騰訊HY4預覽版開源：770B MoE架構、百萬級上下文，價格更擊穿前沿門檻

騰訊 HY4 Preview 於 2026 年 8 月 28 日發布並開源，是數月來中國實驗室首個真正具競爭力的開放權重旗艦模型，而其中最令人意外的數字是價格。騰訊標價為每百萬輸入 token 6 元人民幣（約 0.85 美元）、每百萬輸出 token 18 元人民幣（約 2.50 美元）——大約是頂級閉源前沿模型輸出收費的十分之一——同時發布了一個 7,700 億參數的專家混合模型，每個 token 啟用其中 490 億參數，上下文視窗突破一百萬 token。它是混元（Hunyuan）家族 Hy3（總參數 295B，256K 上下文）的後繼者，上下文擴增為四倍，啟用容量也增加逾一倍。權重即日起可從 Hugging Face、GitHub、ModelScope 和 GitCode 下載，同一模型也已在騰訊自家產品中上線：WorkBuddy、國內版與國際版的 CodeBuddy、元寶助理，以及 ima 工作空間應用程式。對於一直關注開放權重模型在軟體工程工作上落後於前沿的人來說，這次發布終於讓這個差距變得可堪討論——而其中的注意事項與數字本身同樣重要。十天後，最可能對生產環境使用者造成影響的兩項注意事項，已成為騰訊對線上預覽版首次升級的目標：9 月 7 日它推出了一項最佳化，現已向所有人開放，據稱可減少模型在複雜工作上的推理輪次與每項任務的 token 消耗量。

這樣的定位是刻意的。騰訊將Tencent HY4 Preview定位為一款生產力模型，涵蓋四個領域：軟體工程、辦公室與數據分析、遊戲開發，以及科學研究。對工程的重視，正是它與一般通用模型最大的區別——發布說明以長程任務理解、規劃與除錯為主打，而非聊天品質。這項重點不僅反映在基準測試表格上，也同樣體現在整合清單中：CodeBuddy在IDE中整合了該模型，WorkBuddy將它導入辦公室工作流程（騰訊展示它一次處理72份財務文件的能力），而遊戲開發者則可透過MCP掛鉤接入Unreal Engine 5和Unity，把一句話轉化成可玩的示範。

實際發佈的內容

這份規格說明書值得逐行細讀，因為每一行都會改變開放權重模型被允許做的事情。

• 架構 — 混合專家（Mixture-of-Experts）模型，總參數770B，每個token活躍參數49B，稀疏比例約16:1，使推論成本維持在小型團隊實際負擔得起的範圍內。

• 上下文視窗 — 超過100萬個token，是Hy3的256K的四倍。長時程工程任務 — 將整個儲存庫放入視窗、多檔案重構、大量文件批次處理 — 都變成單一請求即可解決的問題。

• 權重 — 在 Hugging Face、GitHub、ModelScope 與 GitCode 上以 Apache 2.0 開放釋出。這是可下載、可自行託管的模型，不是託管式的宣傳噱頭。

• API — 可在騰訊雲的 TokenHub 上使用，這是該供應商自有的託管端點，定價為每百萬輸入 tokens 6 元、每百萬輸出 tokens 18 元，每百萬 tokens 快取命中 0.3 元。

• 產品整合 — WorkBuddy、CodeBuddy（國內版與國際版）、元寶和 ima，意味著騰訊在自家應用中所搭載的相同權重，就是你可以下載並執行的版本。

騰訊還公布了一項罕見出現在發布說明中的推論工程數據：透過運算子融合與通訊最佳化，端到端吞吐量提升了 31.8%。讓這項數字不只是規格表上的一則註腳的關鍵在於，騰訊表示騰訊 HY4 Preview 是自己找出這些瓶頸的——該模型分析了自身的推論堆疊，而且據稱這些最佳化在不同上下文長度與並行程度下都維持穩定。這正是區分出「實驗室當作研究成果發布的模型」與「企業期望能承受正式生產流量」的模型的那類細節。而對一個公開發布還不到兩週的預覽版來說，這也恰恰是騰訊以外無人驗證過的那種說法。

值得引用的分數

騰訊為 Tencent HY4 Preview 發布的每一項基準測試結果，都屬於廠商自行報告——是在騰訊自家的評估環境上跑出來的，未經任何獨立實驗室重現，而且該模型公開發布至今還不到兩週。請把這些數字解讀為騰訊自認達到的上限，而非已確立的事實。

主要數據是 Terminal Bench 2.1，這是一項測試模型在編寫程式時驅動真實終端機能力的基準。騰訊報告 Tencent HY4 Preview 達到 85.4，宣稱與 Claude Opus 5 持平，且超越 DeepSeek V4 Pro，同時比自家前代 Hy3 高出 14.6 分。這個單一數字承載了許多意義——這項說法宣稱，一個開放權重模型在困難的代理式程式設計測試中，能與最昂貴的封閉前沿模型並駕齊驅——而這也正是最需要獨立驗證的說法。

內部表格的其餘部分：軟體工程基準 DeepSWE 從 Hy3 上的 28.0 躍升至 64.3，騰訊形容此為「逐步縮小與第一線模型的差距」。在工具呼叫測試 Toolathlon-Verified 中，它獲得 74.1 分，騰訊表示超越 Qwen 3.8 Max 和 GPT-5.6 Sol，並逼近 Kimi K3 與 Claude Opus 5。在 APEX-Agents pass@1 上，它取得 37.1，以些微差距落後 Kimi K3 的 37.2。此外，在另一項內部盲測中，163 位專家對 203 項工程任務的評分為 4.00 分制下的 2.99 分，略勝 GLM-5.3 的 2.92 與 Kimi K3 的 2.94。

{{1}}有兩個模式格外突出。{{/1}}{{2}}首先，所有亮眼的數據都集中在代理式工程工作上——終端機操作、工具呼叫、儲存庫規模的任務——而沒有一項落在一般知識或推理上，這與生產力定位一致，而非巧合。{{/2}}{{3}}其次，騰訊謹慎地將 DeepSWE 及其他模型描述為縮小差距，而非消除差距。{{/3}}{{4}}唯一乾淨且具市場賣點的平起平坐宣稱，是 Terminal Bench 2.1 的持平表現，而這也是最值得用你自己的工作量去驗證的宣稱。{{/4}}

這個定價實際上買到的是什麼

定價正是這次發布從有趣轉為具顛覆性的地方。以騰訊的牌價計算，一百萬個輸入 token 的成本，大約相當於某些平台上單次中階 API 呼叫的費用。每百萬輸出 token 18 元人民幣（約 2.50 美元）的數字，遠低於頂尖閉源前沿模型每百萬輸出 25 美元的價格，而 0.3 元人民幣的快取命中費率，讓長時間的代理式迴圈——也就是相同的系統提示與對話前綴會不斷被重新送出的情況——執行起來異常便宜。9 月 7 日的升級改變了這套算術的實際一面：由於騰訊按 token 計費，減少推理輪數以及每項任務所消耗的輸入與輸出 token，即使每 token 的牌價並未變動，也能降低完成一項任務的成本。騰訊自家的基準測試與人工評估檢核，是這項節省幅度的證據，因此在有獨立測量之前，應將其視為廠商自行報告的數據。

這也是路由層改變盤算的關鍵所在。OrcaRouter 目前尚未路由 Tencent HY4 Preview，因此如今實際呼叫它的方式，是騰訊雲自家的 TokenHub 端點、內嵌該模型的騰訊產品，以及開放權重的自架部署——而由於這些權重採用 Apache 2.0，第三方平台隨時都能架起自己的副本，這點在比較各家供應商價格時值得記住。我們不會宣稱提供自己並未提供的東西。但讓降價真正有意義的那套紀律，正是整個目錄其餘部分所遵循的同一套紀律：OrcaRouter 以零加價的方式傳遞供應商的定價，因此當像騰訊這樣的廠商把一個 token 定價為 6 元時，你在我們這邊支付的數字就是 6 元，而不是轉售並加價後的版本；而廠商更改價格的當天，變更就會在我們這邊同步生效。一套 API 涵蓋 200 多個模型、當某家供應商出問題時可跨供應商自動容錯移轉，以及用來組合模型的路由 DSL——這正是讓 Tencent HY4 Preview 在變得可路由的那一刻就能上線的機制，與目錄中其他已存在的開放與封閉模型並列。

規格表上無法容納的部分

發布材料中的兩項主張值得分別關注，因為它們關乎模型的建構方式，而非其得分表現。

第一個是自我改進迴圈。Tencent 表示，Tencent HY4 Preview 參與了自身的研究與開發——它被用來優化產生它的訓練方法、資料策略、評測系統與底層算子。31.8% 的吞吐量提升是該迴圈最具體的公開成果：Tencent 將其歸功於模型在自己的服務技術棧中所識別出的瓶頸。這是一個初期的遞迴式自我增強循環：模型協助設計自己的下一個版本。對前沿實驗室而言，報告這類迴圈的片段並不罕見；但一個中國的開放權重模型公開將此迴圈描述為一項已交付的能力，是這些發布在自我論述方式上的一次重大轉變。

第二項是數學成果。騰訊報告，該模型將 Blaschke–Lebesgue 問題——凸幾何中一個關於定寬體最小體積的長期未解問題——的已知體積下界從 0.380799 提高到 0.41104，使其與 Meissner 四面體猜想的界限僅差約 2%。騰訊還報告，在科學研究賽道上，一項 32,512 個原子的磷脂雙層模擬實現了 2.0 倍加速，每步運算時間降至 54.9 毫秒。這類成果通常足以讓一個模型發表自己的論文；在這裡它們只是發布亮點，而與其他發布材料一樣，這些都是騰訊單方面的說法。

老實說，缺少的是什麼？

騰訊直白地列出了已知限制，而這些限制對任何正在決定要在此模型上打造什麼的人來說都至關重要。它沒有視覺或多模態輸入——騰訊 HY4 Preview 就是個文字模型，沒有例外，因此任何與圖像或影片相關的東西都該改用別的模型。騰訊在發布時標記的另外兩項行為——面對複雜任務時的慢啟動長思考，以及過度自我驗證、耗費 token 反覆檢查已完成工作的傾向——正是最可能在正式環境中出現的問題，而這也正是 9 月 7 日更新所針對的目標。騰訊混元與 WorkBuddy 團隊表示，線上預覽版本已完成最佳化並全面推送，在相同任務品質下，複雜任務的推理輪次更少，輸入與輸出 token 消耗也更低，並透過基準指標與人工評估的雙重流程進行檢核。這是廠商的說法——公告開頭寫著「你們標記了它」——而騰訊以外尚未有人重現這項量測結果。這也適用於騰訊所提供服務的版本：Hugging Face 上的開放權重快照自 8 月 28 日起未曾變更，因此自行託管的權重副本仍會展現原本較長的推理行為，直到騰訊更新該發布版本為止。

而最重要的缺口，是對這些新宣稱的獨立驗證。Tencent HY4 Preview 至今仍沒有第三方實驗室跑分，也沒有 Artificial Analysis Intelligence Index 的收錄，因此發表時的基準測試表，以及 9 月 7 日 token 節省幅度的大小，都只能仰賴 Tencent 自家的評估。這款模型目前唯一的公開第三方訊號，是群眾投票而非實驗室測量：Tencent 的發布資料提到，它在 LMArena 的 WebDev Arena 首次亮相時整體約排名第五，在開放權重模型中排名第三；這個排行榜反映的是人類偏好，排名依據是輸出品質，而非 token 效率。內部專家盲測是有用的訊號，可看出 Tencent 自家評審如何看待該模型與 GLM-5.3 和 Kimi K3 的對比，但那是 Tencent 的評審在 Tencent 的任務上做出的結果。規格表以外的一切，都是尚待查核的宣稱。

今天應該由誰來拉重量

誠實的答案是，這次發布清楚地分成兩類受眾，而 9 月 7 日的升級則在最大的反對意見上做出了折衷。如果你在自己的基礎設施上執行工程工作負載，而封閉式 API 的經濟效益正是讓你卻步的原因，那麼 Tencent HY4 Preview 值得你花一個週末認真測試：權重是開放的，上下文視窗達到儲存庫級規模，而且其定價讓長時間的代理式迴圈變得可負擔，這是每百萬輸出 token 收費 25 美元的模型永遠做不到的。如果你呼叫的是託管版本——透過 WorkBuddy、Yuanbao 或 TokenHub API——你也能獲得 Tencent 9 月 7 日的優化：根據 Tencent 的說法，推理回合更少，且每項任務的 token 消耗更低。如果你自行託管目前的開放權重快照，在 Tencent 推出更新版本之前，預期會看到原本推理較長的行為。而如果你執行的是對延遲敏感的正式環境聊天，或任何多模態應用，或任何你無法承受一個效率宣稱僅建立在其供應商自家基準測試與人工評估上的模型的場景，那麼審慎的解讀仍然適用——根據 Tencent 的說法，這項優化是真的，但尚未經過獨立測量。

實用的中間路線是一種路由模式：在關鍵路徑上運行經過驗證的模型，並在其旁邊運行新模型，在成本效益勝出的任務上換入 Tencent HY4 Preview，並在它不適用時自動回退。這正是路由器存在的模式——同樣的 OrcaRouter 以供應商定價提供 Claude Opus 5、DeepSeek V4 Pro 和 Gemini 3.1 Pro，就是你在 Tencent HY4 Preview 一進入目錄時就會呼叫它的地方。在那之前，權重位於 GitHub 上，優化的託管版本位於 Tencent Cloud 上，而關於一個開放權重模型達到代理式編碼最高層級的聲稱，終於有了一個具體數字附在其上。這個數字是 Tencent 的。測試是你的。