腾讯混元Hy4正式发布：模型开始“动手”操作电脑

专注AIGC技术的专业社区，关注大语言模型（LLM）的发展和应用落地，聚焦LLM及AI技术的市场研究和开发者生态，欢迎关注！

如果让大模型帮忙处理一份资料，它能读懂里面的文字和图表；如果下一步还要打开软件、填写内容、调用工具，过去往往得靠人接手，或者另写一套自动化脚本。

腾讯混元 Hy4 这次把“看”和“操作”放进了同一个模型里。11月4日发布的 Hy4 正式版，首次加入视觉理解和电脑操作能力，同时加强长文理解、指令遵循和长程任务执行。它能分析图片、图表，也能结合命令行、图形界面和工具调用，尝试把一连串操作接着做下去。

Hy4开始接手屏幕上的多步操作

电脑操作是这次更新里最容易理解的一项变化。模型不再只看用户发来的文字，而是可以结合图像信息理解界面，再通过命令行或图形界面执行任务。

这类能力在简单演示里可能只是点按钮、填表格，复杂起来就涉及多个步骤：先读懂界面，再判断该用哪个工具；执行之后，还要根据结果决定下一步怎么走。腾讯称，Hy4 针对 Blender、CAD 等专业软件和跨应用长程任务做了专项训练，提升模型规划和执行这类工作的能力。

视觉理解也不只是“看见一张图”。Hy4 覆盖细粒度图像处理、复杂图表分析和数学视觉推理。把它放进办公任务里，模型可以先从图表中提取信息，再结合文档内容继续分析；在更长的工作链条里，还能把聊天记录、邮件、文档、日程和会议等信息放到一起理解。

腾讯给出的一个应用方向是 WorkBuddy 企业微信套件：Hy4 可以梳理多个项目的进展，找出待跟进事项、需要准备的会议和临近截止的任务。团队协作功能则将随 WorkBuddy 的“项目”功能上线。

办公、金融、游戏开发多组场景测试结果

这次发布没有只讲模型能力，也列出了几组具体评测数据。

在 WorkBuddy 相关评测中，Hy4 平均得分为83.18分，通过率为96.15%；腾讯称，在12个场景中有9个排名国内第一。涉及视觉创意、3D场景构建和网页开发的任务，也被列为本次优化方向。

金融任务的测试由腾讯混元与腾讯金融科技团队组织，共有213位专家参与，其中153位来自外部金融机构；题目覆盖579项真实金融任务。公布的综合得分里，Hy4 为3.04，DeepSeek-V4.1-Flash-1017为2.97，Kimi K3.1 Pro和GLM-5.3均为2.68。按这组结果，Hy4在参测开源模型中排名第一。

开发者可能更关心它在代码和游戏开发里的表现。腾讯称，Hy4 针对复杂交互、业务逻辑、状态管理和前后端联动做了优化，并适配 Unreal Engine、Unity、Godot 等主流引擎。与 Hy4 Preview 相比，它在 GameDev 和 GameLogic 两项评测中的成绩分别提升19.1%和9.8%。

科研也是发布材料中的一条线。Hy4 将推理、科学编程和长程任务执行结合起来，在覆盖七个学科、共123项可执行研究任务的 TenureTrail 内部评测中，涉及数学构造、物理建模、地球与环境、系统工程、社会经济决策等任务。

事实校验与长程执行同步加强

腾讯还披露了两项可靠性数据：在其自建测试中，Hy4 的幻觉率从 Preview 版的12.95%降至7.2%；由猜测导致的错误率从23.1%降至5.6%。这些数字对应腾讯自己的测试设置，主要反映本次版本在检索、信息整合和事实校验上的优化方向。

电脑操作、长程任务和多源信息处理，是 Hy4 这次反复出现的关键词。它们都指向同一类工作：任务不止一步，模型得在理解需求之后继续行动，还要在过程中记住前面发生了什么。

当然，发布材料里的功能和评测数据，呈现的是模型能力及厂商测试结果。模型在不同应用里的具体操作范围，还会受产品接入方式、权限设置和任务流程影响。对于用户来说，Hy4 这次最值得直接体验的，也正是视觉理解和电脑操作能否在手头的工作里接起来。

从元宝到WorkBuddy，Hy4已开放体验

目前，Hy4 已上线腾讯云 TokenHub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理“大圆”和 ima 等产品，API 也接入 OpenRouter、Hermes、OpenCode 等平台。腾讯公布的价格为每百万 Token 输入6元、输出18元，缓存命中0.3元；Hy4 Flash 计划近期推出。

开放权重方面，腾讯表示 Hy4 权重和模型系统卡片将于近期发布，并把网络安全与生物安全列为重点关注方向。11月4日至15日，WorkBuddy 和 CodeBuddy 提供一定额度的免费使用；截至12月31日，Hy4 在腾讯云 TokenHub 按刊例价五折计费。

Hy4 的变化不只是多了图像输入。模型开始尝试把界面理解、工具调用和连续操作串起来，能力边界从“告诉你怎么做”往“替你完成其中几步”推进。它在电脑上的实际表现如何，可以从已经接入的产品和后续开放的模型权重中继续观察。