腾讯 Hy4 对比腾讯 Hy4 Preview：较新的模型反而更不开放

Tencent Hy4 Preview 采用 Apache 2.0 许可证，拥有 7700 亿参数，今天即可从 Hugging Face 下载，并附有一份基准测试附录，其中包含八行已公布的数值。Tencent Hy4 于 2026 年 11 月 4 日发布，具备视觉、计算机使用和更短的思维链——却没有上述任何文书材料。其权重仅以计划形式公布，许可证未作说明，模型卡也不存在。在 Hunyuan 系列中，版本号上升了，开放程度却下降了，这使得它与其说是一次常规升级对比，不如说是在问：你实际选择的究竟是哪一件产物。

它们属于同一系列、同一规模，而且截至今天价格也相同。这种组合相当罕见，值得直说：Tencent 正以同样的价钱出售一个更好的模型，同时对外放出的部分却更少。这是否算个问题，完全取决于你是否打算自己运行权重。

同样的主干，再进行一次训练

Tencent 尚未为 GA 版本发布新的架构说明，也没有在发布中重述参数数量。仍在流传的数字来自预览版：总参数 770B，每 token 激活 49B，78 层，其中第一层为稠密层，另有 77 个混合专家层，每层包含 256 个路由专家加 1 个共享专家，采用 top-8 路由，上下文长度为 1,048,576 个 token，以及一个 10B 的多 token 预测层，其中 0.7B 处于激活状态。

GA公告将差异归结为预训练和后训练规模的不同，而非新设计，并将结果描述为腾讯测得的最大代际提升。这与该公司在HY3和Hy4之间所做的以及预览版的构建方式一致。唯一无法原样沿用的组件是视觉路径——图像理解需要一个纯文本检查点所不具备的编码器——而腾讯对其规模、训练数据，或它是否是一个拼接上去的独立模型，都只字未提。在模型卡出现之前，应把“同一骨干加视觉”视为推断，而非披露。

今天你可以测试的三件事

视觉。GA 版本能够读取细粒度图像、用于数学推理的复杂图表和示意图，并将感知与工具调用结合起来。腾讯的演示是一张 2.8 吉像素的航拍照片，模型在其中找到了一个两米长的屋顶构件——这在一定程度上是视觉结果，但更主要的是在证明百万 token 窗口能够同时容纳一张分块图像和一个查询。预览版完全做不到这一点；它只能输入文本、输出文本。

计算机使用。该模型可以通过鼠标和键盘操控桌面，并将命令行与图形界面结合使用，还针对 Blender、CAD 以及跨应用长时程任务进行了专门训练。腾讯在基于自有 Agent Runtime 构建的沙盒中运行它，其中安装了数百个应用程序。与预览版相比，这是更大的转变；预览版是为工具 schema 而非屏幕而构建的。

思维链效率。该预览版发布时带有两个已记录在案的问题：它在困难任务上推理时间超出必要，并且对自身答案过度验证。这两个问题都在模型卡本身中得到承认，这种坦率不同寻常，也使该预览版在生产环境中比其基准分数所暗示的更难使用。腾讯表示，正式版（GA）缩短了推理过程并提升了指令遵循能力。这是最值得测试的说法，因为正是它改变了每完成一个任务所消耗的 token 数——而腾讯没有公布前后 token 计数。

腾讯发布的增量

没有 GA 基准测试附录。Tencent 发布的对比是针对预览版的，用的是它自己的测试套件，而且比预览版自己的发布材料还要单薄。

• 游戏开发 — 在未公布条目数量的内部测试套件上，GameDev 较预览版提升 19.1%，GameLogic 提升 9.8%。

• 金融——由213名专家组成的小组（其中153名为外部专家）对579项真实金融任务进行评分，Hy4得3.04分，而Kimi K3.1 Pro和GLM-5.3均为2.68分，DeepSeek V4.1 Flash 1017为2.97分。

• 幻觉——据称从 15.76% 降至 5.45%，与猜测相关的错误从 23.1% 降至 5.6%。方法论未公开。

{{1}}研究{{/1}}——讯兔科技的 IRAB 评估被引用为较预览版高出 12.03 个百分点；腾讯的 BioExperimentBench 得分为 30.4 分（满分 100 分），这是整份发布中最不体面的绝对数字。

把这一点与预览版在8月28日公布的结果对比：Terminal-Bench 2.1 为 85.4，DeepSWE 为 64.3，SWE-bench Pro 为 65.7，SWE-bench Multilingual 为 82.9，Toolathlon-Verified 为 74.1，OneMillionBench with tools 为 65.4，SWE Atlas Refactoring 为 53.3，APEX-Agents 为 37.1。正是这些数据行让腾讯以外的人也能看懂这次预览。GA 版本没有更新其中任何一项，因此无法判断 GA 构建在软件工程方面是否优于预览版，只能说它在游戏开发和金融面板方面更好。

预览版仍具备而 GA 版没有的内容

四件事，每一项都是实用能力，而非技术细节。

权重本身。预览版及其 FP8 变体以 Apache 2.0 许可发布于 Hugging Face、ModelScope、GitCode 和 CNB。该仓库创建于 2026 年 8 月 27 日，到 GA 版本发布日已累计约 11,500 次下载。目前没有 GA 仓库。

一份允许开展工作的许可证。Apache 2.0 允许商业使用、修改、微调和再分发，没有收入门槛，除专利授权外也没有附加的可接受使用条款。腾讯表示，GA 版本将会附带一份包含更全面安全评估的系统卡，并称负责任发布将涵盖网络风险和生物风险。这类措辞通常出现在更严格的许可证之前，而目前还无从得知。

服务配方。预览版随附 vLLM 和 SGLang 部署说明，并公布了一套采样默认值——temperature 0.9、top_p 1.0，推理强度默认为高，并提供 no-think 模式。GA 版本已将 vLLM 和 SGLang 列为生态合作伙伴，但未发布配方；此外，视觉和计算机使用将需要纯文本预览版从未需要的服务路径。

一份可审计的基准测试记录。无论预览版附录中存在怎样的厂商偏向，它都是一组固定的数据行，任何人都可以将其对照检查点运行并提出质疑。GA 版本目前还没有这样的记录。

选择哪个工件

价格完全相同，所以成本并不是决定因素。在新加坡价目表上，两者均为每百万输入 token 0.834 美元、每百万输出 token 2.501 美元和每百万缓存输入 token 0.042 美元；在中国大陆价目卡上，两者均为 ¥6、¥18 和 ¥0.3。腾讯明确表示正式发布（GA）时费率保持不变，这是支持它的最有力论据：能力更强，账单不变。

当权重本身才是重点时，选择预览版。本地部署、受监管数据、微调、蒸馏，或假定由你自己提供服务的成本模型——这些在 GA 版本中均不可用，而预览版是一个真正具备能力的 770B 模型，而不是被阉割的噱头。一个能在你自己的集群上运行的 Apache 2.0 检查点，与 API 端点属于不同的资产类别，任何基准分数都无法弥合这一差距。

当模态能力本身就是重点时，请选择 GA 版本。图像理解、桌面控制以及长周期的跨应用工作，在预览版中根本不存在。如果任务涉及截图、图表、CAD 文件或一次点击，那么较旧的模型并不是更便宜的替代品——它根本无法完成这项工作。

对于其他人——在百万 token 上下文内通过 API 调用的文本工作负载——诚实的答案是，GA 版本可能更好，而且目前还没有人能证明这一点。效率方面的说法是尽早迁移的理由，因为一个不再过度验证自身输出的模型会减少每个任务的输出 token 数，而这是费率卡上看不到的成本改善。请在你自己的任务上测试并记录 token 数，而不是在财务面板上测试。

常见问题

GA 权重会和预览版是同一个 checkpoint 吗？

不。Tencent 将 GA 版本描述为一次规模大得多的预训练和后训练运行，而不是预览版的重新发布；并且一个具备视觉能力的模型需要纯文本检查点所不包含的组件。未知的是预览版在其中保留了多少。Tencent 尚未说明 GA 的起点是预览版检查点还是更早的检查点；如果你想根据已发布的预览结果预测微调行为，这一点很重要。

腾讯 Hy4 Preview 是否即将停用？

尚未宣布停用。预览版仍以 Apache 2.0 许可留在 Hugging Face 上，OrcaRouter 的两个目录条目也仍在提供它，其中包括一个限速的免费层级，且不产生任何钱包成本。腾讯已将 GA 构建版本定位为同价位的生产继任者，而在实践中，这往往会让预览版部署陷入搁置，而不是将其移除——权重仍可下载，配方仍会发布，而该模型则悄然不再是任何人用来做基准测试的那一个。

GA 构建对镜像收费更高吗？

腾讯并未单独公布图像价格，因此公布的费率是跨模态的按 token 计费。这听起来让人安心，实则不然：图像输入会被 token 化，而一张图表或截图究竟消耗多少 token 并未披露。一张内容密集的页面图像，其成本可能远超其字符数所暗示的水平。在假定文本费率可以直接适用之前，请先用自己的输入实测一下。

我可以在本地运行 GA 构建吗？

今天不行。没有权重，没有许可证，也没有代码仓库。即便它们发布了，一个 770B 的 FP8 混合专家模型也超过 700GB，并且需要多节点集群，所以这里的“开放权重”意味着可由拥有相当规模基础设施的组织自托管，而不是由工作站自托管。如果要求本地执行，预览版是该系列中唯一的选择，并且在腾讯发布之前将一直如此。

真正重要的差距不在于分数

腾讯的说法是，这是首个跻身开源模型顶级行列的 Hy 模型。这一说法在能力上站得住脚，但在开放性上为时过早，因为赢得“开源”这一定位的版本是 8 月的那个版本，而如今在售的版本则是一个附带承诺的 API 产品。

与其说是虚伪，不如说是节奏安排。腾讯已表示模型权重和系统卡即将发布，并点名 vLLM、SGLang 和 Inferact 作为合作伙伴，还以 Apache 2.0 发布了一个它本不必发布的预览版。HY3 的模式表明发布将会发生。这一模式也表明还需要数周时间，而且此次许可证可能不再是 Apache——GA 公告中的安全措辞比预览版更为谨慎。

与此同时，这两个模型都已上线且均可使用；在它们之间做选择，就是在同一价格下，在开放产物与更好的闭源产物之间做选择。在 OrcaRouter 上，tencent/hy4-preview 可与 tencent/hy3 使用同一个密钥调用，按提供商标价透传且不加价，并提供免费层级——免费但限速。这使得预览版成为在 GA 构建进入目录之前评估该系列的最便宜方式——相同的权重、相同的价格，只差更改一个模型字符串，而且在您判断 GA 的视觉与桌面工作是否值得缺失的许可证时，无需作出承诺。