Hy4 正式版站上国模第一梯队，WorkBuddy 终于等来了它最好的真兄弟
11 月新国模竞赛开始，Hy4 打响了月初第一炮！WorkBuddy 表示，自己终于等来了自家一流国模级别的模型
。
其实在几天前的腾讯全球数字生态大会上，腾讯高级执行副总裁汤道生就宣布了 Hy4 正式版即将发布的消息。现在，Hy4 终于正式开放使用了。
早在 8 月底，腾讯就发布了 Hy4 preview，也就是 Hy4 的预览版。相较于上一代 Hy3，这一代 Hy4 总参数从 295B 跃升至 770B，激活参数 49B，上下文窗口也达到了 1M。此次的正式版也保持了相同的规模。
虽然没有跨过 T 级的门槛，但这个参数量已经足以进入前沿行列。比如此前的DeepSeek-V4.1-Flash-1017，算上 Engram 等组件，也是 700 多 B 的参数量。只要训练到位，多少还是能在某些领域和 SOTA 模型齐头并进。
从混元自己的基准测试结果来看，Hy4 显然已经进入了国模第一梯队，表现和 Kimi K3.1 Pro 各有所长，仅次于最前沿的 GPT 和 Claude 模型。
据官方介绍，从预览版到正式版的这段时间里，Hy4 还显著扩展了预训练和后训练规模，首次引入了视觉能力，同时综合提升了各项基础能力，以适应于生产力场景。
迭代同型号模型，还能加强一手预训练，这在国模中并不多见。
此前 DeepSeek 和智谱 GLM-5.x 系列的更新，往往是模型基座不变，通过后训练来提升模型能力。
简单来说，预训练需要的是海量数据的自监督学习，且成本巨大，而后训练更多是通过 SFT、RLHF 等方法来细致“教”模型怎么更好干活，成本要相对小得多。这也是为什么大多数同代模型的迭代只是在后训练上做提升。
能够在同型号模型上就施展预训练大法，可见腾讯这次对 Hy4 的志在必得。当然，WorkBuddy 的庞大用户规模也给混元模型的数据飞轮增添了更多动力，两者叠加，让 Hy4 得以在前代基础上进步显著。
此前相当多用户使用 WorkBuddy，往往调用的是 DeepSeek，量大还管饱。这次腾讯自己的 Hy4 也支棱起来了，WorkBuddy 也宣布从 11 月 4 号到 15 号，为所有用户提供限时免费的 Hy4 额度，那我们当然得好好上手体验一把。
首先测试一下让 Hy4 制作一个 HTML 单文件小游戏。
由于做 3D 游戏还得建模和烘焙光照等，这次我们先让 Hy4 做一个 2D 横版游戏，致敬的是经典游戏《登山赛车》。
在没有直接提示它参考原型的情况下，我们给出了尽可能详尽的提示词，主要看看 Hy4 对复杂指令的遵循程度和项目能力表现如何。
原版的游戏中，车辆有油门和刹车，玩家必须要时刻注意车辆的油量和姿态，一旦翻车卡住，游戏也就 Game over。
这次我们把车辆改成里面坐着小孩的购物车，可捡拾的增益物品改为超市里的矿泉水、鸡腿、电池等等，其他游戏机制基本保持不变。
从 Hy4 给出的成品来看，UI 充分考虑到了一个网页游戏应有的要素，它甚至还自己调用工具合成了引擎轰鸣的声音，只要一踩油门就能触发。
此外，物理效果做得也比较细致，购物车底下的轮子在接地时有类似悬挂系统的弹跳。
同时，赛车游戏的车辆惯性和重力等物理元素也考虑进去了。
不过，实际体验下来，Hy4 的一个问题就非常显著了。可能由于参数量毕竟不大，有点缺乏所谓的“大模手感”，一些模型本可以自己完善的细节没有做好。
比如说，一个正常的游戏，应该要做到能让玩家有挑战感。但在实际试玩中，如果不刻意把这辆购物车开翻车，玩家甚至不太可能失败。
游戏设计的精髓之一，就应该是适度的难度和诱人的奖励。
与之对应的是增益物品太多了。原本设计的车辆电量补充机制也没派上用场，结果完全可以长按 D 键让车一路向东开下去。
游戏中的坡度也过于平坦，车辆很难“飞起来”，给玩家带来爽感和刺激。
在多轮对话迭代后，这些问题还是没有得到完美解决。给人的感受是，Hy4比较适合详尽提示词下的一轮直出，可以交付一个 80 分的文件。
第二轮，我们测试了一下 Hy4 的 3D 建模能力。要求它使用 Three.js 创建一个可直接运行的、单个 HTML 文件形式的波音 787-9 Dreamliner 3D交互展示，体现真实客机几何、部件关系、可动机构、材质、光影等综合效果。
从结果上来看，Hy4 的网页前端表现还是不错，没有太多花里胡哨的多余部件。在页面右侧，提供了多种视角，并可以自由调节襟翼、起落架、升降舵、引擎等部件。
一点小缺陷是，不知模型是对相关的世界知识储备不够，还是建模时有误，在调整后缘襟翼下偏后移时，直接让襟翼离开了飞机……
除开这一点外，Hy4 的 3D 建模效果还是相当不错，尤其是大模型调用 Three.js 建模时常出现的 Z-Flighting、混叠等视觉问题，Hy4 都尽量避免了。模型面数也把控到位，既没有太糙，也不至于堆料到出错的地步。
在 Hy4 的官方页面中，还特意提到了模型在金融领域的提升，混元联合腾讯金融科技 FiT，组织业内人士进行了高规格的场景实测。这一轮，我们也尝试让 Hy4 分析一下自己本家腾讯的情况。
借鉴官方的提示词，我们要求 Hy4 用 global-equity-research 和 neodata， 做一个腾讯的建模报告，要输出 Excel 和对应的报告 PDF，注意估值逻辑以及数据来源，可以搜索并参考多家机构的研究，研究机构写 HY RESEARCH，最后用中文呈现。
经过一段时间等待后，Hy4 给出了一份 16 页的腾讯控股分析报告 PDF，还附上了相关的 Excel 文档，内容相当详尽，包含历史财务、预测、DCF、SOTP、敏感性分析等部分，完成度相当高，排版也颇有点头部券商的风格。
不过在仔细排查之后，Excel 中还是出现了一处公式错误，与 PDF 的摘要和正文算法并不一致。但能在提示词不长的情况下完成这种程度的估值建模报告，已经让人相当惊喜。
几轮使用下来，也感觉到 Hy4 的一些使用不足，相比 DeepSeek flash 动辄 200 Token/s 以上的速度，Hy4 的速度还是慢了一点，在开启多个子代理 Agent 时，这种不足会相当拉长任务用时。
综合来说，配合 WorkBuddy 这把专武（重点是每天可以领点积分！），具备识图能力的 Hy4 已经足以胜任相当多的任务。
作为一个参数量并不算大的模型，Hy4 这一次的成绩还算让人比较满意。
千淘万漉虽辛苦，吹尽狂沙始到金。
去年，鹅厂一度被外界质疑在这波 AI 大模型浪潮中掉出队伍。随着姚顺雨从 OpenAI 离职加盟腾讯并执掌混元团队，Hy3 和 Hy4 preview 也一步步向上攀登。
直到此次 Hy4 发布，混元终于站到了国模前列。
大模型竞赛就像一场马拉松，后来者总会一次次尝试冲击前面的选手，领跑者也难以稳坐钓鱼台。
接下来，混元和其他国模 2T 以上级别的“大模”大概已经在训练路上，国模之间还将有更为激烈的正面对决，共同冲击全球大模型 SOTA。
趁着这段时间 WorkBuddy 上 Hy4 免费（需要提醒的是，还是有 5h 额度限制的，蹬超了得用自己积分，好在还算便宜），不妨试试 Hy4 表现如何，会符合你的预期吗？
作者：LJM