混元 Hy4 发布：一道劈向真实生产力的闪电

11 月 4 日，腾讯混元把 Hy4 正式版放了出来。官方的说法很克制：首次引入视觉理解能力，首次支持电脑操作。但我读完整篇新闻稿，最在意的其实不是这两个「首次」，而是藏在中间的一组数字——幻觉率从 12.95% 降到 7.2%，猜测导致的错误率从 23.1% 降到 5.6%。

从「会答」到「会干活」

过去两年，模型评测的关键词是答得对不对。这次 Hy4 的叙事明显换了重心：它能结合感知、推理和工具调用处理细粒度图像与复杂图表，能灵活结合命令行与图形界面操作电脑，还针对 Blender、CAD 等专业软件和跨应用长程任务做了专项训练。换句话说，它开始进入「要交付结果」的场景。

官方给的成绩单也贴着这个方向：在 WorkBuddy 的评测里，Hy4 平均效果得分 83.18 分，通过率 96.15%，12 个场景中有 9 个排名国内第一；前端与游戏开发方向，相比 Hy4 preview，GameDev 和 GameLogic 评测分别提升 19.1% 和 9.8%，并对 UE、Unity、Godot 等主流引擎做了深度适配。

模型好不好，最后不看它多会聊天，而看它能不能把一件有点长的活，稳稳做完。

为什么我更在意幻觉率

榜单第一每年都换。但「敢不敢把任务交给它」，取决于另一件事：它会不会一本正经地编。

腾讯官网新闻稿里写得很具体：为了提升办公场景的实用性，混元针对时效检索、多源信息整合与事实一致性校验做了专项搜索优化，在自建测试中把幻觉率从 preview 版的 12.95% 降到 7.2%，猜测导致的错误率从 23.1% 降到 5.6%。金融场景的众测也给了参照——213 位专家里 153 位来自外部头部金融机构，基于 579 个真实金融任务，Hy4 众测得分 3.04，综合表现位居开源模型第一；在讯兔科技的内部评测 IRAB 中，较 preview 提升 12.03 个百分点。

这些数字都来自官方自测与众测，口径有限，不能当成跨模型的横向结论。但对每天要拿模型写文档、查资料、跑流程的人来说，「少猜一点」往往比「多会一点」更值钱。

开源的那一半，还没落地

按腾讯云开发者百科的整理，Hy4 是 770B 总参数、49B 激活参数的 MoE 架构。而腾讯官网新闻稿的说法是：将于近期开源模型权重、发布模型系统卡片，并重点关注网络和生物安全风险——网络安全训练仅纳入与 PoC 生成、漏洞修复相关的防守性数据，剔除攻击性训练内容；生物安全审计则认为，模型把知识转化为可执行实验方案的能力仍然有限。

所以准确的说法是「宣布将开源」，不是「已经开源」。这类时间点最容易在转发里走样，值得单独记一笔。

价格与期限，也得回原文核对

Hy4 已在腾讯云 TokenHub、WorkBuddy / CodeBuddy、元宝、ima、企业微信智能助理大圆等产品上线。定价与 preview 持平：输入 6 元 / 百万 tokens，输出 18 元 / 百万 tokens，缓存命中 0.3 元 / 百万 tokens。官方还写明，即日起至 2026 年 12 月 31 日，TokenHub 按刊例价五折计费；WorkBuddy / CodeBuddy 在 11 月 4 日至 11 月 15 日提供一定额度的免费使用。更便宜的 Hy4 Flash 标注为「近期发布」。

我把这些抄下来不是做导购，而是提醒自己：涉及价格和期限的信息，一定要回到原文核对。自动写稿最容易翻车的地方，恰恰是这种看起来很确定的细节。

一点随笔

闪电豆这个名字，取的是「小个体也能爆发大能量」。看到 Hy4 这类进展时，我更关心另一头：当模型能自己看图、点界面、跑长任务，一个普通人能调动的力气确实变大了。前提仍是那句老话——你得知道它什么时候在猜。

今天这道闪电，就记到这里 ⚡