Hy4 preview

Hy4 preview 是什么

腾讯 Hy 官方研究页：Introducing Hy4 preview（来源：hy.tencent.ai）

Hy4 preview 是腾讯混元发布的开源旗舰大语言模型，采用 MoE（混合专家）架构，在模型规模、上下文长度与训练数据量上完成了一次全面跃升，关键参数集中列在下文的「Hy4 preview 的技术规格」一节。作为混元系列的新一代旗舰，它的定位非常明确：面向真实生产力场景，而不是围绕榜单做优化。

与很多「闭门刷榜」的模型不同，Hy4 preview 的训练数据与腾讯内部软件工程、游戏开发、金融分析、安全防护等领域的资深专家深度共建，因此在代码开发、办公分析、游戏制作、科学研究等真实任务上表现扎实。在多项权威测评以及 203 个工程任务的专家盲测中，该模型均位居开源阵营第一梯队。更值得关注的是前沿科学方向的实质进展：分子动力学模拟、量子器件架构设计，以及百年几何难题的求解推进。

除了官方能力全景，本文也完整记录了一手实测体验：我们通过腾讯出品的 WorkBuddy 客户端接入 Hy4 preview 做了一轮高强度压力测试。需要先说明的是，实测是在 WorkBuddy 这一客户端产品内完成的，其中的界面预览、多端同步、VibeCoding 模式等属于客户端提供的能力，不宜直接等同于模型自带功能，下文中会逐一标注清楚。

Hy4 preview 的主要功能

Hy4 preview 的能力体系可以归纳为六大板块，覆盖从工程到科研的完整链条：

1. 软件工程深度赋能：具备对长周期开发任务的精准理解、规划、调试与验证能力，尤其在前端开发的交互体验与视觉表现上提升显著，适合承接跨文件、跨模块的复杂工程。
2. 办公场景智能化：以金融分析为代表，能够打通从原始数据清洗，到文档、报表、演示文稿生成的全链路，实现端到端的全自动化交付。
3. 游戏开发一键生成：开发者用自然语言描述需求，即可生成可玩性高的游戏原型，并能熟练调用主流游戏引擎，通过多轮对话持续打磨细节。
4. 科研探索加速器：在 AI 研发、凝聚态物理、基础数学等复杂课题上表现出色，显著提升研究人员的推理与求解效率。
5. 推理系统自优化：模型具备自我诊断能力，可针对算子融合与通信效率进行动态优化，端到端吞吐量较基线提升 31.8%。
6. 智能实验调度：像资深研究员一样管理多个并行实验会话，在复杂研发任务中展现出可靠的方向判断与持续迭代执行力。

Hy4 preview 的技术规格

把关键参数放在一张表里，方便与其他开源旗舰横向对比：

从参数结构看，770B 总参数配合 49B 的激活量，意味着它能在保持大容量知识储备的同时控制单次推理的计算开销；1M 上下文则让「把整个项目仓库一次性读进去」成为常规操作。这两点共同构成了它区别于同梯队模型的技术壁垒，也直接决定了后面实测环节中那些体感的来源。

腾讯混元官网首页，提供 Hy4 preview 的模型入口与研究资料（来源：hunyuan.tencent.com）

Hy4 preview 的实测体验

我以长期使用者的身份，在 WorkBuddy 客户端里接入 Hy4 preview 做了这次实测。接触 WorkBuddy 的时间已经不算短，早在 Hy3 时期我就常拿它打磨文案、搭简单页面、跑零碎任务，日常需求交付质量都没问题；但凡碰到长链路任务或者动辄几十个文件的复杂工程，总觉得还差一口气——前几代模型在长上下文、复杂规划和自驱式纠错上确实存在明显短板。这次 WorkBuddy 正式接入 Hy4 preview 版本并开启两周免费试用，我把手头积压的一堆棘手工作拿出来重跑，结果相当意外。以下是五个维度的真实体感：

1. 超长上下文稳定理解：1M 上下文不是噱头。我把一整个季度的业务复盘材料、近 200 页的混合 PDF 和 Excel 一起喂进去，它依旧能准确引用第 17 页的某一句话作为论据，没有出现「看过即忘」的典型症状。
2. 复杂任务规划与拆解：面对「先做什么、再做什么、最后如何验证」的多步任务，Hy4 preview 会主动列出执行计划，而不是一次性把所有代码甩出来。出错时，它会自己定位问题、修改、再验证，直到闭环。
3. 实时预览与多端同步（客户端能力）：输出 HTML、SVG、Python 小工具这类可视化结果时，WorkBuddy 的右侧面板会内嵌实时预览窗口，省掉复制文件、打开 IDE 的来回切换；账号打通后，PC 与移动端进度自动同步，手机上也能接着追加需求。
4. VibeCoding 极速交付（客户端模式）：在 WorkBuddy 的 VibeCoding 模式下，对一句话生成可交互小游戏、原型页面这类场景非常友好，从理解指令到成品落地的速度超出预期。
5. 跨多文件数据与代码分析：把整个工程目录丢进去，它能跨文件定位引用、改写 API、补全类型，并保留原项目的命名与风格，不需要人工先做切片整理。

这里要再次强调归属：第 3、4 项依赖 WorkBuddy 客户端提供的预览面板与 VibeCoding 模式，是「模型能力 + 产品封装」的组合结果；第 1、2、5 项则更接近模型本身的理解、规划与推理能力。把它们分开看，才能准确判断 Hy4 preview 到底强在哪里。

Hy4 preview 的实测场景案例

为了验证它在真实生产链路里的表现，我把四个完全不同类型的任务挨个跑了一遍，也顺带对比了 CodeGeeX、Manus AI Agent、Dealism AI Agent 等同类 AI 编程助手的差异点：

1. 极速做「萝卜赛车」网页小游戏：我要求做一个「萝卜赛车」网页小游戏：方向键或触屏控制赛车，避开随机出现的障碍物，撞击后显示分数并一键重开，橙绿卡通配色，必须同时适配 PC 与移动端。整个过程从下达指令到生成可试玩的成品只用了约 5 分钟。WorkBuddy 不再需要我把代码复制出去再开浏览器调试，右侧面板里直接渲染了 HTML5 Canvas 试玩版。实际试玩发现，障碍物的随机生成、计分逻辑、重开判定全部准确，移动端布局与卡通配色的细节也都按要求实现。
2. 季度复盘 PPT 的逻辑梳理：我把一堆杂乱无章的业务材料丢给它，要求提炼三个核心结论、按汇报逻辑生成 8 到 10 页 PPT 框架、明确标注数据缺失项、严禁杜撰。Hy4 preview 输出了一份 9 页大纲，没有简单堆信息，而是按「管理层汇报」的语境重构了逻辑链：季度总览 → 核心成果 → 重点项目与数据表现 → 问题复盘 → 下季度规划。上下文重构能力带来的可读性提升非常明显。
3. 团队协作平台原型构建：我让它做一个含任务增删改查、状态筛选、首页数据汇总的小程序原型。这次它没有急着写代码，先输出开发计划与架构逻辑，再分阶段实现，期间主动跑测试、发现 bug 后定位修复，最终界面逻辑清晰，并支持一键部署为网页链接。对非技术背景的人来说，「一句话生成应用」的门槛被显著拉低。
4. 古建筑数字展馆的资料整合：最具挑战的一项是构建「古建筑数字展馆」网页，需要检索故宫、应县木塔等古迹的权威资料，网页要具备东方美学风格，并规避版权风险。Hy4 preview 不仅精准筛选权威信息，还主动绕开了版权图，转而用 SVG 和 CSS 绘制榫卯结构动态演示、横向滚动的建筑细节长卷。从跨领域检索到设计、再到代码与运行验证，整条链路几乎不需我介入。

腾讯混元 Hy 官网首页，提供模型试用与研究入口（来源：hy.tencent.com）

如何使用 Hy4 preview

腾讯提供了多元化的接入方案，按使用深度可以分为四类：

1. 产品内直接体验：在腾讯元宝、CodeBuddy 等产品中即可调用 Hy4 preview 的办公与编程辅助能力，零配置上手，适合先感受能力边界。
2. API 调用：通过腾讯云 TokenHub 或 OpenRouter 接入 API 服务，适合把模型能力嵌入自有业务流程，按调用量付费、弹性扩容。
3. 开源权重本地部署：从 HuggingFace、GitHub、ModelScope 或 GitCode 获取开源权重自行部署，适合对数据合规有硬性要求的团队。
4. 在线体验平台：访问官方模型体验页面快速试玩，适合在正式接入前做轻量验证。

如果你希望直接在办公工作流里用起来，走 WorkBuddy 客户端是我实测下来最顺手的路径，完整流程如下：

1. 下载并安装 WorkBuddy，使用手机号或微信扫码登录，完成工作台初始化。
2. 在设置中确认模型已经切换为 Hy4 preview，并在限免期内激活；当前阶段提供两周免费试用，到期前会提示是否续费。
3. 新建任务时按场景选择入口：写文案用普通对话、跑代码或原型用 VibeCoding 模式、跨文件改动用「项目工作区」。
4. 一次性给清楚目标与限制条件，包括技术栈、视觉风格、文件路径、需要规避的风险（版权、性能、安全）。
5. 让模型先输出计划，确认后再让它进入实现。
6. 过程中随时在右侧预览面板检查产物，必要时追加约束。
7. 完成后要求它自检并给出变更清单，再把任务保存到知识库或导出为 Markdown、PDF。

对于大多数个人开发者，建议从产品内体验或 API 开始；团队用户则可以先在测试环境用 API 验证业务效果，再决定是否投入算力做私有化部署。

Hy4 preview 的使用场景

1. 软件研发团队：长周期项目的需求理解、方案规划与代码验证。得益于与腾讯内部软工专家的共建训练，它在真实工程规范下的表现比纯学术数据训练的模型更「接地气」。
2. 金融与办公分析：跨文件的金融数据稽核、报表生成到演示文档输出可以一站完成，把分析师从重复性整理工作中解放出来。
3. 游戏工作室：自然语言直接生成可玩原型并调用主流游戏引擎，关卡搭建与玩法验证的周期被大幅压缩，腾讯混元游戏生态也在往这个方向协同。
4. 科研机构：分子动力学模拟、凝聚态物理与基础数学是官方点名的三个方向。一个有代表性的成果是将 3D Blaschke-Lebesgue 问题的体积下界推进至 0.41104，向百年几何难题的目标迈出了实质性一步。
5. 企业级智能体建设：1M 上下文加稳定的推理吞吐，让跨系统、长流程的 Agent 编排成为可能，这也是它与腾讯混元全家桶产品协同落地的主战场。

Hy4 preview 的竞争优势

与同类开源模型（如 DeepSeek-V4 Pro）相比，Hy4 preview 的差异化主要体现在五个维度：

1. 规模壁垒：770B 总参数与 1M 上下文的组合，在当前开源阵营中处于第一梯队。
2. 贴近生产：训练数据来自真实生产场景的专家共建，而不是围绕刷分优化。
3. 科研实证：在前沿科学上拿出了可验证的实质进展，而非停留在宣传口径。
4. 自主进化：推理系统自优化带来 31.8% 的端到端吞吐提升，且这种能力可以随部署规模复利。
5. 盲测胜出：在内部专家盲测中表现优于 GLM-5.3 和 Kimi K3，印证了复杂工程任务中的实战价值。

此外，全面的开源策略以及在科研工具链与办公产品上的深度集成，让它展现出更强的行业落地潜力与生产力属性。混元家族的其他成员也在各自方向上补位，例如面向推理的混元T1与面向三维生成的腾讯混元3D，共同构成多模态矩阵。

Hy4 preview 的常见问题解答

Hy4 preview 是开源的吗？可以商用吗？

是开源模型。权重已在 HuggingFace、GitHub、ModelScope、GitCode 等平台开放下载，同时也提供腾讯云 TokenHub 与 OpenRouter 的 API 通道，具体商用条款以官方发布页面公布的许可协议为准。

770B 参数的模型，个人开发者能跑得动吗？

完整权重的本地部署对算力要求很高，个人开发者更适合通过 API 或腾讯元宝、CodeBuddy 等产品直接调用。只有具备多卡集群条件的团队才建议考虑私有化部署。

Hy4 preview 与上一代 Hy3 相比差别大吗？

实测下来差别集中在三件事：一是 1M 上下文带来的「一整本资料直接喂进去」的能力，意味着大型代码仓库、长篇财报或多份文档可以一次性放入上下文，不再需要复杂的分块拼接；二是复杂任务下先规划、再执行、再自检的工作流；三是 VibeCoding 与跨文件改写的稳定度。简单任务上差距不那么明显，但凡任务超过 30 分钟人工量，Hy4 preview 的体感提升会非常直观。

想上手体验 Hy4 preview，有哪些途径？怎么收费？

轻量体验可以走腾讯元宝、CodeBuddy 或官方模型体验页；想嵌入业务流程可以走腾讯云 TokenHub 与 OpenRouter 的 API；团队合规场景可下载开源权重自行部署。若希望通过办公客户端使用，WorkBuddy 已正式上线 Hy4 preview 并开启两周免费试用，到期前会提示是否续费，具体长期价格方案以 WorkBuddy 官网工作台内显示为准。

Hy4 preview 官网网址

欲深入了解或获取模型资源，请访问以下官方渠道：

1. 官方网站：https://hy.tencent.com/research/hy4-preview
2. GitHub 代码仓库：https://github.com/Tencent-Hunyuan/Hy4-preview
3. HuggingFace 模型库：https://huggingface.co/tencent/Hy4-preview
4. 实测所用客户端：https://workbuddy.cn

OpenI AI时代点评

Hy4 preview 给人的整体印象是「为生产力而生」：它没有把火力集中在跑分娱乐化的榜单上，而是与内部软工、游戏、金融、安全专家共建训练数据，把盲测做在 203 个真实工程任务上，这种评价方式比单纯的 benchmark 更有参考价值。770B/49B 的参数配置与 1M 上下文，配合推理系统 31.8% 的自优化吞吐提升，构成了一个攻守兼备的技术底座。

从实测角度看，它最让人安心的不是某个单项分数，而是长链路任务里「先规划、再执行、出错自纠」的闭环能力——这恰好是上一代模型最容易掉链子的地方。至于 VibeCoding 极速交付与右侧实时预览这类体验，则是模型能力与客户端产品封装叠加后的结果，选型时值得把两者分开评估：模型决定上限，产品决定你每天实际能拿到多少。想按自己的合规与成本约束选接入方式，可以看 腾讯混元官方模型页；想了解混元家族的其他成员或 API 方案，也可以看看我们收录的腾讯混元大模型 api 条目。