跳转到内容
主站 新闻 控制台

腾讯混元跻身最强开源!实测Hy4联动WorkBuddy,多模态Agent交付力拉满

· 量子位
国内AI

混元 Hy4 正式交卷!

腾讯这次目标十分明确:跻身最强开源模型之列。

模型拥有 770B 总参数与 49B 激活参数,首次引入原生视觉能力,并首次支持计算机操作(Computer-Use)。

与此同时,指令遵循、长文理解与长程 Agent 能力全面升级,在电脑操作与长程 Agent 任务评测中均稳居开源阵营第一梯队。

Image 3

从 Preview 到正式版,Hy4 显著扩充了预训练与后训练的数据集与训练规模,并深入一线业务展开“Co-Design”联合打磨。

目前,WorkBuddy 国内版与国际版已同步完成首发接入。

在 WorkBuddy 中给它出的第一道难题,是徒手构建一把完全可交互的 3D 机械键盘:

采用 75% 配列、84 键设计,键帽、轴体、定位板、PCB、电池与外壳六层结构一应俱全。

鼠标拖拽即可实现爆炸图展开以查看内部结构,拼装复原后能直接上手敲击,甚至键盘下压行程、弹簧回弹等物理动效都被精确还原。

Image 4

制作新品展示 Demo 的工作流,已被其高效跑通。

当前,Hy4 已在腾讯云 TokenHub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理大圆、ima 等产品上线;API 同步接入 OpenRouter、Hermes、OpenCode 等平台。

QQ、王者荣耀、和平精英、微信读书、腾讯新闻等核心产品也在持续接入中。

模型权重将于近期正式开源。

Image 5

话不多说,直接进入实测。

像素级视觉感知

Hy4 首次引入的视觉理解能力,细节识别精度已精细到能在 28 亿像素的航拍图中精确定位约 2 米宽的屋顶构件。

Image 6

这一感知精度不仅适用于工业测绘,也能应对复杂的界面还原需求。

第一道实测题:参考一张设计截图,复刻一个复古风格的音乐播放器。

这项测试旨在检验模型对排版构图与视觉细节的理解深度。

Hy4 接收任务后,先行将图中的配色方案、字体排印与栅格布局逐一拆解,测算好左侧栏的像素级宽度,随后着手编写代码,同步搭建页面交互与播放逻辑。

在裁切工具出现少许偏差时,它还自动调整了策略,通过像素级色彩分析重新定位线条与色值。

Image 7

最终交付的成品还原度极高:

米色底纹、橙红点缀、复古黄绿配色,加上粗衬线标题与黑胶唱片元素,复古风格高度统一。

导航、曲库、播放交互区与待播列表均精准对应。

将原设计图与生成界面并排比对,仅在左上角前进/后退按钮的圆角细节上略有差异,整体完成度几近无懈可击。

Image 8

查阅 Hy4 的交付说明,播放暂停、切歌、进度拖拽、音量调节一应俱全,单曲循环、随机播放、曲目搜索与收藏同步等逻辑也无缺漏。

针对键鼠操作习惯,它还支持了空格键控制播放、方向键步进快进/快退的快捷键映射。

尤为关键的是,点击播放键时,它已提前内置好了三首测试曲目。

而在提示词中并未提供任何外部音频素材。

Image 9 视频地址:https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ

这些曲目均通过浏览器原生 Web Audio API 实时合成渲染,无需依赖本地文件,开箱即听。

仅凭一张静态截图,Hy4 不仅交付了播放器,还附赠了内置测试曲库,连调音校验也一并完成。

再看它的后台自测日志:

Hy4 在输出代码后,自动拉起无头 Chrome 浏览器,在沙盒环境中对各个 UI 控件逐项触发点击与拖拽,并通过持续截图对比视觉差异。

首轮测试共 51 项,通过 48 项,2 项受阻于测试脚本,另有 1 项被模型自检捕获——列表播放至最后一首时,点击“下一首”的边界逻辑未形成闭环。

随后模型自主完成了逻辑修复与回归测试。

最终报告显示:59 项测试全数通过,控制台报错与运行时异常均为零。

Image 10

在 2D 界面之外,进一步提升难度:给 Hy4 一张游乐场平面图,要求将其完全“三维化”。

设施点位、体量比例、步道路线均须与图纸严格吻合;摩天轮与旋转木马需要配置动态旋转动画;同时场景需支持用户自由漫游。

Image 11

经历了几何体建模、着色器配置及摄像机路径绑定后,整座“星光游乐园”完整构建完毕。

Image 12

经典的红白旋转木马顶棚、主路两旁的服务驿站、沿街错落的 Low-Poly 植被与草坪,均按比例映射进三维空间。

页面右上角还自适应集成了小地图:各项设施、主干道、绿地布局以及用户当前所处坐标均实时可见。

进入场景后,支持通过 WASD 控制位移、鼠标拖动调整视角,按住 Shift 即可加速巡航,点击场景标签还能拉出对应设施的图文介绍。

Image 13

界面支持一键返回起点避免迷航,甚至还配备了“沿道路自动巡游”按钮,点击即可自动按轨迹导览全园。

Image 14 视频地址:https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ

Agent 交付力拉满

在长程 Agent 任务方面,Hy4 的表现同样突出。

输入一份“拾光Beam Go 2”便携智能投影仪的产品文档,要求生成一套 15 页左右的新品发布 PPT。

Hy4 先行梳理文案脉络,并未随意调用外部不相关的配图,而是直接通过原生代码绘制风格统一的矢量示意图,并将所有数据图表封装为可编辑格式以备后续调整。

渲染到第 4 页时,模型监测到一段长文本溢出了安全版心,便在后台自动重构版式,将单栏混排重构为卡片流布局,二次校验无误后再推进后续生成。

最终共计完整交付 16 页 PPT。

Image 15

随后进一步提高要求,提供一套暗黑高对比度的视觉模板,要求将已生成的 PPT 整体翻新。

Hy4 并未盲目全量重写,而是先选取单页套用验证,确认风格与排版适配后,再批量迁移至剩余页面。

Image 16

这种“边验证边推进”的工作机制,避免了全量盲盒式输出,借助小步快跑与状态回检,大幅降低了返工成本。

接着,让 Hy4 独立开发一款高可用性的图片批量处理工具,涵盖裁切、缩放、压缩与格式导出等功能。

Hy4 接收需求后,先行查阅了 Squoosh 和 Image Workspace 等主流开源工具的设计模式,参考了原图/压缩图即时对比滑块与预设工作流的架构。

随后迅速完成工程拆解:输入流、处理流水线、Web Worker 多线程计算管线、Canvas 图形渲染引擎与 ZIP 归档模块,并快速落地代码。

Image 17

最终交付的成品被命名为:ATELIER 影像批处理工作台。

界面采用米白底色与橙色点缀,首次载入提供三步指引,并在顶部展示产品 Slogan:“把重复的交给工具,把审美留给自己。”

Image 18

功能实现上,支持图片批量拖拽上传与文件夹直接导入;左侧支持统一设置裁切比例、目标分辨率、压缩比和格式转换,同时允许对单张图片进行独立微调。

此外,工具内置了 1:1 社交头像、电商主图、极小体积等常用预设方案,通过滑动对比条即可实时查看压缩画质,处理完成后支持一键打包 ZIP 下载。

Image 19 视频地址:https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ

除代码生成外,Hy4 还具备原生计算机使用(Computer-Use Agent, CUA)能力。

测试要求如下:

打开 Chrome 中的 JS Paint,使用鼠标临摹混元“亲亲”表情包,并全程录制操作过程。

Image 20 视频地址:https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ

从识别屏幕视口、定位绘图工具、吸取指定色值,到精准控制鼠标下笔绘制,背后依托的正是全新的 CUA 操作架构。

加量不加价

综合实测表明,Hy4 在长程任务中的自主执行稳定性与完成度均有明显提升。

面对多步骤链条,模型能够持续维持全局目标与上下文状态,在执行过程中进行阶段性自检,根据运行时反馈定位缺陷、修正代码并再次验证,直到交付无 Bug 的终版产物。

上述实测案例均由其在自主执行、检查与修正后一体化交付。

Image 21

本次 Hy4 的训练更加聚焦于真实生产力场景:

前端领域重点强化了复杂交互、核心业务逻辑、状态管理及前后端全栈联动;

在 Blender、CAD 等专业工程软件与跨应用协同场景下展开了专项训练,显著提升了任务规划与工具调度的稳健性。

办公与检索场景下,针对时效性检索、多源信息综合以及事实一致性验证对搜索链路进行了系统级优化。

内部评测数据显示,Hy4 的整体幻觉率由 Preview 版的 12.95% 显著下降至 7.2%,推测类错误率由 23.1% 降至 5.6%。

在金融领域,Hy4 进行了深度的行业知识与规范对齐。

其专项训练覆盖了基金研究、证券分析、量化策略、资产配置、公司金融以及财税会计等细分方向,依托真实业务环境构建了数千个工作空间与上万个高质量任务集。

评测环节由 213 位业界专家参与,其中七成来自外部头部金融机构,且平均拥有五年以上资深从业经验。

在 579 个真实金融任务评测中,Hy4 的综合得分在开源模型中位列第一。

在科研领域,任务的处理广度与深度也在同步扩展。

Hy4 将复杂逻辑推理、科学编程与长程执行能力结合。在覆盖 7 大基础学科、123 项可执行研究任务的内部基准评测 TenureTrail 中,展现出扎实的数学推演与物理建模能力。

面对一个包含 699 万个单细胞、整整 84 张没有任何时空标记且混杂镜像翻转噪声的二维无序小鼠胚胎切片数据集,在完全离线、缺少专用配准工具与细胞类型标注的苛刻条件下,Hy4 耗时 1.5 小时,自主完成了切片的空间对齐与三维网格重构。

全流程实现零人工干预,最终对齐精细度超越了专用配准工具的默认配置流程。

Image 22

在严谨的数学攻坚上,Hy4 也初步打通了推理推演、编程验证与形式化证明的协同闭环。

在与北京大学数学团队的联合研究中,Hy4 成功找到了 Méndez–Pinto–Villarreal 猜想的反例,进一步提出了完善该猜想的新条件,并依托 Lean 形式化证明系统完成了严谨验证。

Image 23

目前,上述能力均已通过 WorkBuddy 和 CodeBuddy 全面上线,即日起至 11 月 15 日 23:59 开启限时免费体验。

此外,专为主打超低推理成本、适配端侧运行与高并发 Agent 编排的轻量化模型 Hy4 Flash,也即将在近期正式推出。