知识卡片：Hy4 正式发布，为真实生产力而生

一句话结论

腾讯混元发布 Hy4 正式版，相比 preview 版本全面扩展预训练与后训练规模并首次引入视觉与电脑操作能力，在金融、科研、游戏开发等真实生产力场景中表现显著提升，但官方承认其与顶尖闭源模型仍有较大差距。

事件概述或研究问题

据官方发布信息，Hy4 正式版在 Hy4 preview 基础上显著扩展了预训练和后训练规模，首次引入视觉能力，并大幅提升指令遵循、长文理解、长程任务、深度研究等综合能力，官方称其"首次跻身最强开源模型之列"。本条是对已有卡片《腾讯混元发布Hy4 preview，770B参数开源上线》的正式版更新，增量信息集中在视觉能力、电脑操作、专业场景实测数据与安全评估。

方法/产品要点

• 视觉与电脑任务：首次引入视觉能力，支持细粒度图像处理、复杂图表分析、数学视觉推理；首次支持电脑操作，可结合命令行与图形界面，针对 Blender、CAD 等专业软件和跨应用长程任务开展专项训练。
• 前端与游戏开发：针对复杂交互、业务逻辑、状态管理、前后端联动优化；与腾讯 IEG 合作，深度适配 UE、Unity、Godot 等主流引擎，并开始扩展至多人联机游戏开发。
• 金融与办公：基于真实金融场景构建数千个工作空间和上万个高质量任务；联合腾讯金融科技 FiT 开展 213 位专家（153 位来自外部头部金融机构，七成拥有五年以上工作经验）的金融众测，基于 579 个真实金融任务评估；支持与用户实时协作编辑 Word、Excel、PPT。
• 科研与模型研发：结合复杂推理、科学编程与长程任务执行；配合 Hyra 2.0 脚手架，为递归自我改进（RSI）做准备；开源 HyCell（单细胞表征基础模型）和 HyPDE（物理场基础模型）。
• 长期个人助理：借助 WorkBuddy 的企业微信套件连通聊天记录、邮件、文档、日程与会议信息，支持多项目并行推进与优先级管理。

主要结果或产业意义

• 游戏开发：相比 preview，GameDev 和 GameLogic 评测分别提升 19.1% 和 9.8%。
• 金融众测：综合表现位居开源模型第一，众测得分 Hy4 3.04、Kimi K3.1 Pro 2.68、GLM-5.3 2.68、DeepSeek-V4.1-Flash-1017 2.97；在讯兔科技内部评测 IRAB 中较 preview 提升 12.03 个百分点。
• 幻觉与准确性：自建测试中幻觉率从 preview 的 15.76% 降至 5.45%，猜测导致的错误率从 23.1% 降至 5.6%。
• 科研：在涵盖 7 大学科、123 项可执行研究任务的 TenureTrail 内部评测中位居开源模型第一；小鼠胚胎三维重建任务中，面对 699 万个细胞的 84 张无序二维切片，在离线、无专用配准工具、无细胞类型标注条件下 1.5 小时内完成切片对齐与三维重建，全程无人干预；与北京大学数学团队合作找到 Méndez–Pinto–Villarreal 猜想的反例并提出新条件完善该猜想，经 Lean 形式化验证。
• 模型研发：在内部缩小规模 Hy4 模型上自主定位预训练系统性能瓶颈，实现端到端训练吞吐提升 20.1%；配合 Hyra 2.0 自动训练出 Hyra-Jev，在 8 项基准评测中 6 项优于官方 Jev；HyCell 以约 1/14 参数量（1600 万）达到与 SOTA 模型 Stack 相当的综合性能；HyPDE 在 13 个物理仿真数据集上与 SOTA 模型 Walrus 相比，单步、短期（1–20 步）、长期（21–60 步）预测分别有 9、10、8 个数据集取得更低预测误差。
• 上线渠道：已在腾讯云和 OpenRouter 上线，可在 CodeBuddy / WorkBuddy、元宝、ima 等产品体验，维持与 preview 相同的 API 价格；计划开源模型权重，已联合 vLLM/SGLang 社区及 Inferact Inc. 提供开源生态支持。

为什么重要

Hy4 正式版标志着腾讯混元从 preview 到正式版的迭代重点转向真实生产力场景落地：视觉与电脑操作能力补齐了此前 preview 版本的模态短板，金融众测与科研任务中的可量化结果提供了开源模型在专业领域能力的第三方参照，而"同一 API 价格下性能显著超过 preview"的定位对开源模型的商业可用性具有直接意义。与既有卡片相比，本条补充了正式版在视觉、电脑操作、金融众测得分、幻觉率下降与科研端到端任务上的具体数据。

局限与不确定性

• 官方明确承认 Hy4 与顶尖闭源模型仍存在较大差距，尤其在前沿数学、长程开发、模型迭代、视觉问答等领域的高难度内部测试集上。
• 金融众测、TenureTrail、IRAB、GameDev/GameLogic 等评测均为内部或合作方自建评测，具体评测方法与题目细节未在材料中完整披露，待核实。
• 模型权重"计划开源"，截至材料发布时尚未实际开放，具体许可条款待核实。
• 生物安全方面，Hy-BioExperimentBench 得分为 30.4/100，官方称尚未发现其能显著降低实施生物化学危害行为的门槛，但该结论基于内部专家审计，独立验证情况待核实。
• 计划近期发布的 Hy4 flash 仅有预告，无具体参数与时间表。

可用于图书/PPT/简报的角度

• 开源模型从"参数竞赛"转向"真实生产力场景验证"的案例：金融众测、科研任务、游戏开发三类场景的量化结果可作为论据。
• 模型自我改进（RSI）的早期实践：Hy4 配合 Hyra 2.0 自主优化训练基础设施、自动训练 Jev 模型、研发 HyCell/HyPDE，可作为"AI 辅助 AI 研发"的产业案例。
• 模型安全与负责任开源的工程实践：训练数据中剔除攻击性网络安全内容、内部安全实验室审计、生物能力分级评估。
• 视觉能力引入对前端与游戏开发工作流的改变：从"生成好看界面"到"功能完整可用"的评估标准转变。
• 开源模型与闭源模型差距的官方自述，可用于讨论开源生态在专业高难度任务上的边界。

原始材料

• 标题：Hy4 正式发布，为真实生产力而生
• URL：https://m.sohu.com/a/1097180668_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 来源平台：搜狐（转载腾讯混元官方发布内容）
• 关联卡片：腾讯混元发布Hy4 preview，770B参数开源上线（2026-08-31）