腾讯混元Hy4正式版发布：首度具备视觉理解与电脑操作能力

11月4日，腾讯混元正式发布新一代大语言模型Hy4正式版。相比8月的Hy4 preview，新版本进一步扩大预训练与后训练规模，并首次引入两项关键能力——视觉理解与电脑操作（Computer Use），把旗舰模型从“能对话”推进到“能干活”。

在架构上，Hy4采用混合专家（MoE）设计，总参数规模达到770B，每次推理仅激活约49B参数，上下文窗口扩展至1M Token。它首次让混元旗舰模型具备多模态感知与操作能力：视觉理解可结合感知、推理与工具调用，完成细粒度图像处理、复杂图表解读、文档理解和数学视觉推理；电脑操作则能灵活组合命令行与图形界面，并已针对Blender、CAD等专业软件及跨应用长程任务做了专项训练。

从实测表现看，Hy4的能力边界明显扩展。在电脑操作基准OSWorld 2.1上，Hy4拿到78.9分，与Claude Opus 5.5仅差2.9分；终端任务基准Terminal-Bench 4.0从26.3提升至44.4，长程智能体基准APEX-Agents v1.1以75.2分位列参评模型最高。金融场景的579个真实任务众测中，Hy4以3.04分位居开源模型第一，自建测试幻觉率从15.76%降至5.45%。

对开发者而言，Hy4已上线腾讯云TokenHub、WorkBuddy、CodeBuddy、元宝、ima及企业微信智能助理，并兼容OpenAI API协议，同步接入OpenRouter等生态。定价延续preview水平，输入6元、输出18元每百万Token，TokenHub按量调用享5折，Token Plan个人版低至2.5折。

混元团队表示，尽管Hy4已进入全球最强开源模型之列，但与顶尖闭源模型“仍存在较大差距”，将持续稳健扩展训练规模。模型权重将于近期开源，这也让国产开源大模型阵营再添一员重量级选手。