混元Hy4 preview发布：770B开源、1M上下文，腾讯这次先把模型塞进真实工作流

前面我们刚写完 GLM-5.3：同一个基座靠后训练，把长程 Coding 继续往上推。

8 月 28 日，腾讯混元也交卷了：Hy4 preview 已经放出权重，而且不是只讲聊天能力，直接把重点写成“真实生产力”。

软件工程、跨文件办公、游戏原型、科研推理，这些都是它要打的场景。

先把结论放前面：Hy4 preview 很值得试，但别因为“770B、1M、开源”三个词就把它当成所有项目的默认答案。 它现在是 preview，官方自己也承认复杂任务会想得偏久、会过度验证；适合拿真实任务测，不适合只看一张柱状图下结论。

下面这张是腾讯 8 月 28 日发布页的首屏截图，发布时间和“开源、生产力场景”的定位都在这里。

一、先把发布信息说清楚

截至本文发布，Hy4 preview 的关键信息如下：

项目	信息
发布与开源	2026 年 8 月 28 日发布，权重已在 Hugging Face、ModelScope、GitCode、CNB 等平台开放
模型架构	MoE，总参数 770B，单 Token 激活 49B
上下文	1M Token
许可证	Apache License 2.0，可用于商业场景，但仍要遵守许可证和平台规则
体验入口	WorkBuddy、CodeBuddy、元宝、ima；也可用腾讯云 TokenHub、OpenRouter API
首发活动	WorkBuddy / CodeBuddy 限时两周免费体验
API 参考价	输入 6 元/百万 Token、输出 18 元/百万 Token、缓存命中 0.3 元/百万 Token

上面每一项不是二手转述：开源、产品入口、免费体验和美元计价可以在 腾讯官方发布页 (opens new window) 核对；模型链接、许可证、推理参数和部署命令则在 官方 GitHub 仓库 (opens new window) 里。

这里有一个容易被标题带偏的点。

“770B”不是一次请求就要完整激活 770B 参数。 Hy4 是混合专家模型（MoE）：官方说明它有 256 个路由专家和 1 个共享专家，每个 Token 会选中其中 8 个路由专家再加共享专家，所以激活参数是 49B。

这不等于本地部署就轻松。推理时仍要存下大体量权重、KV Cache 和并发资源。官方 vLLM 示例为 FP8 版本配置了 8 路张量并行；想私有化的录友，先算显存、机器和吞吐，不要只拿“49B 激活”当采购依据。

二、它不是只把模型做大，而是盯着“把活干完”

腾讯给 Hy4 的定位是“为生产力而生”。这个词听着像发布会话术，拆开看其实对应四类很具体的任务：

• 软件工程：理解代码、规划、调试、验证长程开发任务，连前端视觉和交互也被单独提到。
• 办公和分析：从多份杂乱材料里做分析，再交付文档、表格、演示稿。
• 游戏开发：一句需求起一个可玩的原型，并能围绕游戏引擎多轮迭代。
• 科学研究：AI 研发、分子动力学、凝聚态物理、基础数学等复杂问题的理解和求解。

官方发布页还给出了多项基准图。截图里的蓝柱子是 Hy4；但要注意，这些结果和基准设置由官方发布，能说明模型覆盖面广，不能替代你自己仓库里的成功率测试。

更值得关注的是它的训练闭环。

Hy4 preview 首次参与了训练方法、数据策略、评估体系和底层算子的自动优化：模型提出方案，跑实验，把代码、日志和结果带回下一轮探索。官方称，它还会分析推理系统瓶颈，在算子融合、通信优化等方向迭代，端到端吞吐相对基线提升 31.8%。

别把这句话理解成“模型已经自动把自己训练成更强模型”。准确说，它进入了有人设计边界、可运行实验和反馈回流的研发循环。 模型能给出候选方案、执行和归因，但目标定义、环境控制、评价标准仍然是研发团队搭好的。这个方向真正有价值的地方，是把 Agent 从“写一次代码”往“持续做实验并验收结果”推进。

三、2.99 分领先了，但这不是第三方冠军宣言

发布资料中最容易传播的一组数字，是 163 名腾讯内部专家、203 个工程任务的盲测：

对比	Hy4 preview	对方	该怎么读
对 GLM-5.3	2.99 / 4.00	2.92 / 4.00	Hy4 略高，差距 0.07 分
对 Kimi K3	2.99 / 4.00	2.94 / 4.00	Hy4 略高，差距 0.05 分

数据出自腾讯官方，评测是内部组织的盲测，不是公开、独立、可完全复现的排行榜。官方仓库还给出胜平负：对 GLM-5.3 为 46.8% 胜 / 12.8% 平 / 40.4% 负；对 Kimi K3 为 51.2% 胜 / 7.9% 平 / 40.9% 负。

所以我的解读很克制：它足以证明 Hy4 已经能坐上第一梯队的牌桌，但不够证明“所有任务都全面胜过 GLM 或 Kimi”。 两场对比的胜负都没有拉开到碾压，提示词、工具权限、上下文材料、评委标准，都会改变结果。

这也是为什么我更看重真实长任务。InfoQ 的独立上手里，Hy4 能完成复杂的采购调研、四端产品和季度复盘，但也出现了报价口径不一致、简单算术出错、交付脚本路径写死等“最后一公里”问题。这份实测 (opens new window) 的结论很像多数开发者会遇到的现实：它可以当能干的执行者，关键结论和交付验收仍要有人把关。

四、preview 不只是后缀，官方把短板写出来了

很多模型发布喜欢只写能力清单，Hy4 的官方仓库特意放了 Known Limitations：

• 复杂任务的推理时间有时比需要的更长。
• 有过度验证自己工作的倾向。
• 预训练和后训练还有提升空间，所以先用 preview 收集真实反馈。

这三个字很关键。

“更会检查”不总是好事。 对高失败成本的改代码、数学、复杂排障，多检查几轮可能换来成功率；对批量分类、格式转换、能自动校验的流水线，过长推理会直接变成延迟和账单。

官方 API 默认是 high 推理强度，想要直接回答可传 reasoning_effort: "no_think"。最实用的测试方式不是问它“你强不强”，而是拿同一批真实任务分别测高推理和无思考模式，记录：

1. 一次完成率；
2. 总 Token 与耗时；
3. 人工接管次数；
4. 自动化测试、构建、数据校验的最终通过率。

这四项会比“某个榜第几名”更接近你的成本。

五、开源真正改变的是选择空间

闭源模型再强，如果代码、数据或模型权重不能离开内网，它仍然可能不在候选名单里。

Hy4 preview 用 Apache-2.0 发布，并同时提供 FP8 权重、vLLM / SGLang 的部署指引、OpenAI 兼容 API、工具调用和推理解析配置。这意味着它比“仅能网页聊天”的模型多了三条路：

• 内网或专有云部署，数据边界由团队自己控制；
• 用自己的工具链、审计和 Agent 框架接入；
• 根据业务做量化、微调或二次工程优化。

但开源不是零成本。

模型尺寸、GPU、服务稳定性、权重版本、监控、内容安全和升级维护，都会从云厂商账单变成你自己的工程账单。私有化是“可控性”换“运维责任”，不是免费 API。

如果只是先验证任务适配性，优先用 WorkBuddy / CodeBuddy 或 API 跑小规模 A/B；只有数据边界或稳定吞吐是真需求，再进入部署评估。

六、和 GLM-5.3、Kimi K3、DeepSeek V4 怎么选

不站队，还是算三笔账：失败成本、数据边界、任务规模。

你的处境	建议优先试谁	原因
代码、资料不能出内网，且有运维能力	Hy4 preview	权重已开源，Apache-2.0，部署和工具调用文档齐全
中长程 Coding、Agent 任务，要看公开的后训练打法	GLM-5.3 与 Hy4 同题 A/B	GLM-5.3 强调长程 Coding 后训练；Hy4 强调真实生产力和开源，别用别人的柱状图替代自己的仓库
前端交互、视觉理解或多模态工作流	Kimi K3 / 有视觉能力的模型	Hy4 此次主打的是文本生产力模型，任务输入不止文字时先确认能力边界
批量、可自动验收、价格高度敏感	DeepSeek V4	能便宜地跑量，优先看总成本和自动验收；不必每一步都上最大模型
失败一次代价极高的核心工程	顶级闭源模型 + 人工复核	成功率、工具稳定性、审计流程比“是否开源”更优先；Hy4 可以作为第二个审稿人或候选方案

Hy4 最大的优势，不是替所有人做统一答案，而是把“开源、长上下文、生产力 Agent”一起放进了可选项。

已经在用国产模型的录友，可以先用两个任务试：一个是带测试的真实代码修改，一个是多文件分析后产出文档。不要给标准答案，保留你平常会遇到的脏数据、冲突需求和失败命令。

模型选型不是看谁发布得更响，是看谁在你的约束里交付得更稳。

资料来源

• 腾讯官方发布公告：https://www.tencent.com/zh-cn/tencent-releases-and-open-sources-tencent-hy4-preview/

• Tencent-Hunyuan/Hy4-preview 官方仓库：https://github.com/Tencent-Hunyuan/Hy4-preview

• Hy4 preview Hugging Face 模型卡：https://huggingface.co/tencent/Hy4-preview

• InfoQ：WorkBuddy 实测与局限：https://www.infoq.cn/article/SxrNXURUimQf4hL83ybj