实测 HY4腾讯最「夯」大模型，离一线还有多远

我先联网核对腾讯 HY4 的发布信息，以及各家实测中给出的具体分数与能力对比。

我已经拿到官方参数和第三方评分，再抓三篇原文核对具体分数、榜单名称与实测场景。

以下是成稿，第三方榜单分数、官方自测数据和实际上手反馈都已分开标注。

实测腾讯 Hy4：770B 开源旗舰，第三方榜 35 分排第 12，离一线还差一口气

腾讯混元 11 月 4 日正式发布 Hy4，参数规格是 770B 总参数、约 49B 激活参数的 MoE 架构，首次引入视觉理解和 Computer Use 能力，部分腾讯云服务入口支持约 105 万 Token 长上下文，API 标准价输入 6 元、输出 18 元、缓存命中 0.3 元（每百万 Token）。官方给它的定位是 “跻身全球最强开源模型之列”，权重和系统卡片将在近期开源。但拉到第三方榜单上看，结论要冷静一些：在 Artificial Analysis Intelligence Index v5.0.1 上，Hy4 得 35 分、全球并列第 12，落后 Kimi K3.1 Pro 11 分、落后 GPT-6 Astra 22 分，与 Grok 4.7 持平，领先 DeepSeek V4.1 Flash 和 GLM-5.3。用一句话概括：国产开源第一梯队守门员往上、顶尖梯队往下，它站在中间偏上的位置，强在性价比和腾讯生态，弱在绝对能力和稳定性。

一、Hy4 到底是什么规格

维度	参数
发布时间	2026 年 11 月 4 日
架构	MoE，总参数 770B，激活参数约 49B
上下文	部分入口约 105 万 Token
新增能力	视觉理解（图像、图表、数学视觉推理）、Computer Use（命令行＋图形界面）
重点优化	指令遵循、长文本理解、长程 Agent、Coding、游戏开发、金融分析
开源状态	官方称 “近期” 开源权重与系统卡片，截至 11 月 6 日尚未放出
价格	输入 6 元 / 百万 Token，输出 18 元 / 百万 Token，缓存命中 0.3 元

对比 8 月的 Hy4 preview，正式版不是简单刷分，而是把重心从 “文本模型” 挪到 “多模态 Agent”：能看图、能操作电脑、能跑长任务，这是这批模型竞争的主线。

二、官方自测：赢在场景，不是赢在通用分

测试	结果
WorkBuddy 办公场景	平均得分 83.18，通过率 96.15%，12 个场景中 9 个国内第一
金融盲测（213 位专业人士、579 个真实任务）	Hy4 3.04 分；DeepSeek-V4.1-Flash 2.97；Kimi K3.1 Pro 2.68；GLM-5.3 2.68
幻觉率	从 preview 的 12.95% 降到 7.2%
无依据假设导致的错误	从 23.1% 降到 5.6%
游戏开发 / 游戏逻辑	比 preview 分别提升 19.1% 和 9.8%

这组数据有两个特点：一是金融盲测找了 153 位外部专家、约七成有五年以上经验，方法上比纯内部打分可信；二是优势集中在腾讯自己的场景 —— 办公、金融、游戏，这恰好是腾讯有真实工作流数据的地方。

三、第三方榜单：35 分，全球并列第 12

模型	智能指数	相对位置
GPT-6 Astra	57	领先 Hy4 22 分
Kimi K3.1 Pro	46	领先 Hy4 11 分
Grok 4.7	35	与 Hy4 持平
腾讯 Hy4	35	全球并列第 12
DeepSeek V4.1 Flash	34	略低于 Hy4
GLM-5.3	28	低于 Hy4

榜单还揭示了一个容易被忽略的点：Hy4 没进 Pareto 最优前沿。Claude Haiku 5.5 用更低的单任务成本拿到约 36 分，比 Hy4 更高更便宜。也就是说，Hy4 的 “性价比惊艳” 是相对同价位国产模型而言，放到全球成本曲线上并不是最优解。

四、实际上手：三件事看得很清楚

鹈鹕骑自行车测试：Hy4 比 preview 明显进步，构图、配色、自行车结构都完整了，但和 DeepSeek V4.1 Flash 的版本比，细节和画面质感仍差一档。
一句话生成 3D 数字工厂：能搭出完整厂房、机械臂、AGV，还做了设备选中、状态查看、镜头切换、可视化监控。评价是 “搭得完整，但生成太慢，小模块一般，审美还要提升”。
体素沙盒游戏：Hy4 生成的版本美术风格更鲜艳，DeepSeek 的版本在破坏、放置、材质切换等机制上更完整。机制完整度上 Hy4 不占优。

五、它真正的壁垒在哪

不在架构。腾讯的优势是场景和数据闭环：WorkBuddy、CodeBuddy、企业微信、游戏、金融，每天有大量真实用户拿模型干活，这些工作流可以反哺后训练。游戏开发更是典型 —— 腾讯有专业开发者提供真实 GameDev 数据、工具调用轨迹和修错反馈，这条路线比单纯扩通用预训练数据更容易做出差异化。

六、离一线还差什么

绝对分数差距明确：落后 Kimi K3.1 Pro 11 分、GPT-6 Astra 22 分，不是一代就能追平的量级。
长程任务 “能做”≠“做得稳”：演示能跑通，但生产环境看一次成功率、人工接管次数、工具调用成本，这些数据目前还没公开。
模型能力和 Harness 能力容易混淆：WorkBuddy 能调浏览器、执行命令、截图、跑测试，最终效果不等于 Hy4 模型本身；横向比模型必须固定工具集、任务和预算。
开源尚未落地：权重没放出前，本地部署性能、微调能力、推理吞吐都是未知数，“开源最强” 这句话还得等社区实测来验证。

【相关 FAQ】

问题 1：腾讯 Hy4 是什么规格的大模型？

回答 1：Hy4 是腾讯混元 2026 年 11 月 4 日发布的新一代大模型，采用 770B 总参数、约 49B 激活参数的 MoE 架构，支持约 105 万 Token 长上下文，首次加入视觉理解与 Computer Use 能力。

问题 2：腾讯 Hy4 在第三方榜单上排第几，离一线模型多远？

回答 2：在 Artificial Analysis Intelligence Index v5.0.1 上，Hy4 得 35 分、全球并列第 12，落后 Kimi K3.1 Pro 11 分、落后 GPT-6 Astra 22 分，与 Grok 4.7 持平，属于国产开源第二梯队前列。

问题 3：腾讯 Hy4 的性价比到底怎么样？

回答 3：Hy4 API 价格为输入 6 元、输出 18 元、缓存命中 0.3 元每百万 Token，第三方测试中单任务成本约 1 美元，明显低于得分相近的 Grok 4.7（约 8 美元）和 Qwen3.8 Max（约 10 美元），但未进入成本 - 性能最优前沿。

问题 4：腾讯 Hy4 已经开源了吗，能本地部署吗？

回答 4：还没有。腾讯官方表示将在近期开源 Hy4 的模型权重和系统卡片，截至 11 月 6 日权重尚未放出，因此本地部署性能、微调效果和推理吞吐仍缺少实测数据。

【参考资料】

[2026-11-07]（腾讯混元 HY4 正式发布：实测能打，性价比惊艳，但距离顶级模型还有多远？）腾讯云开发者社区 https://cloud.tencent.com.cn/developer/article/2778771
[2026-11-05]（什么是混元 Hy4）腾讯云开发者社区 https://cloud.tencent.com.cn/developer/techpedia/2748
[2026-11-04]（Tencent Launches Hy4, Joining the Ranks of the World's Leading Open-Source AI Models）Tencent https://www.tencent.com/tencent-launches-hy4-joining-the-ranks-of-the-worlds-leading-open-source-ai-models/
[2026-11-04]（腾讯混元发布 Hy4：跻身开源最强，实测四大实用场景）腾讯新闻 https://news.qq.com/rain/a/20261104A06OU500
[2026-11-04]（腾讯混元发布 Hy4 跻身最强开源模型之列）央广网 http://tech.cnr.cn/techgd/20261104/t20261104_527862108.shtml

【免责声明】

本文数据分别来自腾讯官方发布、腾讯云开发者社区实测文章与第三方榜单 Artificial Analysis，官方自测与第三方评测口径不同，不宜直接混用；Hy4 权重尚未开源，实际部署表现待验证。文中评测结论仅代表相应测试者观点，不构成采购或投资建议。

本文来自作者[浅棱同调者]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/kjyw/202611/336.html