腾讯HY4预览版已开源：770B MoE、100万上下文，价格低于前沿模型

2026年8月28日发布并开源的 Tencent HY4 Preview，是中国实验室数月来首个真正有竞争力的开放权重旗舰模型，而它最令人意外的数字是价格。Tencent 将其定价为每百万输入 token 6元（约0.85美元）、每百万输出 token 18元（约2.50美元）——大约是一流闭源前沿模型输出收费的十分之一——同时发布了一个7700亿参数的混合专家模型，每个 token 激活490亿参数，上下文窗口突破100万 token。它是 Hunyuan 系列 Hy3（总参数295B，上下文256K）的继任者，将上下文扩大至四倍，同时将活跃容量提升一倍以上。模型权重今天即可从 Hugging Face、GitHub、ModelScope 和 GitCode 下载，而同一模型已在 Tencent 自家产品中上线：WorkBuddy、国内版和国际版的 CodeBuddy、Yuanbao 助手，以及 ima 工作空间应用。对于一直关注开放权重模型在软件工程工作中落后于前沿模型的人来说，这次发布终于让这一差距变得有争议——而其中的注意事项与数字同样重要。十天后，最可能让生产用户吃亏的两个注意事项，已经成为 Tencent 对线上预览版首次升级的目标：9月7日，它推出了一项现已面向所有人上线的优化，据称可减少该模型在复杂工作中的推理轮次和每任务 token 消耗。

这一定位是经过深思熟虑的。腾讯将腾讯HY4 Preview定位为面向四个领域的生产力模型：软件工程、办公与数据分析、游戏开发以及科学研究。对工程领域的侧重使其区别于通用型AI——发布说明主打长周期任务理解、规划与调试能力，而非聊天质量。这一侧重点同样体现在集成列表和基准测试表中：CodeBuddy在其IDE中接入该模型，WorkBuddy将其应用于办公工作流（腾讯展示了该模型一次性处理72份财务文档的能力），游戏开发者则可通过MCP接口连接虚幻引擎5和Unity，将一句话转化为可玩的演示。

实际发布的是什么

这份规格说明书值得逐行阅读，因为每一行都会改变开放权重模型被允许做的事情。

• 架构 — 专家混合（Mixture-of-Experts），总参数量770B，每个token激活49B，约16:1的稀疏比，使推理成本保持在小型团队实际可负担的范围内。

• 上下文窗口 — 超过100万个token，是Hy3的256K的四倍。长周期工程任务 — 将整个代码仓库放入窗口、多文件重构、大批量文档处理 — 都成为单次请求即可完成的任务。

• 权重——在 Hugging Face、GitHub、ModelScope 和 GitCode 上以 Apache 2.0 协议开放发布。这是一个可下载、可自行部署的模型，而非托管的预告版本。

• API — 可在腾讯云 TokenHub（厂商自托管的端点）上使用，定价为每百万输入 token 6 元、每百万输出 token 18 元、缓存命中每百万 token 0.3 元。

• 产品集成 — WorkBuddy、CodeBuddy（国内和国际）、Yuanbao 和 ima，这意味着腾讯在其自身应用中发布的权重，正是你可以拉取并运行的权重。

腾讯还公布了一个很少出现在发布说明中的推理工程指标：通过算子融合和通信优化，端到端吞吐量提升了31.8%。让这不只是一条规格表脚注的是，腾讯称Tencent HY4 Preview自己找到了这些瓶颈——该模型分析了自己的推理栈，而且据报告，这些优化在上下文长度和并发水平上均保持稳定。这种细节，正是实验室作为研究成果发布的模型，与公司期望其承受生产流量的模型之间的区别所在。对于一款公开还不到两周的预览版来说，这也恰恰是腾讯之外尚无人验证过的那类说法。

值得引用的分数

Tencent 为 Tencent HY4 Preview 发布的每一项基准测试都是厂商自行报告的——是在 Tencent 自己的评估设置上运行的，未经任何独立实验室复现，而且该模型公开发布还不到两周。应把它们视为 Tencent 自认为达到的上限，而不是既定事实。

最引人注目的数字是 Terminal Bench 2.1，这是一项测试模型在编码时操作真实终端能力的基准。腾讯报告称，Tencent HY4 Preview 得分为 85.4，与 Claude Opus 5 持平，超过 DeepSeek V4 Pro，并比其前代产品 Hy3 高出 14.6 分。这单个数字承载了太多分量——它声称一款开放权重模型在一项严苛的智能体编码测试中能与最昂贵的封闭式前沿模型并驾齐驱——而这正是最需要独立验证的说法。

内部表格的其余部分：软件工程基准测试DeepSWE从Hy3上的28.0分跃升至64.3分，腾讯称其与第一梯队模型的差距“正在逐步缩小”。在工具调用测试Toolathlon-Verified中，它取得74.1分，腾讯表示这一成绩超越了Qwen 3.8 Max和GPT-5.6 Sol，接近Kimi K3和Claude Opus 5。在APEX-Agents的pass@1指标上，它达到37.1，仅以微弱差距落后于Kimi K3的37.2。此外，在另一次内部盲测中，163位专家对203项工程任务评分为4.00分制下的2.99分，略高于GLM-5.3的2.92分和Kimi K3的2.94分。

有两个模式很突出。首先，每一项强劲的数字都出现在智能体工程工作上——终端操作、工具调用、代码库级任务——而没有一项出现在通用知识或推理上，这与生产力定位一致，而非巧合。其次，腾讯谨慎地将DeepSWE及其他模型描述为缩小差距，而非消除差距。唯一一个清晰且具有市场宣传价值的持平声明是Terminal Bench 2.1打平，而这正是最值得用你自己的工作量去检验的声明。

定价实际买到什么

定价正是这次发布从有趣转向颠覆性的地方。按腾讯的标价，一百万个输入 token 的成本，大约相当于某些平台上一次中端 API 调用的费用。每百万输出 token 18 元（约合 2.50 美元）的价格，远低于顶级闭源前沿模型每百万输出 25 美元的定价，而 0.3 元的缓存命中价格，则让长时间运行的智能体循环——同一系统提示词和对话前缀被不断重复发送——运行成本低得非同寻常。9 月 7 日的升级改变了这笔账的实际一侧：由于腾讯按 token 计费，减少推理轮次以及每项任务消耗的输入和输出 token 数量，会降低一项已完成任务的成本，尽管每 token 的标价并未变动。腾讯自家的基准测试和人工评估检查是这一节省幅度的证据，因此在有独立测量之前，应将其视为厂商自报数据。

这也是路由层唯一能改变计算方式的地方。OrcaRouter 目前尚未路由 Tencent HY4 Preview，因此如今调用它的实际方式有：腾讯云自家的 TokenHub 端点、嵌入该模型的腾讯产品，以及开放权重的自托管部署——而且由于这些权重采用 Apache 2.0，第三方平台随时可以搭建自己的副本，这在比较不同提供商的价格时值得记住。我们不会声称提供我们并未提供的东西。但让降价真正有意义的纪律，也是目录中其余部分所遵循的同一套纪律：OrcaRouter 以零加价透传提供商的标价，因此当像腾讯这样的厂商将某个 token 定价为 6 元时，你在我们这边支付的价格就是 6 元，而不是转售并加价后的版本；而且厂商调整价格的那一天，变更当天就会在我们这边生效。一个 API 覆盖 200+ 模型，当某个提供商出现故障时跨提供商自动故障转移，以及用于组合模型的路由 DSL——这就是一旦 Tencent HY4 Preview 变得可路由时，就会承载它的机制，与目录中已有的其他开放和闭源模型一起。

规格表无法涵盖的部分

发布材料中的两项主张值得单独关注，因为它们关乎模型的构建方式，而非其得分情况。

首先是自我改进循环。腾讯表示，腾讯HY4 Preview参与了自己的研发——它被用于优化训练方法、数据策略、评估系统以及产生它的底层算子。31.8%的吞吐量提升是这一循环最具体的公开成果：腾讯将其归功于模型在自身服务栈中识别出的瓶颈。这是一个初级的递归自我增强循环：一个模型帮助设计下一版本的自己。前沿实验室报告这类成果的片段并不罕见，但一个中国开放权重模型将这一循环公开描述为已交付的能力，标志着这些版本发布在自我叙述方式上的一个阶段变革。

第二个是数学方面的成果。腾讯报告称，该模型将布拉施克–勒贝格问题——凸几何中一个有关定宽体最小体积的长期未解之问——的已知体积下界从0.380799推进到0.41104，使其与迈斯纳四面体猜想所给界的差距缩小到约2%。腾讯还报告称，在科研赛道中，一个由32,512个原子构成的磷脂双分子层模拟实现了2.0倍加速，每步耗时降至54.9毫秒。这类结果通常足以让一个模型单独发表一篇论文；而在这里，它们只是发布要点——和其余发布材料一样，都是腾讯单方面的说法。

老实说，缺少的是什么

腾讯直白地列出了已知局限，而对任何决定在这个模型上构建什么的人来说，这些局限都很重要。它没有视觉或多模态输入——Tencent HY4 Preview 就是文本模型，仅此而已，因此任何与图像或视频沾边的任务都应交给其他模型。腾讯在发布时指出的另外两种行为——在复杂任务上慢热、长时间思考，以及容易过度自我验证，为反复检查已经完成的工作而消耗 token——是最可能在生产环境中出现的问题，而它们正是 9 月 7 日升级所针对的对象。腾讯混元与 WorkBuddy 团队表示，线上预览版本已经过优化并全面推出，在任务质量相同的情况下，复杂任务的推理轮次更少，输入和输出 token 消耗更低，并通过基准指标与人工评估双重校验。这是厂商的说法——公告开头就是“你们指出了它”——而腾讯之外还没有人复现这一测量结果。这也适用于腾讯提供的版本：Hugging Face 上的开放权重快照自 8 月 28 日以来未变，因此在腾讯更新发布之前，自行托管的权重副本仍会表现出原先更长的推理行为。

而最重要的缺失，是对这些新说法进行独立验证。腾讯 HY4 Preview 至今仍没有第三方实验室的测试运行，也没有 Artificial Analysis Intelligence Index 的收录记录，因此发布时的基准测试表格，以及 9 月 7 日那项 token 节省的幅度，都只能依赖腾讯自己的评估。迄今为止，该模型唯一的公开第三方信号来自众包投票，而非实验室实测：腾讯的发布材料称，它在 LMArena 的 WebDev Arena 上首次亮相便位列总榜第五左右，在开放权重模型中排名第三——而这是一个基于人类偏好的排行榜，衡量的是输出质量，而非 token 效率。内部专家盲测是一个有用的信号，能反映腾讯自己的评审者如何看待该模型与 GLM-5.3 和 Kimi K3 的对比，但说到底，那是腾讯的评审者在腾讯的任务上做出的评价。规格表之上的一切，都还是有待核实的说法。

今天谁该拉重量？

诚实的答案是，这次发布清晰地区分为两类受众，而9月7日的升级在最大的异议上做出了折中。如果你在自己的基础设施上运行工程工作负载，而闭源 API 的经济性一直是阻碍你的因素，那么 Tencent HY4 Preview 值得你认真花一个周末测试：权重是开放的，上下文窗口达到代码仓库规模，而且其标价让长智能体循环变得可负担，这是每百万输出 25 美元的模型永远做不到的。如果你通过 WorkBuddy、Yuanbao 或 TokenHub API 调用托管版本，那么根据 Tencent 的说法，你还能获得 Tencent 于9月7日发布的优化：更少的推理轮次和更低的每任务 token 消耗。如果你自行托管当前的开放权重快照，那么预计会看到原有的、推理更长的行为，直到 Tencent 发布更新版本。而如果你运行的是延迟敏感的生产聊天，或是任何多模态场景，或是任何你无法承受一个其效率主张仅依赖供应商自家基准测试和人工评估的模型的情况，那么谨慎的解读仍然适用——根据 Tencent 的说法，该优化是真实的，但它尚未经过独立测量。

务实的中间路线是一种路由模式：在关键路径上运行经过验证的模型，同时在其旁边运行新模型；在成本表现占优的任务上切换到 Tencent HY4 Preview，不占优时则自动回退。这正是路由器存在的意义——同一个按各提供商标价承载 Claude Opus 5、DeepSeek V4 Pro 和 Gemini 3.1 Pro 的 OrcaRouter，就是当 Tencent HY4 Preview 一进入目录时你会调用它的地方。在那之前，权重在 GitHub 上，优化后的托管版本在 Tencent Cloud 上，而“开放权重模型跻身智能体编程最高梯队”这一说法终于有了一个具体数字作支撑。这个数字来自腾讯。测试则由你来做。