腾讯 Hy4 发布：视觉与电脑操作首上线，说好的开源权重还没放
11 月 4 日，腾讯混元团队放出 Hy4。官方公告的第一句话是「把 Hy 第一次带进最强开源模型的行列」。同一天，它在 Hacker News 冲到 232 分、78 条评论，价格表和跑分被逐行拆解。
但如果只读中文科技媒体的标题，你会以为又一个「国产开源 SOTA」落地了。翻到官方公告倒数第二节，会发现一句很关键的话：「我们计划开源 Hy4 的模型权重」——用的是将来时。
这篇 腾讯 Hy4 的解读想讲清楚三件事：它这次真正多出来的能力是什么，它在价格和速度上处在什么位置，以及那个「计划开源」到底意味着你现在能不能下载。
一句话结论：能力是真进步，开源是空头支票，价格不算便宜
- 能力：第一次有了视觉和电脑操作（CLI + GUI），能在一张 28 亿像素的航拍图里找出约 2 米大小的屋顶构件。游戏开发比上一版 preview 提升 19.1%，游戏逻辑 9.8%。
- 价格：官方定价缓存输入 $0.042 / 输入 $0.834 / 输出 $2.501（每百万 token）。OpenRouter 上现在显示的是半价促销价。
- 开源状态：权重还没放出来。官方说「计划开源」，并已和 vLLM、SGLang 社区对接。Hugging Face 上
tencent/Hy4目前不可公开访问。 - 第三方评测：Plotly 的数据分析基准里 43 题对 42 题（98%），是 37 个受测模型里达到这个分数段最便宜的一个，但每道题中位数要 117 秒，比 GPT-6.1 Sol 慢 6 倍多。
- 一句话取舍：适合要国产可控、需要视觉和长任务的团队；想现在就拿权重自己部署的，得再等。
这次真正多出来的东西：眼睛和鼠标
Hy4 相对 8 月底那版 preview，最大的结构性变化是第一次接入视觉，并因此解锁了电脑操作能力。官方举的例子很具体：在一张 28 亿像素的航拍图里，按「仓库屋顶写着 KLOOSTERBOER 的那栋楼右上方、太阳能板区域最东侧的白色方形构件」这样的描述去定位一个约 2 米大小的目标。
这不是普通的「能看图」，而是把感知、推理和工具调用串成一条链：先看懂图，再决定点哪里，再验证点完之后发生了什么。官方说它同时支持命令行界面（CLI）和图形界面（GUI），并针对 Blender、CAD 这类专业软件做了定向训练。
游戏开发是这次提升幅度最大的方向，也很能说明腾讯的打法。它不是自己攒数据，而是直接和腾讯互动娱乐事业群（IEG）的专业开发者一起建训练集和评测集，抓的是功能实现、玩法逻辑、状态追踪、资源管线这四类活儿，并且针对 Unreal Engine、Unity、Godot 三个引擎做了适配，还扩到了多人游戏开发。相对 preview，GameDev 提升 19.1%，GameLogic 提升 9.8%。
同一套逻辑出现在金融场景。官方说建了数千个真实工作区、数万个任务，还请 213 位金融从业者参与评测，其中 153 位来自头部金融机构，七成以上有五年以上行业经验。579 个真实金融任务的排名是：Hy4 3.04，DeepSeek-V4.1-Flash-1017 2.97，Kimi K3.1 Pro 和 GLM-5.3 都是 2.68。
还有一个数字值得单独拎出来：官方称内部评测里，幻觉率从 15.76% 降到 5.45%，推测性错误从 23.1% 降到 5.6%。如果这个口径可信，对做文档和表格的场景意义比跑分大得多——毕竟办公场景里最贵的成本是「它编了一个看起来很对的数字」。
「计划开源」：时态问题比能力问题更值得盯
官方公告的原文结构是这样的：先讲训练和评测，中间讲安全，最后一段才说「We plan to open-source Hy4’s model weights」，并说明已和 vLLM（Inferact Inc.）与 SGLang 社区合作做好生态支持，权重放出时会同步发布系统卡。
对照现实：OpenRouter 上这个模型的字段里有 hugging_face_id: tencent/Hy4，但直接访问 huggingface.co/tencent/Hy4 返回 401，权重并未公开。也就是说，2026 年 11 月 5 日这一天，Hy4 是「闭源 API 模型」，不是开源模型。
这不算欺骗——它确实写了「计划」，也确实提前把 vLLM、SGLang 的适配谈好了，这是认真准备开源的信号。但传播链条上「计划」两个字很容易掉。对读者的实际影响很直接：你不能现在下载它、微调它、在内网部署它。所有关于「开源 SOTA」的讨论，此刻讨论的是一个路线图。
顺带一提，腾讯这次确实开源了两个东西，但都不是语言模型：HyCell（单细胞表征）和 HyPDE（物理场建模），是 Hy4 配 Hyra 2.0 框架一起研发出来的科学基础模型。公告里还提到，Hy4 配合 Hyra 2.0 自主优化了内部预训练基础设施，训出一个在多个基准上超过官方 Jev 基线的变体——这个「模型改模型」的段落，比跑分表更值得记一笔。
价格：官方价贵过 DeepSeek，OpenRouter 上在打五折
官方给的定价（每百万 token，美元）：
| 项目 | Hy4 官方价 | OpenRouter 现价 |
|---|---|---|
| 缓存输入 | $0.042 | $0.021 |
| 输入 | $0.834 | $0.417 |
| 输出 | $2.501 | $1.2505 |
Hacker News 上有人直接拿它和 DeepSeek 对比，结论是「不算有成本竞争力」：DeepSeek 高峰期缓存输入 $0.006、输入 $0.30、输出 $1.20，闲时还要再砍一半。按这个比法，Hy4 的输入价是 DeepSeek 高峰期的近三倍。
但另一个声音也成立：单价不是成本，每任务成本才是。小模型往往要烧更多 token 才把活干完，大模型一次过。这个反驳在 Plotly 的实测里得到了部分印证，也在另一处得到了部分推翻——下面这张表就是答案。
第三方实测：便宜是真的，慢也是真的
Plotly 用一套 43 题的短程数据分析考卷测了 37 个模型。Hy4 答对 42 题（98%），唯一错的是隐藏规律题。更值得注意的是成本曲线：
| 模型 | 得分 | 整场考试成本 | 每题中位耗时 | 人均年成本（估算） |
|---|---|---|---|---|
| Hy4 | 42/43 | $2.11 | 117 秒 | $123 |
| GPT-6.1 Sol | 43/43 | $2.61 | 18 秒 | $152 |
| Grok 4.7 | 42/43 | $7.85 | 38 秒 | $456 |
| Kimi K3.1 Pro | 42/43 | $13.47 | — | — |
Plotly 的原话是：Hy4 落在成本-准确率前沿上，「没有哪个受测模型既比它便宜又比它准」。同时它也是全榜最啰嗦的之一——每题平均跑 24 次查询和图表，隐藏规律题平均 64 次，其中一条笛卡尔连接查询跑了近一小时，整场考试花了将近三小时。
另有一份 PacBench 的复现：Hy4 以 82/100 追平 DeepSeek V4.1 Flash，耗时 23.2 分钟、花 $0.30；对手耗时 20.1 分钟、花 $2.26。同样的游戏质量，价格只有七分之一。这种「一个基准说贵、一个基准说便宜」的分裂，正是只看单价会误判的地方——取决于你的任务里读 token 多还是写 token 多。
还有一组要泼冷水的数字。Artificial Analysis 的智能指数给 Hy4 打 35 分，排名 43/106，属于「高于中位数 30」但进不了一线；输出 token 量 1.6 亿，排 94/104，标注为「非常啰嗦」。官方自己也在「Looking ahead」里承认，在研究级数学、长程编程、模型自我改进、高级视觉问答这几项上，和顶级闭源还有明显差距。
安全：主动砍掉了进攻性网安数据
这一段在中文报道里基本被忽略了，但对判断「能不能放心用」很关键。腾讯的写法是：训练时网络安全数据只保留防守向材料（PoC 生成、漏洞修补），过滤掉了漏洞利用开发、逆向工程、渗透测试这类进攻内容，并请玄武实验室和科恩实验室做红队审计，结论是它在逆向加密算法、破解二进制混淆、利用漏洞这几类进攻任务上没有表现出额外风险。
生物安全方面给了一个具体分数：在 Hy-BioExperimentBench 上 30.4/100，低于腾讯自己的高风险阈值。内部专家复核推理轨迹后认为，它懂基础生物学，但把知识变成可执行的实验方案这一步仍是瓶颈。
这个取舍和 Kimi 那批模型的做法类似。代价很明确：做安全研究、需要模型协助逆向或渗透测试的人，这不是给你用的模型。做防守向的漏洞修补反而合适。
适合谁、怎么看
按现在能拿到的信息，我的判断分三类：
- 该现在就试的：公司数据不能出境、需要中文和视觉混合处理、任务偏「读长文档 + 出表格/文档」的团队。官方宣称的幻觉率下降在这类场景里比任何跑分都值钱，而且 100 万 token 上下文够长。
- 该等权重再说的：想自己部署、想微调、想在内网跑离线推理的。现在放出来的是 API，权重是路线图。真放出来时再看许可证条款，这一步决定它到底是「开源」还是「可查权重」。
- 该谨慎的：对延迟敏感的交互式场景。117 秒中位耗时、24 次工具调用起步的工作方式，放在客服或实时补全里会很难受。官方也说了要出 Hy4 flash，主打成本效率和更快推理——如果你现在被速度劝退，等的应该是那个版本，不是这个。
最后回到开头那句话。腾讯把 Hy4 定位成「最强开源模型」的一员，这个愿望在能力上有一部分支撑，在事实上还差一个动作：把权重挂上去。2026 年开源模型的竞争已经不只是比谁跑分高，还要比谁真的把文件放出来了。这个动作没完成之前，所有「开源 SOTA」的说法都该加个注脚。
