（来源：锌刻度）
Hy4从量变走向质变
撰文/陈邓新
编辑/李 季
排版/Annalee
大模型的竞争焦点，出现了重大跃迁。
过去，大模型比的是谁的参数更大、谁的算力更强；现在，比的是谁能真正深入生产力场景、谁能真正满足复杂工作需求、谁能真正提升全局效率。
基于此，大模型从Chatbot走向Work。
2026年11月4日，腾讯混元发布了Hy4正式版，相较之前的Preview版，Agent能力以及真实生产力任务能力得到全面强化，模型性能大幅提升的同时也延续了定价策略，追求极致性价比。
由此一来，混元大模型可以离用户更近，更容易解决Work中的各类痛点，从而释放更大的商业价值，打造正循环的AI生态。
一言以蔽之，Hy4正式版为真实生产力而生。
技术转化为业务成果才是关键
大模型时代，Token出现了爆炸式增长。
国家数据局的统计显示，我国日均Token调用量已从2024年初的1000亿，增长至2026年7月的超500万亿，两年时间增长超5000倍。
问题在于，真实任务场景中跑通Token链路的企业仍是少数。
德勤中国的数据显示，目前高达92%的企业已开展AI应用试点，但仅有8%的企业认为AI投入实现了财务和战略收益，仅4%的企业认为真正实现了AI组织级转型。
这意味着，过去数年大多数企业积极拥抱AI，没有拿到满意的结果。
究其原因，模型军备竞赛如火如荼，但整体侧重于模型能力而非真实任务场景，智能涌现虽然热闹，却没有重塑企业的生产力。
唯有跑通真实生产力场景，才可以真正将技术转化为业务成果。
正因为如此，Hy4的总参数为770B，激活参数为49B，聚焦的是在真实任务中连续工作，并将技术转化为业务成果，从而解决AI落地的“最后一公里”。
为此，Hy4显著扩展了预训练和后训练规模，首次引入了视觉能力，并大幅提升了指令遵循、长文理解、长程任务、深度研究等各项综合能力。
通俗易懂地说，Hy4更容易胜任游戏、设计等复杂的产品开发任务，更省心完成金融、法律等高价值的办公任务，更高效承担数学、物理等主流学科尖端的科研任务。
关于此，从相关数据可见一斑。
Hy4的模型能力跃升，也获得国际权威模型测试榜单的高度认可，在Artificial Analysis智能指数榜单上位列中国模型第二，Agent Arena榜单居开源模型第一。
Artificial Analysis并非单一跑分，而是一个综合了覆盖复杂推理、代码生成与调试、工具调用、多模态理解、长程规划以及科学问题求解等核心能力的高难度评测。
也因为如此，其评测成果被 OpenAI、Anthropic、Google等全球顶尖的模型公司引用，具有极高的参考价值以及权威性。
Hy4在Artificial Analysis测试中表现可圈可点，也证明在基础模型能力上的扎实积累。
Agent Arena的测试数据显示， Hy4 单任务成本约为 0.78 美元，而Kimi K3.1 Pro约为2.11美元，性价比大幅领先。
真实进入企业核心任务环节
以上可见，Token的衡量指标不仅仅是消耗量，价值转化更为重要。
如果跑不通真实场景，Token消耗再多、Token价格再便宜也无济于事；反之，可以高效解决实际问题，则可以成功占领消费心智。
简而言之，每一个Token都要物有所值。
这对模型提出了更高的要求，生产即交付成为关键所在，锌刻度在实际体验中发现Hy4在进行长程任务、深度研究等时无需返工。
其中，在指令里面，故意标错了中际旭创股票代码的后缀。
股票代码后缀标明的是上市所在地，不影响模型正常读取股票代码并进行后续操作，但如果没有发现错误则让研报失去了专业性。
一开始，Hy4就进行了勘误，指出中际旭创的正确股票代码后缀为300308.SZ，上市地点为深交所，而非上交所，并附加了港股代码03308.HK。
这之后，围绕公司的财务数据以及行业势态进行了竞争力分析、驱动增长分析，并对未来三年利润表、资产负债表和现金流量表以及收入、利润率、营运资本、资本开支、融资、分红等进行了假设性分析。
整个过程耗时一小时七分钟，成品仅需删除红色标注的更正错误，再附加上证券公司名称、Logo、联系方式，以及分析师的邮箱、证书编号等基础信息即可出炉。
公开资料显示，券商行业制作首次覆盖报告及可复算财务模型，传统方式耗时为数周至数月不等。
这意味着，Hy4可以真正进入企业的核心任务环节。
汇添富基金表示：“投资研究对宏观环境、行业基本面、财务与估值假设的可复核性要求较高。Hy4能够清晰地理解用户意图，并明确给出计算依据与适用假设，以便投研人员核对结论，判断输出结果是否适用于具体研究问题，提升了输出结论的可信度。”
另外，Hy4新增了比文字理解更直观的视觉理解能力，在游戏开发、产品3D建模、DIY装修效果等方面大有裨益。
锌刻度在测试上述任务时发现毫无压力，因而刻意上了强度：裁剪了一张室内拍摄的图片，隐去了重要的地理特征信息，要求Hy4通过有限的图片细节识别出拍摄时所在的那栋建筑。
须知，普通人如若不熟悉该地，单凭图片也是一头雾水，属实有点强人所难。
接受任务之后，Hy4立即发现EXIF里只剩一个方向标记，没有GPS、拍摄时间或机型等关键信息，转而对图片进行拍摄角度分析，装修环境的风格分析等，并排除了一些地点猜测，同时反馈“想精确到建筑，给我一条线索就够”。
在得到“重庆”这条线索之后，Hy4最终锁定了拍摄地点为重庆喜来登大酒店，即重庆南滨路上那两栋金色尖顶双子塔建筑。
不难看出，Hy4的视觉理解能力颇为惊艳。
协同设计谋求共同生长
事实上，Hy4如此懂用户，离不开底层逻辑的焕新。
传统模型设计思路为自上而下，即从技术出发寻找应用场景，用户体验总是难以量化，进而步调不一致。
重建之后的腾讯混元，设计思路迭代为协同设计，大模型深入WorkBuddy、元宝、企业微信等高频场景，得以融入真实业务流，从而实现产品与模型的深度融合。
一言以蔽之，从“猜你所想”走向“懂你所需”。
正因为如此，WorkBuddy企业版才得以落地50多个行业，覆盖50%中国企业500强、六成中国企业100强。
此背景下，腾讯混元与WorkBuddy进行了深度协同，共同优化产品，提升用户体验。混元也逐步赢得了用户的认可——在WorkBuddy的自选模型用户中，60%的用户选择了混元大模型。
需要注意的是，Hy4在WorkBuddy上线首日遇到大量用户触及额度情况，目前腾讯已针对Hy4推理集群进行十倍扩容，同时提升用户免费体验额度，持续动态调配资源。
在腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生与腾讯首席AI科学家姚顺雨的对谈中，后者曾表示：“在联合做产品、开展对齐工作时，会涉及很多不同的角色：产品团队要明确要解决的问题和方向，模型团队要思考如何通过技术满足需求；同时还要回到数据层面，明确数据应该如何标注、标注到什么颗粒度、什么是好的标注、什么是不好的标注，以及哪些行为需要奖励、哪些需要惩罚。”
产品思维是协同设计的骨架，换位思考则是协同设计的底色。
在协同设计中，不同部门考虑的优先级不一样难免出现分歧，处理得当才可以达到1+1大于2的效果，这就要求换位思考，即跳出自身的视角，理解各方诉求与约束，在共识基础上对齐目标，追求的是长期合作关系，最终实现高效协同。
譬如，在与元宝对齐中，腾讯混元派出了后训练团队最强的骨干力量，先帮助元宝把后训练工作做好，不计一时的得失，最终实现了产品共赢。
凭借用户、数据、生态的深度连接，混元进入良性循环的协作状态，任务越繁重、场景越复杂、挑战越艰巨，反馈也就越有价值、迭代也就越贴近真实需求，最终在真实场景中与腾讯的产品矩阵共同生长。
从这个角度来看，混元大模型已从量变走向了质变。
