---
title: "腾讯做了个能操作你桌面的模型，却不让你下载"
date: 2026-11-16
category: AI大模型
site: 脑机网
canonical: https://aiai.cafe/a/njw-ea3ad5
language: zh-CN
---

# 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。

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。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-ea3ad5
本内容仅供参考，不构成投资建议。
