Hy4正式版上线，分数来自自测

腾讯混元公众号把《Hy4 正式发布，为真实生产力而生》的创建时间写成 2026-11-04T04:43:55Z，也就是北京时间 11 月 4 日 12:43。文章宣布 Hy4 正式版发布。相对 Hy4 preview，预训练和后训练规模扩大，视觉是这次才加上的能力，指令遵循、长文理解、长程任务和深度研究也被写成有提升。Hy4 已经可以在腾讯云和 OpenRouter 上调用，CodeBuddy、WorkBuddy、元宝和 ima 也能用。文章写，性能明显高于 preview，API 价格与 preview 相同，页面没有写出单价。模型权重仍是计划开源，并已和 vLLM、SGLang 社区以及 Inferact Inc. 谈好开源生态上的支持。系统卡片计划在开源时一起发，其中包括更完整的安全评估。权重、单价和系统卡片都还不是已经放出来的文件。

视觉一段写，模型可以结合感知、推理和工具调用，处理细粒度图像、复杂图表和数学视觉推理。电脑操作也是首次支持，命令行和图形界面可以一起用。Blender、CAD 以及跨应用的长任务做了专项训练，文章说这是为了提高专业任务的规划和执行。前端和游戏开发被写成视觉带起来的变化。公司与腾讯互动娱乐事业群的游戏开发者合作，适配了 Unreal Engine、Unity 和 Godot，并开始扩展到多人联机。相对 Hy4 preview，GameDev 和 GameLogic 两项评测分别提高 19.1% 和 9.8%。出题方、样本量和误差，这一段都没有写。电脑上具体怎么点、怎么下命令，文章没有给出可照做的步骤，这篇也不补。

金融数字来自公司自己组织的测试。文章写，真实金融场景里建了数千个工作空间和上万个任务，覆盖基金研究、证券分析、量化策略、资产配置、公司金融和财税会计。腾讯金融科技 FiT 做了 213 位专家的众测，其中 153 位来自外部金融机构，七成有五年以上经验。579 个真实金融任务上，文章把 Hy4 写成开源模型第一，分数是 Hy4 3.04、Kimi K3.1 Pro 2.68、GLM-5.3 2.68、DeepSeek-V4.1-Flash-1017 2.97。讯兔科技的内部评测 IRAB 上，相对 preview 提高 12.03 个百分点。另一项自建搜索测试里，幻觉率从 preview 的 15.76% 降到 5.45%，由猜测造成的错误率从 23.1% 降到 5.6%。办公场景写了可以和人一起改 Word、Excel 和 PPT，盲评只说文档的美观、稳定和可用有明显提升，没有给分。比较对象、降幅和“第一”都停在这些自建或合作测试里，文章没有附上独立复测。

科研段同样是公司叙述。TenureTrail 被写成内部评测，覆盖 7 个学科、123 项可执行研究任务，文章称 Hy4 在数学构造、物理建模、地球环境、系统工程和社会经济决策上表现出科研能力，并在开源模型里排第一。与北京大学数学团队的合作结果，是找到 Méndez–Pinto–Villarreal 猜想的一个反例，补上新的条件，并用 Lean 做了形式化验证。小鼠胚胎重建是文中的一次演示：699 万个细胞、84 张无序二维切片，其中有镜像翻转；条件写成离线、没有专用配准工具、没有细胞类型标注；1.5 小时内完成对齐和三维重建，全程没有人插手，效果被写成优于常用配准工具的默认流程。缩小规模的内部 Hy4 上，端到端训练吞吐提高 20.1%。配合 Hyra 2.0 自动训出的 Hyra-Jev，在 8 项基准里有 6 项高于官方 Jev。单细胞模型 HyCell 有 1600 万参数，文章写它以大约十四分之一的参数量，在 7 个未参与训练的细胞图谱上达到与 Stack 相当的综合表现，并在参评模型里拿到最高的平均生物学保真度。物理场模型 HyPDE 相对 Walrus，在 13 个物理仿真数据集上，单步、1 到 20 步、21 到 60 步分别有 9 个、10 个和 8 个数据集的预测误差更低。HyCell 和 HyPDE 被写成已经开源。这些名次、小时数和误差个数都没有独立复测跟在后面。

安全段给出的是公司自己划的边界，不是一份操作说明。文章写，训练阶段纳入的是与概念验证生成和漏洞修复相关的防守性网络安全数据，进攻性训练内容被剔除。腾讯玄武实验室和科恩实验室做了内部审计，结论是进攻性能力没有表现出突出风险。生物方面，开放式实验设计与前沿模型有明显差距，文中分数是 Hy-BioExperimentBench 30.4/100。内部专家看过轨迹后写，基础知识掌握较强，把知识变成可执行实验方案的能力仍然有限，尚未发现这会明显降低实施生物化学危害的门槛。审计怎么做、方案怎么写，文章没有展开成步骤，这篇也不补。局限段承认，即便把 Hy4 称为目前最强的开源模型之一，它和顶尖闭源模型仍有较大差距，尤其在内部构建的前沿数学、长程开发、模型迭代和视觉问答高难度测试集上。Hy4 flash 计划于近期发布，目标是性价比和推理速度。flash、权重和系统卡片都还是计划。