求：模型设计高度还原真实引擎结构，支持部件高亮标注与信息提示；交互流畅自然，具备相机自动聚焦、爆炸视图、单部件隔离查看等功能；界面UI简洁现代，适合技术展示与教学场景。

还有一个非常现实的问题：770B 太大了

MoE 的显存占用看的是 770B 权重，不是 49B 激活参数。

官方已经直接发布了 FP8 版本，同时 vLLM / SGLang 官方部署方案默认给出了 

。这会限制 Hy4 开源权重的实际普及程度。

$0.834 / M 输入，$2.501 / M 输出，缓存 $0.042 / M。

6 元 / M 输入，18 元 / M 输出，缓存命中 0.3 元 / M。

 的旗舰模型来说，这个价格还是有点贵，对比刚刚出的glm-5.3-flash模型确实贵了一点

不卷单轮 Chatbot 第一，而是围绕腾讯内部真实的工程、游戏、安全、金融、办公场景，把模型往 Agent 生产力上训。

这条路线其实很适合腾讯。腾讯最不缺的就是大量真实业务场景、工程师和专家反馈。

Hy4 真正可能形成壁垒的地方，也许不是某个架构创新，主要是它背靠腾讯。

每天有大量真实用户拿模型干活，再把这些工作流反过来用于后训练。

Hy4 Preview、GLM 5.3、Kimi K3、DeepSeek V4 Pro 大致处于同一梯队，在不同 Agent 任务上各有优势。

如果正式版能够解决过度思考、自我验证循环和执行效率问题

。会比现在这个 Preview 更值得关注。

这一次，腾讯HY4确实真的上桌了，真正进入国内开源旗舰第一梯队了。从官方的演示视频来看，效果确实可以，特别是在Coding Agent、工具调用、长任务执行和办公生产力。

Hy4 Preview 实测：腾讯这次把大模型重点押在了 Agent 上

后台策略工程师

人工智能

新闻资讯

开发工具

腾讯混元HY4正式跻身国内开源旗舰第一梯队，770B参数MoE架构配合1M上下文，Agent能力实现数倍跃升，DeepSWE得分翻倍至64.3，多项基准比肩GPT-5.6与Claude Opus 5。实际测试中可自主完成复杂网站开发与3D游戏制作，FP8版本已发布，支持vLLM部署，定价$0.834/M输入，定位办公、游戏等真实场景的生产力工具。

WorkBuddy 

DeepSeek

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

腾讯混元HY4正式跻身国内开源旗舰第一梯队，770B参数MoE架构配合1M上下文，Agent能力实现数倍跃升，DeepSWE得分翻倍至64.3，多项基准比肩GPT-5.6与Claude Opus 5。实际测试中可自主完成复杂网站开发与3D游戏制作，FP8版本已发布，支持vLLM部署，定价$0.834/M输入，定位办公、...

Hy4 Preview 实测：腾讯这次把大模型重点押在了 Agent 上

Hy4 Preview 实测：腾讯这次把大模型重点押在了 Agent 上

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐