脑机网 脑机网LOGIC.WANG
脑机网 · 一线 AI 与脑机接口观察
每天更新,只讲能落地的技术、机器人与商业化进展。
看今日文章
ESC

腾讯做了个能操作你桌面的模型,却不让你下载

腾讯的新旗舰能打开Blender搭场景、读电子表格截图,在一套从没见过的软件里点着完成三步任务——按腾讯的发布演示。它能在同一次会话里操作命令行与图形界面。

2026-11-16 · 2294 字 · 脑机网信息截止 2026-11-16

本文为脑机网原创内容,基于公开信息与公开数据分析,不构成任何投资建议。

腾讯的新旗舰能打开Blender搭场景、读电子表格截图,在一套从没见过的软件里点着完成三步任务——按腾讯的发布演示。它能在同一次会话里操作命令行与图形界面。

它做不到的是离开这栋楼。

混元Hy4于2026年11月4日以API形态对外:腾讯云TokenHub、OpenRouter、WorkBuddy、CodeBuddy,以及元宝和ima。权重不在这次发布里。腾讯说权重与安全报告会随后给出,没给日期。

相比预览版变了什么

8月28日的预览版只支持文本;Hy4是混元系列第一个把图像理解与电脑操作放进同一检查点的模型。

能力清单很具体,这通常是好迹象:读屏(图表、文档、截图、多图对比);图形界面控制(点、打字、走菜单,也能执行命令);100万token上下文,输入上限96万、输出上限6.4万;工具调用与视觉在同一条请求路径。

第三方追踪机构列出约7700亿参数、混合专家结构。腾讯没发布完整架构说明,这个数字只能算暂定。

在办公活上训练,不是在聊天上

Hy4最值得说的是训练重心,因为它太窄。

腾讯称重心在办公、财务分析与游戏开发——含Blender、CAD这类设计工具,虚幻、Unity、Godot三套引擎,自家游戏工作室准备测试素材。这是一个明确的赌注:未来两年值钱的智能体工作,像一个人跟表格和3D视窗搏斗,而不像聊天。

一个数字说明路径:579个真实财务任务、由财务专业人士打分,腾讯称Hy4得3.04,某DeepSeek模型得2.97。自制评分表上0.07不是压倒性胜利,但这种窄而具体的测量比头条榜单更能说明意图。

腾讯还说幻觉明显下降:编造事实的回答占5.45%,此前15.76%。那仍是每二十个回答里有一个编出来的事实——下次有人把智能体称作可靠时,值得想起。

分数,以及分数是谁做的

Hy4的结果让它进入与闭源前沿的同一个对话,但没真正赢过:OSWorld 2.1(电脑操作)78.9,Claude Opus 5.5为81.8、Kimi K3.1 Pro为79.6,腾讯图表显示它领先GPT-6.1 Sol的75.2。Terminal-Bench 4.0为44.4(腾讯报),Snorkel AI用Claude Code框架跑的独立榜列39.1——同模型、同任务集,不同框架与运行器。APEX-Agents v1.1(办公智能体任务)75.2,高于DeepSeek V4.1 Flash的72.9、Kimi K3.1 Pro的68.2与Claude Opus 5.5的74.8。DeepSWE v1.1(编程)74.9。带工具的人类最后考试59.1,落后Kimi的61.8与Opus 5.5的66.2。

整张表规律一致:结构化办公与电脑操作强,终端密集型编程与研究级数学落后。腾讯自己也承认在研究级数学、长程编程、自我改进与高级视觉问答上与顶部闭源差距很大。公司很少主动列这份清单,等营销材料上门时值得引用。

价格就是论点

每百万输入token 6元、输出18元(约0.83美元/2.50美元,或6.5港元/19.6港元),缓存输入每百万token 0.3元。Hy4与美国价目表顶端不在同一个价格宇宙。TokenHub对符合条件的用量打五折,直到2026年12月31日;WorkBuddy与CodeBuddy在11月4日至15日提供免费额度。

这个差距干实活:如果一个电脑操作智能体完成一次任务要看两百次屏幕,每次便宜一个数量级的模型会先被试,哪怕它在OSWorld上落后三分。

"开源"这个词承担了太多

这是发布里尴尬处。

8月预览版以Apache 2.0开源权重发布,谁都能下载;更强更完整的Hy4没有,至少现在没有。GitHub把发布列为即将到来;第一天没有下载链接、许可证或系统卡。Hugging Face上能拿到的Hy4文件只有8月预览版。

而同一个两周内,月之暗面发布2.8万亿参数的Kimi K3.1 Pro,百度以区域受限的自定义许可发布ERNIE 5.5 Flash Base,美团以MIT发布1.6万亿参数模型。腾讯说Hy4跻身最强开源模型之列,说的是计划,不是文件。

这对做采购决定的人有意义:API产品可被改价、地域锁、下架;下载的检查点不能。权重不存在之前,Hy4是一个演示能力异常强的服务。

关键要点

  • Hy4把读屏与电脑操作做进同一检查点,100万token上下文,11月4日以API形态发布。
  • 办公与电脑操作强(OSWorld 78.9),终端编程与研究数学弱;Terminal-Bench两框架给出44.4与39.1。
  • 权重没有随发布给出,只承诺"随后";同两周另三家都发了权重。

诚实的局限

除Snorkel那个数字外,每个基准都是腾讯自己的,未经独立复现;OSWorld对Opus 5.5与Kimi的比较,三方都用厂商自报数字。约7700亿参数来自第三方,腾讯未公布激活参数或架构细节。财务任务研究用自制评分表加专业评委,0.07的差距落在"评分表设计比模型质量更起作用"的区间。电脑操作不等于安全的电脑操作:能点遍你软件的智能体也能点错按钮,基准分数抓不住。没有权重,就没有对训练数据、安全微调的独立检查。本文没有直接测试该模型。

普通人现在能做什么

  • 拿一个你已经讨厌的重复屏幕任务去测:填表循环、报表导出、每周对账。免费额度已结束,但按每百万输入token 0.83美元算,这次测试比你在它跑时喝的那杯咖啡便宜。
  • 暂时别围绕Hy4规划私有部署。若你的架构假设权重可下载,这个月它不是那样的模型;现在就把退路设计好,别等签约。
  • 读它承认的短板,不只读图表。腾讯自己列的弱项——研究数学、长程编程、自我改进、高级视觉问答——比任何一行基准更适合做路由指南。

数据与信源

信息截止 2026-11-16。文中数据以该日期前已公开的信息为准。

本文引用 公开报道与公司公告(未逐条列示)。

本站历史文章在正文中标注了来源机构与时间,但未逐条附原始链接。如需核验文中任一具体数字,请在评论区注明段落与数据,我们会在 2 个工作日内补出处。

本文为脑机网原创内容,基于公开信息与公开数据分析,不构成任何投资建议。

查看「AI大模型」更多内容 → · 返回首页

引用本文

欢迎媒体、智库与研究机构引用。引用时请注明来源「脑机网」并保留原文链接,同时保留文章页标注的「信息截止」日期。转载规则见 引用与转载规范。

GB/T 7714脑机网编辑部. 腾讯做了个能操作你桌面的模型,却不让你下载[EB/OL]. (脑机网)[2026-11-16]. 北京: 脑机网, https://aiai.cafe/a/njw-ea3ad5. 2026-11-16.
APA脑机网编辑部. (2026, November 16). 腾讯做了个能操作你桌面的模型,却不让你下载. 脑机网. https://aiai.cafe/a/njw-ea3ad5
脑机网 · 一线 AI 与脑机接口观察
每天更新,只讲能落地的技术、机器人与商业化进展。
看今日文章