---
title: "AI大模型｜腾讯大模型要长眼睛了，看图干活有多快？"
date: 2026-10-30
category: AI大模型
site: 脑机网
canonical: https://aiai.cafe/a/njw-88dbb7
language: zh-CN
---

# AI大模型｜腾讯大模型要长眼睛了，看图干活有多快？

> 用大模型干活的人都有过这种别扭：想让它看一眼一张报表截图、一份手写单据，它却只会打字聊天，你得先把图里的内容抄成文字喂给它。10月29日，这个别扭在腾讯的自研模型上有了动作。据央广网报道，腾讯在2026腾讯全球数字生态大会上宣布，新一代混元

用大模型干活的人都有过这种别扭：想让它看一眼一张报表截图、一份手写单据，它却只会打字聊天，你得先把图里的内容抄成文字喂给它。10月29日，这个别扭在腾讯的自研模型上有了动作。据央广网报道，腾讯在2026腾讯全球数字生态大会上宣布，新一代混元模型Hy4即将发布，Hy4 flash也会在近期推出。

## 一
按照大会披露的信息，Hy4相比此前开源的Hy4 preview有全面大幅提升，尤其强化了两类任务：一类是长程任务，也就是要连续干很多步、跨很长时间才能收尾的活；另一类是真实生产力任务，比如处理文档、跑业务流程这类办公楼里每天都在发生的事。同时，它的思维链效率被显著提升——通俗讲，就是模型“打草稿”的过程更省、更快。

最重要的变化藏在一句话里：Hy4首次引入了视觉理解。这意味着模型不只是能读文字，还能“看”图片。你在工作里拍一张白板、一张发票、一张设备铭牌，直接丢给它，它就能看懂并接着干活。对普通人来说，这可能是从“会聊天的助手”到“能看东西的同事”之间最实际的一步。

## 二
要看懂这次升级，得回看8月28日那一步。据披露，腾讯混元当时发布并开源了新一代大语言模型Hy4 preview，总参数770B、激活参数49B，上下文长度突破1M。上下文长度突破1M意味着什么？一次对话里能塞进去的资料量极大，整本书、整个项目代码库都能放进去让它通读，而不需要人工切成碎片。

开源模型稳居开源第一梯队，这是官方当时的口径。而Hy4 flash的定位则更偏实用：官方称其提供极致性价比，在继承Hy4视觉、Agent等能力的基础上，通过模型和产品的深度协同设计高频进化。一句话概括，旗舰版负责强，轻量版负责省，两条线一起往前推。

## 三
回看这一年各大厂商的动作，会发现一个共同趋势：模型竞赛的主战场，正从“考卷上的分数”转向“办公室里的活”。原因不复杂——企业客户不为跑分买单，只为省下来的人工和提上来的效率买单。视觉能力恰好是打通效率的关键一环，因为现实工作里的信息，大量是以图片形态存在的：单据、图纸、截图、监控画面。

腾讯选择在数字生态大会这个场合宣布Hy4，用意也明显：这是面向企业客户和开发者的场合，模型能力最终要落到具体业务里去检验。据腾讯官方披露，其企业级AI办公智能体自今年3月上线以来，已处理超过90亿次任务请求，覆盖50多个行业——模型升级与应用落地，是绑在一起讲的。

## 四
对多数人而言，判断这次升级值不值得关心，标准很简单：以后在微信生态里用到的AI功能，会不会更聪明、更便宜。视觉理解加入后，最直接的体验变化是“少一步操作”——不用再费劲描述图里有什么，直接给图就行。而flash版本的性价比路线，则可能让这些能力的使用门槛继续往下压。

可以留一个观察点：Hy4正式发布后的实测表现。官方口径里的“全面大幅提升”最终要由真实任务来兑现，尤其是长程任务这种最容易露怯的场景。发布会上的形容词，从来不是能力的终点，落地的第一周才是。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-88dbb7
本内容仅供参考，不构成投资建议。