Tencent Hy4 正式推出 GA，具備視覺與電腦操作能力——而且沒有基準測試表

{{1}}Tencent Hy4{{/1}} 於 2026 年 11 月 4 日正式全面推出，它是 {{2}}Hunyuan{{/2}} 系列中首個能讀取圖像並操作桌面的模型。{{1}}Tencent{{/1}} 並未隨之提供的那類證據，正是 8 月讓 {{1}}Tencent Hy4 Preview{{/1}} 獲得青睞的關鍵：沒有 Terminal-Bench 列、沒有 SWE-bench 列、沒有模型卡。這次發布反而主打內部任務套件、213 位專家的金融小組，以及幻覺率比較。迄今能力最強的 {{2}}Hy{{/2}} 模型，在發布當天也是文件記錄最少的一款。

這並不是忽視它的理由。Tencent 表示，預覽版已公布的評分仍是該系列目前可取得的最佳替代指標；GA 版本在它針對訓練的工作負載上勝過這些評分，而價格並未變動。但這確實改變了你該如何解讀這則公告：應把它視為附帶推出日期的能力宣稱，而不是經過實測的正式發佈。本文將 Tencent 實際推出的三項東西——視覺、電腦操作，以及更便宜的思維鏈——與它已承諾卻尚未兌現的三項東西區分開來。

GA 版本實際上有什么新內容？

騰訊描述了三項新增內容，而用戶在第一天只能看到前兩項。

視覺。Hy4 現在能處理細粒度影像處理、複雜圖表分析，以及針對圖解的數學推理，結合感知、推理與工具呼叫。Tencent 的示範是一張 28 億像素的航空照片，模型從中定位一個兩公尺大的屋頂構件——這項任務既是在展示上下文視窗，也是在展示視覺能力，因為影像必須被切成圖磚並持續追蹤，同時不能遺失查詢。請把這項示範視為廠商示意；它沒有附上任何已發布的視覺基準。

電腦操作。 此模型可透過滑鼠與鍵盤操作螢幕，並能混用命令列與圖形介面。Tencent 表示，它專門針對 Blender、CAD 與跨應用程式的長時程任務進行訓練，且可在建置於 Tencent Cloud 的 Agent Runtime 上、已安裝數百個應用程式的沙箱中執行。這是更具影響力的新增功能，因為這是 Hy 系列首次宣稱其代理能力作用於桌面，而非作用於工具結構描述。

更短的思維鏈。 預覽版推出時帶有兩項已承認的缺陷：在困難任務上推理得比必要更久，以及對自身工作過度驗證。騰訊表示，GA 版本提升了思維鏈效率與指令遵循能力，以及長文件理解和深度研究。這項說法能以視覺展示做不到的方式驗證——每項任務的 token 數是可測量的——但騰訊並未公布前後的 token 數字。

至少從紙面上看，底層本體並未改變。GA 公告並未重申參數或上下文長度；流傳中的數字是預覽版的：總參數 770B，每個 token 啟動 49B，上下文視窗為 1,048,576 個 token。由於騰訊尚未公布新的架構說明，合理的解讀是：這是同一個主幹，但在其上進行了大量額外的預訓練與後訓練，再加上多模態路徑所需的任何視覺編碼器——這是騰訊尚未說明的元件。

騰訊確實公佈的數字，以及它們的價值所在

這些都不是獨立的，也都不是標準化的公開基準。它們是騰訊自家的任務套件與專家小組，因此適合用來判斷方向，卻不適合用來排名。

• 遊戲開發 —— 騰訊公布其 GameDev 套件較預覽上升 19.1%，GameLogic 則上升 9.8%。兩者皆為內部套件，並未公布項目數量。

• 金融領域，專家小組——213 位專家，其中 153 位來自騰訊以外，約 70% 擁有五年或以上經驗，對 579 項真實金融任務進行評分。Hy4 平均得分為 3.04，而 Kimi K3.1 Pro 為 2.68、GLM-5.3 為 2.68、DeepSeek V4.1 Flash 1017 為 2.97。騰訊結論認為，在此專家小組中，它於開源模型裡排名第一。

• 幻覺——據稱從 15.76% 降至 5.45%，與猜測相關的錯誤從 23.1% 降至 5.6%。研究方法未公開；應將改善幅度視為一項聲稱，而非測量結果。

• 研究型工作負載——訊兔科技的 IRAB 評估被引用為比預覽版高出 12.03 個百分點，而 Tencent 自家的 BioExperimentBench 分數為 100 分中的 30.4 分。最後這個數字值得停下來想一想：它是發布內容中唯一一個不怎麼討喜的絕對分數，也顯示生物領域的工作仍處於早期階段。

• 訓練效率——騰訊表示，該模型參與了自身訓練流程的最佳化，使端對端輸送量提升 20.1%。這是關於騰訊叢集的陳述，而不是關於你會呼叫的模型。

八月表格的缺席正是值得注意之處。預覽版推出時，騰訊公布了 Terminal-Bench 2.1 為 85.4、DeepSWE 為 64.3、SWE-bench Pro 為 65.7、Toolathlon-Verified 為 74.1，以及 APEX-Agents 為 37.1——正是這些項目讓它在不信任盲測評分的人眼中顯得可信。GA 公告沒有更新其中任何一項。究竟是因為數字提升幅度低於行銷所需，還是因為該公司要把這些數字留給它承諾的系統卡，目前尚不清楚。在其中之一出現之前，誠實的立場是：GA 版本沒有可比的公開證據。

價格沒有變動，而折扣比價格還大。

騰訊保留了預覽版的價目表。在新加坡端點上，每百萬輸入 token 為 0.834 美元、每百萬輸出 token 為 2.501 美元、每百萬快取命中為 0.042 美元；在中國大陸價目表上則是人民幣 6 元、18 元和 0.3 元。以不變的價格推出能力更強的模型，是推出後繼產品的正確方式，也讓價格完全不再成為升級決策的考量。

中國大陸的公告還額外疊加了一套促銷方案，而這些條款很重要，因為它們的到期時間各不相同：

• 標準 API 呼叫享 50% 優惠，至 2026 年 12 月 31 日止；優惠期間實際價格約為輸入 $0.417、輸出 $1.25。

• Token Plan 訂閱 2.5 折，優惠至 2026 年 11 月 18 日。

• WorkBuddy 與 CodeBuddy 內的免費額度，至 2026 年 11 月 12 日止。

那些是有結束日期的促銷費率，不是牌價，而且是針對中國大陸市場公布的。請以 $0.834 和 $2.501 編列預算，並將折扣視為上行空間。快取費率才是會產生複利效果的那一項：以每百萬 $0.042 計算，在 agent 迴圈的每一輪重新讀取大型文件，在 Hy4 上比騰訊自家的 Hy3 更便宜，後者收費 $0.059。一個每個全新輸入 token 成本高出四點五倍的模型，其每個快取 token 的成本反而更低。

這些權重仍然是一項承諾

這正是關鍵所在：它決定了這次發布，對任何不想租用推論服務的人來說，究竟有沒有意義。

Tencent Hy4 Preview 以 Apache 2.0 授權發布，提供完整權重、FP8 變體，以及現成的 vLLM 與 SGLang 設定範例。任何人今天都能下載。至於 GA 版本，Tencent 僅表示計劃開放模型權重，並發布一份包含更完整安全評估的系統卡，同時獲得 vLLM 與 SGLang 社群及 Inferact 的生態系支援。沒有日期、沒有授權條款、沒有儲存庫。在發布當天查看 Tencent 的 Hugging Face 組織，只找到預覽版及其 FP8 檢查點，沒有 GA 儲存庫。

這是實質限制，而非形式上的問題。770B 參數的混合專家模型本來就不是大多數團隊會自行託管的東西——FP8 檢查點超過 700GB，而且要提供服務需要多節點叢集。但授權才是決定一間公司能否在受監管環境中微調、蒸餾或執行該模型的關鍵，而在授權存在之前，GA 版本僅提供 API。Tencent 也預告 Hy4 Flash 即將推出，主打成本與速度，而這正是大多數團隊在高流量工作中真正想要的模型。

你今天可以運行什麼

OrcaRouter 的型錄收錄了 tencent/hy3 與 tencent/hy4-preview，其中包括預覽版有速率限制的免費方案，而撰寫本文時尚未列出正式版（GA）版本。這一點值得如實說明，而不是暗示相反的情況：本文所討論的模型目前尚無法在此路由器上使用。

預覽版真正能給你的，是在 GA 推出之前做出決策的方法。兩者共用同一個骨幹，價格也相同，因此，若某項工作負載在預覽版上因為視覺或桌面控制而失敗，那它就是需要 GA 的那一項；若某項工作負載因為推理品質而失敗，那它就是值得檢驗 GA 效率說法的那一項。用你上週做過的任務來跑預覽版，衡量每完成一項任務的 token 數，而不是每次呼叫的 token 數，你對 GA 價值的估算就會比財務小組提供的更好。

當 GA 進入型錄時，會是同一金鑰上的模型字串變更，而不是第二份合約；而帶有自動容錯切回預覽版的加權流量切片，是低成本試用的方式，不必把生產路徑押在今早才發布的建置版本上。直通定價模式意味著 Tencent 的牌價就是你要支付的價格，因此促銷費率只要適用，在這裡也同樣適用。

看什麼

有三件事將能解答這次發布所留下的疑問。第一是權重發布日期與授權條款——這正是區分真正開放模型與「開放洗白」模型的關鍵。第二是獨立評測：本文中的每一個數字都來自騰訊，而預覽版那份八個月前的表格之所以被當作替代依據，是因為除此之外別無其他資料。第三是 Hy4 Flash，因為在同等能力下，一個更便宜、更快速的同系列型號，對路由計算方式的影響會比旗艦型號更大。

在那之前，對騰訊 Hy4 的正確描述既範圍有限又準確：它是一個正式可用、具備視覺與電腦操作能力的 API 模型，定價與其預覽版完全相同，以廠商提供的證據作為銷售依據，並等待能讓它開源的那份文件作業完成。