腾讯混元Hy4补上视觉和电脑操作，价格不动，但正式版权重还得再等等

让大模型去翻你的微信聊天记录，再对着下载文件夹查还缺哪份材料，这活你敢交给一个国产模型吗？

11月4日，腾讯混元发布了 Hy4 正式版，在此前预览版的基础上首次加入视觉理解和电脑操作（Computer Use）。我们 AI主线 的看法是：腾讯混元 Hy4 补上了 Agent 最缺的“看图”和“点屏幕”两块短板，价格也没涨，但正式版权重还没放出，“开源最前排”眼下主要还是官方口径。

看得见、点得动，这课补对了吗

补对了，而且补得挺急。

此前的混元旗舰读得懂文字，看不了图。Hy4 首次有了视觉能力，官方列的清单是细粒度图像、复杂图表和数学视觉推理。再加上 Computer Use，模型可以把命令行和图形界面混着用，腾讯还专门针对 Blender、CAD 这类专业软件和跨应用的长流程任务做了训练。一个是眼睛，一个是手，缺哪个，Agent 都干不成活。

同一块地盘，Kimi K3.1 Pro 走的是另一条路：月之暗面说它不靠 MCP 连接器，直接写脚本去驱动 Blender 和 CAD。一个靠“点”，一个靠“写”，哪条更稳，得等更多人上手才有定论。至于视觉本身，也谈不上独一份，智谱 8 月放出的 GLM-5.3-Flash 就是原生多模态。Hy4 这次更像是把落下的功课补齐。

参数这边，Hy3 系列不到 300B，Hy4 涨到 770B，翻了两倍半还多。不过激活参数只有 49B，也就是每处理一个 token，真正上场的不到 7%。好比一家大公司接活，每次只派对口的小组出马，规模大，算账时却按小组算。

实测方面，雷科技在 WorkBuddy 里给 Hy4 出了开头那道题：操作已登录的微信，从旅行社工作人员的聊天记录里整理办签证要交的材料，再核对 Mac 下载文件夹里缺哪几份。按雷科技的说法，它找对了人，对出了缺项，还指出美签照片和申根签证照片的规格不通用。涉及敏感操作时，WorkBuddy 会先问用户同不同意。这只是一个测试者的一个案例，功劳也不全在模型（拆步骤和确认是产品在管），但看界面加跨应用，正好踩在这次升级的两个点上。

幻觉率砍掉四成多，这数能信几分

官方说，在自建测试里，Hy4 的幻觉率从预览版的 12.95% 降到 7.2%，砍掉了四成多；靠猜而出错的比例更夸张，降到了原来的四分之一左右。

自建测试，说白了是自己出题自己判卷，跑分党见多了。金融那组盲测也一样：腾讯金融科技 FiT 组织了 213 位专家、579 个真实任务，官方说 Hy4 以 3.04 分在开源模型里得分最高。有参考价值，但题目和裁判都在腾讯体系里，别当判决书。

外部数据只有预览版的。Arena.ai 的 Agent Arena 基于超过 1.45 万次真实智能体任务会话，预览版在开放模型里排第二、全球综合第十，完成单个任务的中位成本约 0.26 美元，Kimi K3（Max）是 0.80 美元。正式版有没有守住这个位置，得等同口径的数据补上。

价格原地不动，对手却贵不少，账怎么算

Hy4 的 API 价格是输入 6 元、输出 18 元每百万 token，缓存命中 0.3 元，和预览版一样。到 12 月 31 日，腾讯云 TokenHub 上还按刊例价 5 折计费，WorkBuddy 和 CodeBuddy 在 11 月 4 日到 15 日有一定的免费额度。

对照一下 10 月 24 日发布的 Kimi K3.1 Pro：3 万亿级参数，100 万上下文，标准版输入 13 元、输出 68 元。Hy4 的输入价不到它的一半，输出价大约是四分之一。当然，Kimi 的体量是 Hy4 的四倍左右，月之暗面自己给的成绩是 Terminal-Bench 4.0 拿到 65.7%，和 Claude Opus 5.5 的 66.4% 只差一点。便宜有便宜的道理。

Hy4 自己也不遮掩差距。官方承认，在内部构建的前沿数学、长程开发、模型迭代、视觉问答这些高难度测试集上，跟头部闭源模型还有较大距离。《科创板日报》的记者也注意到，Hy4 在代码编辑、自动化、电脑操作等基准上超过了 DeepSeek-V4.1-Flash，但不及 GPT-6.1 Sol 和 Claude Opus 5.5。Flash 通常是同一代里更轻量的档位，赢它和赢 Pro 档不是一回事（8 月预览版比的还是 DeepSeek V4 Pro）。

我们 AI主线 的判断是：写代码的、做选型的兄弟，拿 Hy4 去跑批量任务、长流程的杂活，账会好看很多；真碰上最难的那类活，官方自己都说差距还在，别指望它一步到位。

说开源，权重到底在哪

“开源”两个字，现在得拆开看。

8 月 28 日的 Hy4 preview 已经开源，9 月 1 日腾讯又放出轻量版，把权重从接近 1.5TB 压到约 214GB。正式版这边，官方说权重“近期”开放，会同步发布模型系统卡片，重点关注网络和生物安全风险，并且已经联合 vLLM、SGLang 社区做推理支持。换句话说，今天想用正式版，路子只有 API 和腾讯自家产品；想下载回家自己跑，得等。

等到了也别太乐观：预览版压缩后都还有 214GB，770B 不是家用显卡的菜。更值得盯的，是协议能不能商用，以及系统卡片里的安全评估写得有多细。

另外，Hy4 Flash 官方说近期发布，主打更低成本和更快速度。这个档位早就卷上了：智谱的 GLM-5.3-Flash 是 320B 总参数、18B 激活的开源多模态模型，已经先到场。

我自己最在意的倒不是榜单，而是腾讯把模型和 WorkBuddy、CodeBuddy 绑在一起迭代，自 2 月重建基础设施以来，混元平均每两个月出一个大版本。这套模型加产品的打法跑得顺不顺，接下来就看三样：权重的协议、系统卡片，还有 Hy4 Flash 的价格。