騰訊 HY4 預覽版 vs GPT-5.6 Sol：工具呼叫的宣稱，讓開放權重直面前沿模型

Tencent HY4 Preview 是數月以來首個在發布規格表中明確宣稱勝過 GPT-5.6 Sol 的開放權重模型。所涉數字來自 Toolathlon-Verified——一個用於評測代理式工具呼叫的基準——騰訊報告 HY4 Preview 得分為 74.1，領先 Qwen3.8-Max，且按騰訊自己的比較，也領先 GPT-5.6 Sol。在其他所有維度上，這兩個模型並非真正的同級對手：GPT-5.6 Sol 是 OpenAI 的封閉式旗艦前沿模型，且經獨立測量；而 Tencent HY4 Preview 則是一個 7700 億參數的開放權重預覽版，於今天上午發布，附帶的是廠商自行申報的評分卡，沒有第三方驗證。

所以，有趣的問題不在於{{1}}「哪個模型更聰明」{{/1}}——而在於{{2}}一個輸入價格約為{{3}}Sol 的{{/3}}六分之一的開放權重挑戰者，能否可信地主張在前沿佔有一席之地；以及團隊該如何應對一個{{4}}目前無法驗證{{/4}}的主張{{/2}}。

讓這成為一場真正對決的說法

Toolathlon-Verified 衡量的是模型在完整代理式任務中可靠驅動工具的能力——讀取結果、決定下一次呼叫、從錯誤中恢復——而非它如何寫好單一函式。這件事之所以重要，是因為前沿模型實際 API 支出的最大佔比流向代理迴圈，而不是單次生成。騰訊在該基準上的 74.1 分，正是將 HY4 Preview 放進 GPT-5.6 Sol 對話中的那項具體主張，值得我們駐足思考：這種數字如果經得起獨立複現，就會讓開源權重與封閉前沿之間的成本對話變得更為真實；如果經不起，就會變成又一個在第三方評測框架下煙消雲散的廠商成績單。

兩種購買智慧的方式

• 參數 — HY4 Preview：770B 總參數 / 49B 啟用參數，開放權重；對比 GPT-5.6 Sol：參數數量未公開，封閉 API

• 上下文 — HY4 Preview >1M tokens，對比 GPT-5.6 Sol 的 1.05M tokens，最大輸出 128K

• 每 1M 價格 — HY4 Preview ¥6 輸入 / ¥18 輸出（約 $0.85 / $2.50），對比 GPT-5.6 Sol 基本層級 $4.00 / $20.00，大上下文請求升至 $8.00 / $30.00，快取讀取 $0.40

• 輸入模態 — HY4 Preview 在此預覽版中僅支援文字，而 GPT-5.6 Sol 支援文字與圖像輸入

• 推理模式 — HY4 Preview 沒有已發佈的對應功能；GPT-5.6 Sol 則具備 Ultra 模式（最多 16 個並行子代理）與 Max 推理強度

「• 獨立驗證 — HY4 Preview 尚無任何結果，而 GPT-5.6 Sol 則已出現在各大主要排行榜上，並在長上下文綜合測試中以 1.05M 的上下文長度獲得頂級排名。」

價格欄位是整個對決的關鍵所在。在基準層級，GPT-5.6 Sol 每百萬輸入 token 收費 4.00 美元，每百萬輸出 token 收費 20.00 美元。騰訊 HY4 Preview 按當前匯率計算，分別約為 0.85 美元和 2.50 美元。對於大量輸出 token 的工作負載——例如代理式編碼——開放權重模型的定價大約是封閉模型的八分之一，而且即使考慮到 Sol 的價格數據背後有更多驗證支援，這個差距依然存在。

在 GPT-5.6 Sol 仍佔優勢之處

驗證是第一個優勢。GPT-5.6 Sol 自 7 月 9 日起正式上市，並自此接受獨立評測：在 Terminal-Bench 2.1 基礎推理得分 88.8，Ultra 模式 91.9，Agents' Last Exam 53.6（發表時紀錄），GPQA Diamond 94.6，以及 SWE-bench Pro 64.6。Ope​nAI 亦報告其智能體程式設計任務的 token 效率比自家上一代旗艦提升 54%。這些數字都可以在 Ope​nAI 自家文件之外找到重現結果，而這正是 Tencent HY4 Preview 目前所缺乏的特性。

能力是第二個優勢，而且是結構性的，而非邊際性的。GPT-5.6 Sol 接受影像輸入；HY4 Preview 在此預覽版中僅支援文字，騰訊也承認視覺功能必須等到完整版發布。GPT-5.6 Sol 搭載 Ultra 模式——一種多代理配置，以三到四倍的 token 成本協調並行子代理，正好適用於這兩個模型實際上會競爭的長期工程任務。而 Sol 的電腦使用與程式化工具呼叫路徑皆有文件記載、已在生產規模下實際運行，並經過負載測試。騰訊的 Toolathlon-Verified 宣稱若能被複現，將縮小工具使用上的差距；但它並未縮小多模態或多代理方面的差距，而 HY4 Preview 並未嘗試解決這些問題。

HY4 Preview 真正有趣的地方在於

把基準測試的排場擱到一邊，真正留下來的是三件事。第一是價格：¥6/¥18——約合 $0.85/$2.50——騰訊在輸出 token 的定價上比所有西方前沿模型便宜四到八倍，在輸入定價上也低於中國自家開放權重的同行。第二是開放權重：一個 49B 活躍參數的 MoE 可以部署在單一節點上，這是 Sol 從未公開的架構永遠做不到的，而且權重已經上架 HuggingFace、ModelScope 和 GitHub。第三是上下文長度與工程路線：DeepSWE 64.3 和超過 100 萬 token 的上下文視窗，瞄準的正是 Sol 的 Ultra 模式所鎖定的長程代理型工作負載，而成本只是其一小部分。

{{1}}老實說，這些都還沒有經過獨立基準測試的考驗。騰訊所講的自優化故事——模型自行迭代推理堆疊後端到端吞吐量提升31.8%——是內部測量的結果。{{2}}盲測勝過GLM 5.3和Kimi K3也是內部進行的。{{3}}HY4 Preview目前所有令人感興趣的地方，{{4}}都只是宣稱而已。{{5}}{{6}}{{7}}

決定

如果你今天要建置生產系統，GPT-5.6 Sol 是站得住腳的選擇，而且可以透過 OrcaRouter 以 Ope​nAI 自己的分層牌價取得——基本層為 $4.00/$20.00，其上為 $8.00/$30.00，零加價轉傳，所以任何供應商價格變動當天就會在我們這邊生效。如果你的工作流程是 agentic 且工具密集，這種分層結構意味著你應該將實際輸入大小與 $272K token 門檻比對，而不是假設固定費率。

如果你願意進行影子評估，HY4 Preview 的價格低到值得認真一試：今天就透過 Sol 路由你的工具調用工作負載，透過騰訊自己的 API 對 HY4 Preview 執行相同的提示詞，然後在你自己的 Toolathlon 風格任務上進行比較。如果獨立評分落在騰訊所說的位置，切換路徑很短——開放權重模型直接放進路由器，你的故障轉移規則交換端點，而供應商的 ¥6/¥18 費率原封不動地傳遞。這就是這場對決的真實結構：一個你今天就可以在其上建置的已驗證前沿模型，對上一個未經驗證的開放挑戰者——它夠便宜所以值得測試，而且定位在讓價格討論圍繞整個開放權重類別展開。

看什麼

• Toolathlon-Verified 的首次獨立複現。如果第三方測試框架確認 HY4 Preview 的成績落在 70 多分，「開放權重無法勝任代理式工具使用」的論點便不攻自破。

• 騰訊是否會在完整的 Hy4 發布之前推出視覺功能。純文字的 HY4 Preview 僅限於 GPT-5.6 Sol 可處理工作負載的一個嚴格子集。

• HY4 Preview 的長思考傾向所帶來的實際 token 帳單。以每百萬輸出 token 人民幣 18 元計算，冗長的自我驗證侵蝕價格優勢的速度比 20 美元的模型更快。

• Sol 的分層定價是否會在 Hy4 全面推出前再次調降。路由器的轉嫁效應意味著降價當天即可看到。