腾讯混元 Hy4 是什么模型?
腾讯混元 Hy4 是腾讯混元团队(英文名现为 Hy)的旗舰大语言模型,2026 年 11 月 4 日发布。和 8 月的 Hy4 preview 相比,它加了图片输入和电脑操作,并针对智能体、办公、金融和游戏开发做了更多训练。Hy4 用文本作答,可以通过腾讯云 TokenHub、OpenRouter,以及元宝、WorkBuddy 等腾讯产品使用。
发布于 更新于
先用一两句话说清楚。
腾讯混元 Hy4 是腾讯的旗舰大语言模型,2026 年 11 月 4 日发布,也是第一款能看图、能操作电脑的混元模型。到 12 月 31 日,腾讯云按刊例价的一半收费,刊例价是每百万输入 token 6 元、输出 18 元;OpenRouter 现价是 0.417 美元和 1.25 美元。Mercor 的 APEX-Agents 榜单把它排在第三,但权重还没公开,写代码也慢。
它能做什么,每项一句话,以及我们有没有实测。
在同一条消息里连同文字一起读图,适合图表、截图、扫描文档和照片:支持 PNG、JPEG、WebP 和静态 GIF,每张最大 10 MB,每次请求最多 600 张(含对话历史里的图片)。
据腾讯云的混元调用指南,超过 5,500 × 5,500 像素的图片会被直接拒收,超出 2,048 × 2,048 的细节模型看不到。Hy4 preview 只能读文本。
能同时用命令行和图形界面操作软件;腾讯专门用 Blender、CAD 工具和跨多个应用的长任务训练过它。
据腾讯的发布页。腾讯云的 API 指南写了图片输入和工具调用,但没有单独的电脑操作工具;目前 InfoQ 和科创板日报的测试,用的都是腾讯的 WorkBuddy 智能体。
上下文窗口 1,024K token,每次请求最多输入 960K、输出 64K。
据腾讯云 TokenHub 模型列表;OpenRouter 标的是上下文 1,048,576 token、输出 65,536 token。
默认逐步思考(reasoning_effort 为 high),也可以调成 low,或者用 none 关掉思考。
转售 Hy4 的 AI/ML API 发现,调成 low 后它的 8 个编程任务全部通过,推理 token 少 22%;设成 none 时 10 次失败 3 次。
能把一项长任务贯穿文档、表格、幻灯片、邮件和聊天记录;腾讯的 WorkBuddy 智能体用它和用户一起实时编辑 Word、Excel 和 PowerPoint 文件。
在 Mercor 的 APEX-Agents 榜单上,high 推理强度的 Hy4 一次做成 77.6% 的专业服务任务,排第三,只在 Gemini 4 Carbon 和 Gemini 4 Argon 之后。
训练数据来自数千个金融工作空间和上万个任务,覆盖基金研究、证券分析、量化策略、资产配置、公司金融和财税。
在腾讯自己组织的众测里,213 位专家给 579 个任务打分,Hy4 得 3.04 分(满分 4 分),DeepSeek-V4.1-Flash-1017 是 2.97 分。
针对 Unreal Engine、Unity 和 Godot 项目、初步的多人联机游戏代码,以及前端的状态、逻辑和前后端联动做了专项优化。
腾讯称它比 preview 在 GameDev 上提升 19.1%、在 GameLogic 上提升 9.8%;InfoQ 让它分三轮做出并上线一款塔防网页游戏,总共约 55 分钟。
支持 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三种格式,带函数调用、结构化输出和提示词缓存,智能体工具改一下 base URL 就能接入。
据腾讯云的混元调用指南;科创板日报报道,API 发布当天也接入了 OpenRouter、Hermes 和 OpenCode。
它帮得上谁、解决什么问题、在哪个榜单里。
适合
解决的问题
所在排行榜
别人公开做过的测试:给了它什么、结果怎样。
案例 1
输入
InfoQ 2026 年 11 月 4 日在腾讯 WorkBuddy 智能体里的测试:先说「做一款游戏,从零做到能上架」,再追加两轮要求,一轮是敌人类型、塔的进化和难度分级,一轮是多张地图和排行榜。
结果
Hy4 用约 55 分钟做完三轮(分别约 14、18 和 23 分钟),自己写模拟脚本平衡难度,每次上线前都在 Chrome 里检查页面。InfoQ 觉得游戏前期很顺,但后面的波次变成了不停点下一波的挂机:模拟能证明游戏打得通,证明不了好玩。
案例 2
输入
科创板日报记者 2026 年 11 月 4 日在 WorkBuddy 里布置的任务:下载腾讯、阿里和百度 2020 年以来的季报、半年报和年报,从四个分析师视角做对比。
结果
任务耗时 41 分 51 秒,交出一份 12 页、带 8 张图表的 PDF,一份含 183 个可复算公式的 Excel,以及逐条记下 URL 和失败原因的下载清单。记者认为它接近一个实习生交的初稿。
案例 3
输入
InfoQ 2026 年 11 月 4 日的测试:一张图片左边是订货单、右边是收货记录,要求列出不一致之处、引用两边原文,并区分「记录有差异」和「已证实发错货」。
结果
Hy4 逐行匹配正确,找出只有两项完全一致,也注意到检验状态还是待定。但它把剩下的项目数成了两项(实际是三项),还在图片没有依据的情况下认定记录是手写的。
案例 4
输入
InfoQ 2026 年 11 月 4 日的视觉推理测试:一张只有一个会车位的仓库地图,两台机器人目标方向相反,要求给出无碰撞路线和最早完成时间。
结果
Hy4 给出的时间表既没有两台机器人同时占一格,也没有在同一条边上对换位置;它说明会车位必须用上,并证明最少需要 8 个时间步,它的方案正好做到。
案例 5
输入
卖 Hy4 的 AI/ML API 在 2026 年 11 月 4 日跑了编程、Three.js、工具调用、长日志和图片任务:默认设置跑 23 次,另外还跑了 low 和 none。
结果
默认设置的 23 次全部通过,但一个编程任务的中位耗时是 4.4 分钟,约 18,000 个推理 token;DeepSeek V4.1 Flash 只要 25 秒。调成 low 时 8 个编程任务全过,每个 0.039 美元;关掉推理后 10 次失败 3 次。
做得不好的地方和证据,以及我们还没法定论的地方。
做得不好
权重还没放出。
证据: 腾讯的发布页说计划连同系统卡一起开源,但没给日期。2026 年 11 月 6 日,腾讯的 Hugging Face 组织里只有 Hy4 preview;在权重放出之前,Artificial Analysis 把 Hy4 列为闭源模型。
在独立榜单上落后于 Kimi K3.1 Pro。
证据: Artificial Analysis 智能指数给 Hy4 35 分,Kimi K3.1 Pro 是 46.5 分。在 11 月 5 日的 Vals Index 上它得 59.35%,低于 Kimi K3.1 Pro(62.52%)、DeepSeek V4.1 Flash 1017(61.26%)和 GLM 5.3(59.73%)。
终端操作和高难数学偏弱。
证据: 在腾讯自己的表里,Hy4 的 Terminal-Bench 4.0 是 44.4,Kimi K3.1 Pro 是 65.7,Claude Opus 5.5 是 66.4;Artificial Analysis 测得 37.4%,Vals 测得 39.4%。腾讯还报告它在 Goal2Repo 上得 23.2,Opus 5.5 是 74.0;在腾讯最难的数学测试集上得 13.0,GPT-6.1 Sol 是 97.5。
慢,而且话多。
证据: Artificial Analysis 跑完一遍它的指数,Hy4 输出了约 1.6 亿个 token,中位数是 7,260 万;首个回答 token 要等 103 秒。AI/ML API 测得一个编程任务中位耗时 4.4 分钟。
不适合:现在就必须自部署 Hy4 的人、需要欧盟区域内路由的人,以及跑重度终端任务的编程智能体。
证据: Hy4 的权重还没公开;OpenRouter 上只有腾讯一家提供 Hy4,并写明它不能走欧盟区域内路由;在腾讯自己的表里,Kimi K3.1 Pro 和 Claude Opus 5.5 的 Terminal-Bench 4.0 都比它高 20 多分。
尚不确定
权重什么时候放、用什么许可证、多大规模。
原因: Hy4 preview 的权重是 Apache 2.0,没有地区条款。对 Hy4,腾讯既没给日期也没说许可证,发布页也没写参数量;科创板日报和 InfoQ 报道 Hy4 系列是 770B 参数。
是不是真的少瞎猜了。
原因: 腾讯的两组数字都来自自己的测试,而且对不上(15.76% 降到 5.45%,或 12.95% 降到 7.2%)。Artificial Analysis 的 Omniscience 测试鼓励不会就说「不知道」,Hy4 在这项上得 5.4,Kimi K3.1 Pro 是 29.9。
离开腾讯自家产品,电脑操作好不好用。
原因: OSWorld 2.1 的 78.9 是腾讯自己跑的,目前媒体的测试也都用的是腾讯的 WorkBuddy 智能体。到 2026 年 11 月 6 日,还没有外部机构公布电脑操作方面的测试结果。
12 月 31 日以后的价格。
原因: TokenHub 到 2026 年 12 月 31 日按刊例价的一半收 Hy4 的费用;OpenRouter 标的是五折,但没写截止日期。腾讯宣布了更便宜的 Hy4 flash,但没说日期和价格。
每个数字都附来源和核对日期。
| 项目 | 数值 | 备注与来源 |
|---|---|---|
| 发布时间 | 2026 年 11 月 4 日;Hy4 preview 是 2026 年 8 月 28 日 | 来源:cloud.tencent.com核对于 |
| 上一代 | Hy3:总参数 295B,激活 21B,256K 上下文,只读文本,Apache 2.0 | TokenHub 价格为每百万 token 输入 1 元、输出 4 元、缓存命中 0.25 元。 来源:huggingface.co核对于 |
| 参数规模 | 总参数 770B,每个 token 激活 49B(Hy4 preview 模型卡) | 腾讯的 Hy4 发布页没写参数量;科创板日报和 InfoQ 报道 Hy4 系列为 770B。 来源:huggingface.co核对于 |
| 架构(preview) | 混合专家:256 个路由专家加 1 个共享专家,每次激活 8 个;带 IndexCache 的门控稀疏注意力;1 个 10B 的 MTP 层 | 来源:huggingface.co核对于 |
| 输入和输出 | 文本和图片输入,文本输出 | 来源:cloud.tencent.com核对于 |
| 上下文窗口 | 1,024K token;每次请求最多输入 960K、输出 64K | 来源:cloud.tencent.com核对于 |
| 图片限制 | PNG、JPEG、WebP 或静态 GIF;每张 10 MB;每次请求 600 张;单边 128 到 2,048 像素效果最好 | 来源:cloud.tencent.com核对于 |
| 推理强度 | high(默认)、low 或 none | 来源:openrouter.ai核对于 |
| API 格式 | OpenAI Chat Completions 和 Responses;Anthropic Messages | 来源:cloud.tencent.com核对于 |
| TokenHub 价格 | 刊例价:每百万 token 输入 6 元、输出 18 元、缓存命中 0.3 元;到 2026 年 12 月 31 日按一半收(3 / 9 / 0.15 元) | 折扣到北京时间 23:59:59 结束;广州和新加坡地域价格相同;Hy4 没有峰谷分时价。 来源:cloud.tencent.com核对于 |
| 免费额度 | WorkBuddy 每日免费额度,到 2026 年 11 月 15 日 23:59;订阅用户额度更高 | Hy4 没有夜间免费时段;WorkBuddy 23:00 到 08:00 的夜间免费是给 Hy4 preview 的,原定 10 月 31 日结束。 来源:finance.sina.com.cn核对于 |
| OpenRouter 价格 | 现价每百万 token 输入 0.417 美元、输出 1.25 美元、缓存 0.021 美元,标为 0.834 / 2.501 / 0.042 美元的五折 | OpenRouter 没写折扣截止日期。只有腾讯一家提供,跑的是 4 比特(FP4)权重。 来源:openrouter.ai核对于 |
| 开源权重 | 还没有;腾讯计划连同系统卡一起放出 | 来源:hunyuan.tencent.com核对于 |
| Preview 许可证 | Apache 2.0,没有地区和用户数限制 | 来源:huggingface.co核对于 |
| Preview 权重大小 | BF16 约 1,560 GB;官方 FP8 版约 814 GB | 按 Hugging Face 上列出的 safetensors 文件加总。 来源:huggingface.co核对于 |
| Preview 所需硬件 | 8 张 B300、16 张 B200 或 8 张 AMD MI355X | 来源:recipes.vllm.ai核对于 |
| 数据使用 | TokenHub 称不会用客户数据训练模型 | 来源:cloud.tencent.com核对于 |
| 使用入口 | 元宝 App(iOS 2.92.0,2026 年 11 月 6 日)、WorkBuddy、CodeBuddy 和 ima | WorkBuddy、CodeBuddy 和 ima 据腾讯的发布页。 来源:apps.apple.com核对于 |
| APEX Agents(Mercor) | high 推理强度下一次成功率 77.6%,在所有上榜模型里排第三 | 来源:mercor.com核对于 |
| Vals Index | 59.35%,总排名第 13;每个任务 1.72 美元 | Vals Index 2.2 版,2026 年 11 月 5 日更新。 来源:vals.ai核对于 |
先给结论,再讲原因、例子、限制和下一步。
腾讯混元 Hy4 是腾讯混元团队(英文名现为 Hy)的旗舰大语言模型,2026 年 11 月 4 日发布。和 8 月的 Hy4 preview 相比,它加了图片输入和电脑操作,并针对智能体、办公、金融和游戏开发做了更多训练。Hy4 用文本作答,可以通过腾讯云 TokenHub、OpenRouter,以及元宝、WorkBuddy 等腾讯产品使用。
还没有:到 2026 年 11 月 6 日,Hy4 只能在线调用。腾讯说会放出权重和系统卡,但没给日期,也没说许可证。8 月发布、只能读文本的 Hy4 preview 可以按 Apache 2.0 下载。
到 2026 年 12 月 31 日,腾讯云 TokenHub 按每百万输入 token 3 元、输出 9 元、缓存命中 0.15 元收费,是刊例价 6 元、18 元和 0.3 元的一半,刊例价和 preview 相同。OpenRouter 现价是输入 0.417 美元、输出 1.25 美元、缓存 0.021 美元,标为 0.834 和 2.501 美元的五折,没写截止日期。
在腾讯自家产品里部分免费:WorkBuddy 到 2026 年 11 月 15 日 23:59 每天送少量 Hy4 免费额度,订阅用户更多;免费的元宝 App 11 月 6 日也接入了 Hy4。WorkBuddy 23:00 到 08:00 的夜间免费是给 Hy4 preview 的,原定 10 月 31 日结束;腾讯关于 Hy4 的公告和价格页都没有 Hy4 的夜间价格。API 按 token 收费,TokenHub 的免费试用名单里也没有 Hy4。
Hy4 正式版能读图、能操作电脑,preview 只能处理文本。腾讯扩大了预训练和后训练规模,自己跑的 APEX-Agents 从 53.9 升到 75.2,Terminal-Bench 4.0 从 26.3 升到 44.4。价格和 1M 上下文没变;preview 的权重是公开的,正式版的还没放出。
Hy4 更大、更贵、能读图;Hy3 是便宜的纯文本模型。Hy3 总参数 295B、激活 21B,上下文 256K,在 TokenHub 上每百万 token 输入 1 元、输出 4 元,Hy4 是 6 元和 18 元;Hy4 还多了图片输入、电脑操作和 1,024K 上下文。在 InfoQ 的商业计划书对比里,Hy4 多用了约 90 秒,但想得更深。Hy3 的权重以 Apache 2.0 公开,Hy4 的还没有。
做智能体任务排在前列,综合排名中游。Mercor 的 APEX-Agents 把它排在所有模型第三,一次完成 77.6% 的任务,仅次于 Gemini 4 Carbon 和 Gemini 4 Argon,高于 Claude Opus 5.5。11 月 5 日的 Vals Index 把它排在第 13(在 Vals 标为开源权重的 19 个模型里排第 4),Artificial Analysis 给它 35 分,在 69 个模型里排第 40,低于 Kimi K3.1 Pro 的 46.5 分。
只在部分智能体任务上 Hy4 更强。Hy4 在 Mercor 的 APEX-Agents 上领先(77.6% 对 65.5%),按 token 算也更便宜;但月之暗面的 Kimi K3.1 Pro 在 Artificial Analysis 智能指数(46.5 对 35)、Vals Index 和 Terminal-Bench 4.0 上都更高。Kimi 的权重已经在 Hugging Face 上。
要快、要便宜地写代码选 DeepSeek V4.1 Flash,长时间的办公类智能体任务选 Hy4。DeepSeek 高峰时段每百万 token 输入 0.30 美元、输出 1.20 美元,非高峰减半,权重是 MIT 许可;在 AI/ML API 的测试里,它完成一个编程任务用 25 秒,Hy4 用 4.4 分钟。Hy4 在 APEX-Agents 和 Artificial Analysis 智能指数上更高;DeepSeek 在 Vals Index 上更高。
正式版不能,权重还没放出。可以跑 Hy4 preview:官方 FP8 权重约 814 GB,vLLM 的部署方案用 8 张 B300、16 张 B200 或 8 张 AMD MI355X。这是一台数据中心服务器,不是工作站。
通过 TokenHub API 不会:腾讯云 TokenHub 的常见问题说,客户数据只用来为客户提供服务,绝不用于训练。经 OpenRouter 的请求会转给腾讯,OpenRouter 标注腾讯总部在中国、数据中心在新加坡。
能,可以用腾讯的 API 或 OpenRouter,但 OpenRouter 说 Hy4 不能走它的欧盟区域内路由。preview 的 Apache 2.0 许可证没有地区条款,不像早先的腾讯混元社区许可证,排除了欧盟、英国和韩国。
这篇评测用的是 2026 年 11 月 6 日能核实的资料:腾讯 Hy4 发布页和跑分附录,Hy4 preview 的模型卡和许可证,腾讯云 TokenHub 的文档和价格表,IT之家、科创板日报和 InfoQ 的发布报道,Mercor APEX-Agents、Vals Index 和 Artificial Analysis 三个榜单,InfoQ 和转售平台 AI/ML API 发布的测试,以及五个竞品模型的价格页。Hy4 才发布两天:Mercor、Vals 和 Artificial Analysis 已经给它排了名,其余分数大多是腾讯自己的,每一条都标明了出处。
Hy4 是腾讯混元团队做的大语言模型。腾讯总部在深圳,是微信的开发者(腾讯)。混元在英文里现在叫 Hy,早期模型的英文名用的是 Hunyuan。Hy4 是面向长任务的推理模型:写代码和修代码,做游戏和网页,分析金融文档,以及跨办公应用干活。它读文本和图片,用文本作答(TokenHub 模型列表)。
腾讯在 2026 年 11 月 4 日发布 Hy4,距 Hy4 preview 68 天(TokenHub 产品动态)。10 月 29 日的腾讯全球数字生态大会上,腾讯集团高级执行副总裁汤道生已经预告它即将发布(IT之家)。发布当天,Hy4 在腾讯云 TokenHub 和 OpenRouter 上线,也进了腾讯的 WorkBuddy 和 CodeBuddy 智能体、元宝、ima 和企业微信的智能助理(科创板日报、IT之家);元宝 iPhone 版在 11 月 6 日接入(App Store)。
腾讯对短板说得很直白。发布页称 Hy4 是最强的开源模型之一,但承认和顶尖闭源模型仍有较大差距,尤其是在它内部最难的前沿数学、长程开发、模型迭代和视觉问答测试集上(腾讯)。
preview 在 8 月 28 日发布,权重可以下载,但只能处理文本;WorkBuddy 遇到图片和视频任务会交给别的模型(IT之家)。Hy4 价格和上下文不变,其余都加上了:
| Hy4 preview | Hy4 | |
|---|---|---|
| 发布 | 2026 年 8 月 28 日 | 2026 年 11 月 4 日 |
| 输入 | 文本 | 文本和图片 |
| 电脑操作 | 不支持 | 命令行和图形界面 |
| 上下文、最大输入、最大输出 | 1,024K、960K、64K | 1,024K、960K、64K |
| TokenHub 刊例价(每百万 token) | 6 / 18 元 | 6 / 18 元 |
| 权重 | 以 Apache 2.0 发布在 Hugging Face | 计划开源,没有日期 |
| APEX-Agents v1.1(腾讯自己跑) | 53.9 | 75.2 |
| Terminal-Bench 4.0(腾讯自己跑) | 26.3 | 44.4 |
来源:TokenHub 混元调用指南、TokenHub 价格和腾讯发布页的附录。preview 的模型卡写的是总参数 770B、每个 token 激活 49B,1M 上下文建立在带 IndexCache 的稀疏注意力上,还有官方 FP8 版。腾讯的 Hy4 页面没写参数量;科创板日报和 InfoQ 报道 Hy4 系列为 770B。腾讯还说,针对搜索的专项训练把它自测的幻觉率从 15.76% 降到 5.45%,因猜测导致的错误从 23.1% 降到 5.6%。
7 月发布的 Hy3 仍在售,是更便宜的腾讯模型:
| Hy3 | Hy4 | |
|---|---|---|
| 规模 | 总参数 295B,激活 21B | 媒体报道 Hy4 系列为 770B |
| 上下文、最大输入、最大输出 | 256K、192K、128K | 1,024K、960K、64K |
| 输入 | 文本 | 文本和图片 |
| 电脑操作 | 不支持 | 支持 |
| TokenHub 价格(每百万 token) | 1 / 4 元,缓存 0.25 元 | 6 / 18 元,缓存 0.3 元 |
| 权重 | 以 Apache 2.0 发布在 Hugging Face | 计划开源 |
来源:Hy3 模型卡、TokenHub 混元调用指南、TokenHub 模型列表和TokenHub 价格。Hy4 的输入价是 Hy3 的六倍,输出价是四倍半。在 InfoQ 的同题对比里,Hy4 做一份商业计划书 PPT 用了 20 分 31 秒,Hy3 用了 18 分 57 秒,但 Hy4 的策略更有判断,海报的创意也更有想法(InfoQ)。纯文本任务、又更看重速度和价格时,Hy3 仍是腾讯家更合适的选择。
发布以来最受关注的是 Mercor 的 APEX-Agents 榜单。它用投行分析师、咨询顾问和律师写的 240 个任务考智能体,按专家写的评分细则由 AI 评分。high 推理强度的 Hy4 一次做成 77.6% 的任务(误差 ±4.5 个百分点),在所有上榜模型里排第三(Mercor)。这个榜单没有开源权重筛选,也没标日期,所以说 Hy4 登顶「APEX-Agents 开源榜」是说过头了:Hy4 确实领先所有能下载权重的模型,但它自己的权重还没放出。
| 榜单(11 月 6 日读取) | Hy4 | Kimi K3.1 Pro | DeepSeek V4.1 Flash 1017 | GLM-5.3 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| APEX-Agents 一次成功率(Mercor) | 77.6% | 65.5% | 69.8% | 56.6% | 73.5% |
| Vals Index 2.2 版(Vals AI) | 59.35% | 62.52% | 61.26% | 59.73% | 70.18% |
| 智能指数(Artificial Analysis) | 35 | 46.5 | 32.6 | 31.7 | 59.1 |
| Terminal-Bench 4.0(Artificial Analysis) | 37.4% | 67.2% | 33.8% | 41.9% | 59.6% |
来源:Mercor、Vals Index(11 月 5 日更新)和Artificial Analysis,都取各榜单列出的最高推理强度。在 Vals 标为开源权重的 19 个模型里,Hy4 排第四,前面是 Kimi K3.1 Pro、DeepSeek V4.1 Flash 1017 和 GLM 5.3;Vals 把 Hy4 的权重标成了开放,但腾讯其实还没放出(Vals 模型页)。Vals 算出 Hy4 每个指数任务成本 1.72 美元,GLM 5.3 是 8.52 美元,分数只低 0.38 分。Artificial Analysis 把 Hy4 评为低于同类模型中位数(35 对 37),而且最啰嗦:跑完它的指数输出了约 1.6 亿个 token,中位数是 7,260 万,每个任务 13.9 分钟,首个回答 token 要等 103 秒。
腾讯的附录拿 Hy4 和五个模型比了 34 项测试,其中 20 项是内部测试(腾讯)。对手有两个分数时,第一个是此前公开的数字,第二个是腾讯自己跑的;下表取第一个:
| 测试(腾讯的表) | Hy4 | Kimi K3.1 Pro | DeepSeek V4.1 Flash 1017 | Claude Opus 5.5 |
|---|---|---|---|---|
| APEX-Agents v1.1 一次成功率 | 75.2 | 67.2 | 72.1 | 73.5 |
| OSWorld 2.1(电脑操作) | 78.9 | 79.6 | 68.4 | 81.8 |
| DeepSWE v1.1 | 74.9 | 75.5 | 77.0 | 74.2 |
| Terminal-Bench 4.0 | 44.4 | 65.7 | 42.3 | 66.4 |
| ProgramBench(almost solved) | 30.0 | 31.5 | 29.1 | 65.0 |
| MMMU-Pro(图片) | 78.6 | 84.1 | 76.7 | 88.2 |
| Goal2Repo(内部) | 23.2 | 21.0 | 20.3 | 74.0 |
规律是:Hy4 在这一组里 APEX-Agents 最高,修代码和其他模型接近,终端操作和看图答题落后于 Kimi K3.1 Pro,按需求从头搭完整项目则远远落后于 Claude Opus 5.5。Mercor 自己测的 APEX-Agents 是 77.6%,比腾讯的 75.2 还高;而独立机构跑的 Terminal-Bench 4.0,Artificial Analysis 是 37.4%,Vals 是 39.4%(OpenRouter),都低于腾讯的 44.4。
长任务能做完,但慢。InfoQ 在发布当天用 WorkBuddy 里的 Hy4 做了几项任务(InfoQ)。一款塔防网页游戏从一句话需求到上线页面,三轮共约 55 分钟;Hy4 自己写模拟脚本平衡难度,还在 Chrome 里检查页面。InfoQ 发现后面的波次变成了挂机点下一波。一份 12 页的商业计划书 PPT 用了 20 分 31 秒,Hy3 是 18 分 57 秒,策略更深,但字太小,不适合演示。科创板日报记者布置的金融任务,对比腾讯、阿里和百度 2020 年以来的财报,跑了 41 分 51 秒,交出 12 页 PDF、8 张图表和含 183 个公式的表格,接近实习生的初稿(科创板日报)。
看图仔细,但有疏漏。InfoQ 的双机器人调度地图,Hy4 给出无碰撞方案,并证明 8 步是最少步数。核对订货单和收货记录时,Hy4 每一行都对上了,也注意到检验还在待定;但它把不一致的项数数错了,还在没有依据的情况下认定记录是手写的。
写代码费时间。卖 Hy4 的 AI/ML API 报告,默认设置的 23 次运行全部通过,但一个编程任务中位耗时 4.4 分钟、约 18,000 个推理 token,DeepSeek V4.1 Flash 只要 25 秒(AI/ML API)。把 reasoning_effort 调成 low,8 个编程任务仍然全过,每个 0.039 美元;关掉推理则 10 次失败 3 次。问到 10 个不存在的东西时,Hy4 有 8 次说不知道,另外 2 次把 token 用完了也没给答案。
腾讯沿用了 preview 的价格。每百万 token:
| 渠道 | 输入 | 输出 | 缓存输入 |
|---|---|---|---|
| TokenHub 刊例价 | 6 元 | 18 元 | 0.3 元 |
| TokenHub 现在实收,到 2026 年 12 月 31 日按刊例价一半 | 3 元 | 9 元 | 0.15 元 |
| TokenHub 批量推理,刊例价 | 3 元 | 9 元 | 0.15 元 |
| OpenRouter 现价,标为五折,没写截止日期 | 0.417 美元 | 1.25 美元 | 0.021 美元 |
| OpenRouter 折前价 | 0.834 美元 | 2.501 美元 | 0.042 美元 |
| AI/ML API | 0.882 美元 | 2.646 美元 | 0.044 美元 |
| Nous Portal,11 月 6 日 | 0.17 美元 | 0.50 美元 | 未列出 |
来源:TokenHub 价格、OpenRouter 模型 API、AI/ML API、Nous Portal。TokenHub 的折扣到 12 月 31 日北京时间 23:59:59 结束,新加坡地域和广州按同样的人民币价格收费。TokenHub 价格页给 DeepSeek 模型列了峰谷分时价,Hy4 没有,所以没有夜间优惠;OpenRouter 的夜间价(北京时间 0 点到 8 点便宜 10%)只针对 Hy4 preview。转售平台 Nous Portal 没说它的价格能维持多久。AI/ML API 把推理 token 算作输出计费,对这么啰嗦的模型影响不小:Artificial Analysis 按每百万 token 0.834 美元和 2.501 美元计价,每个指数任务花了 1.03 美元。
腾讯还卖 Hy Token Plan 订阅,最低每月 28 元、560 积分,包含 Hy4,限时按平常四分之一的积分抵扣(Token Plan)。WorkBuddy 和 CodeBuddy 在 11 月 4 日到 15 日提供免费额度(科创板日报):WorkBuddy 每天送少量额度,到 11 月 15 日 23:59 为止,订阅用户更多,用完后扣积分(快科技、站长之家)。WorkBuddy 23:00 到 08:00 的夜间免费属于 Hy4 preview,原定持续到 10 月 31 日(IT之家);腾讯关于 Hy4 的公告没有提夜间免费。TokenHub 的免费试用名单里有 Hy3 preview,没有 Hy4(Token Plan)。腾讯说更便宜的 Hy4 flash 即将推出,没给日期。
腾讯承诺放出 Hy4 权重和系统卡,并说正在和 vLLM、SGLang 社区以及 Inferact 合作做支持(腾讯)。在那之前,能下载的只有 Hy4 preview,在 Hugging Face、ModelScope、GitCode 和 CNB 上。它的许可证文件就是标准的 Apache 2.0(LICENSE)。这一点重要,因为腾讯早先的模型用的是腾讯混元社区许可证,在欧盟、英国和韩国不适用,月活超过 1 亿的公司还要另外申请许可(Hunyuan-A13B 许可证)。Hy4 会不会继续用 Apache 2.0,腾讯还没说。
跑 preview 需要一台数据中心服务器。官方 FP8 版文件约 814 GB,BF16 版约 1,560 GB(FP8 权重);vLLM 的部署方案用 8 张 Nvidia B300、16 张 B200 或 8 张 AMD MI355X(vLLM Recipes)。
腾讯云 TokenHub 的常见问题说,客户数据只用于提供服务,绝不用于训练(TokenHub 常见问题)。TokenHub 在广州和新加坡两个地域销售 Hy4(TokenHub 价格)。OpenRouter 把每个 Hy4 请求都转给腾讯,并标注腾讯总部在中国、数据中心在新加坡(OpenRouter 服务商列表),还写明 Hy4 不能走它的欧盟区域内路由。有数据驻留要求的买家,发受监管的数据之前应先读腾讯云自己的条款。
安全方面,腾讯说 Hy4 训练时只用了 PoC 生成、漏洞修复这类防守性安全数据,剔除了漏洞利用、逆向工程和渗透测试内容,并请腾讯玄武实验室和科恩实验室做了审计。在腾讯自己的生物安全测试里,Hy4 得 30.4 分(满分 100),腾讯认为低于风险阈值(腾讯)。这两项检查都是腾讯自己做的,承诺中的系统卡应该会给出更多细节。
现在就要自部署正式版的人别选 Hy4:只有 preview 的权重。跑重度终端任务的编程智能体也别选,Kimi K3.1 Pro 和 Claude Opus 5.5 在 Terminal-Bench 4.0 上领先它 20 多分;需要几秒内回话的交互式编程同样不合适,一个编程任务的中位耗时是 4.4 分钟。需要欧盟区域路由或想多选几家服务商的团队应该再等等,OpenRouter 上只有腾讯一家。还要提前算好 12 月 31 日以后的价格,那时 TokenHub 的五折就结束了。
| 模型 | 每百万 token 输入 | 每百万 token 输出 | 缓存输入 | 价格页 |
|---|---|---|---|---|
| Tencent Hy4(OpenRouter,五折之前) | 0.834 美元 | 2.501 美元 | 0.042 美元 | OpenRouter |
| Kimi K3.1 Pro | 2.00 美元 | 10.00 美元 | 0.20 美元 | 月之暗面 |
| DeepSeek V4.1 Flash,高峰时段 | 0.30 美元 | 1.20 美元 | 0.006 美元 | DeepSeek |
| GLM-5.3 | 1.40 美元 | 4.40 美元 | 0.26 美元 | Z.ai |
| LongCat-2.5,首发价 | 0.30 美元 | 1.20 美元 | 0.006 美元 | LongCat |
| Mistral Large 4 | 0.70 美元 | 2.10 美元 | 0.07 美元 | Mistral AI |
Kimi K3.1 Pro(月之暗面)更适合编程和终端智能体,也是独立榜单上最强的开源模型,11 月 2 日起权重就在 Hugging Face 上。它的输入价约是 Hy4 刊例价的 2.4 倍,输出价是 4 倍。
DeepSeek V4.1 Flash 更适合速度和价格比智能体榜单上最后几分更重要的场景。它能读图,权重以 MIT 许可证放在 Hugging Face 上,非高峰时段价格减半。
GLM-5.3(智谱)在 Vals Index 上和 Hy4 分数相当,权重也在 Hugging Face 上,但只读文本,每个 Vals 任务的成本是 Hy4 的五倍。
LongCat-2.5(美团)的首发折扣价和 DeepSeek V4.1 Flash 高峰价相同,也能读图片和视频,但权重同样没放出,跑分也都是美团自己的。
Mistral Large 4 适合想要欧洲厂商、又要能下载权重的团队,价格低于 Hy4 的刊例价,但在 Mercor 的 APEX-Agents(51.6%)、Vals Index(56.53%)和 Artificial Analysis 智能指数(26.1)上都低于 Hy4。
如果只是想在应用里用 Hy4,腾讯免费的元宝和 WorkBuddy 不需要 API key;想通过多家服务商用 preview,OpenRouter 列了七家。
来源
更新记录
Runable 是一款通用 AI Agent,能做网站、应用、幻灯片、文档、图片和视频,现在还能投广告、做开发外联,开发方是 Umesh Kumar 和 Saksham Sarda 于 2025 年在印度班加罗尔创办的一家 15 人初创公司。Runable 在 2026 年 3 月开启付费,2026 年 8 月 26 日完成 2,100 万美元 A 轮融资。
Polsia 是 Polsia, Inc. 推出的网页服务,自称由 AI Agent 规划、写代码并推广一家公司,全程不需要人类员工。创始人 Ben Broca 于 2025 年 12 月上线,称已有 1 万个付费客户;批评者质疑它的营收数字,而按他本人给出的数据,平台上十家公司有九家还没赚到 1 美元。
Browser Use 是一个让 AI Agent 操作真实网页浏览器的开源 Python 库(MIT 许可)和付费云服务,由 Magnus Müller 和 Gregor Žunič 创办、入选 Y Combinator 的同名初创公司开发。2026 年 10 月 17 日它的 GitHub 仓库约有 118,300 星,2025 年 3 月完成 1,700 万美元种子轮时约 50,000 星。
WorkBuddy 是腾讯的 AI 办公智能体,由腾讯云 CodeBuddy 团队打造,2026 年 3 月 9 日在国内上线。七个月里它陆续推出国际版和手机 App,腾讯还宣布了广东政务版。它能自己规划任务、操作本地文件,交付文档、表格和 PPT。
商汤小浣熊(Raccoon Work)是商汤科技的 AI 办公助手,做数据分析、文档和 PPT,覆盖网页、桌面和手机。2026 年 8 月 25 日,商汤把办公小浣熊和代码小浣熊合并进来;其上半年业绩称云端月活增长接近 10 倍。新版目前还没有公开的独立测试。
Muse 是 Meta 推出的个人 AI 智能体,在自己的云端电脑上帮你订票、购物、发邮件、填表,付款和发送前会先征求同意。它于 2026 年 9 月 8 日在美国上线,之后扩展到加拿大。早期评价褒贬不一,亚马逊也已禁止它在站内下单。