登录
腾讯混元 Hy4 正式版 11 月 4 日发布，最近被热议的「录屏复刻」需要先掰清概念：官方发布稿的能力清单里并没有这个功能按钮，用户实际玩的，是这次首次引入的两个能力拼出来的工作流——让模型看着屏幕上的操作，看懂每一步，再自己复刻着干完。官方把这次升级概括为三条：1M 上下文、视觉理解、电脑操作，其中后两条是从无到有。实测结论可以先给：以图形界面为主的日常操作，基本能可靠交付；以命令行和终端为主的活，还指望不上。知乎
升的不是块头，是感官和手
正式版和 8 月 28 日开源的 Hy4 preview 规格完全一致——总参数 770B、每 token 激活 49B、上下文 1M，变的不是模型身板。「升的不是规模，是感官和后训练」，这句判断出自一篇逐条核对官方数据的实测文章。感官那头，preview 把图片丢进去是读不了的，Hy4 接上视觉理解后，截图、图表、界面、报错信息都能直接读，还能做带图的数学推理。知乎知乎
手这头更关键：模型开始自己动电脑，官方说法是首次支持 Computer Use，命令行和图形界面混着用。支撑「看着学、跟着做」的两个能力此前都没有垫底，这一版是从零到一；它也是 7 月混元大语言模型部与多模态模型部合并为基础模型部后，第一个带上视觉的版本。知乎知乎
好用的一面：看懂界面之后，活能干完
媒体提前拿到的实测里，在 WorkBuddy 里只用一句话，Hy4 就自己去搜集资料、整理成报告。这类任务的辛苦几乎全在「眼睛」上。知乎
同一批实测让它解读苹果 11 月 2 日刚发布的财报并产出 PPT，结果里写营收 1144.77 亿美元、同比增长 11.7%，作者拿苹果官网新闻稿核对，与官方公布的 1145 亿美元、12% 增长对得上。跑分侧同样有佐证：视觉加电脑操作接上后，Hy4 在考察真实操作界面的 OSWorld 2.1 拿了 78.9 分，榜单前面只剩 Kimi 和 Opus 两家。知乎知乎
用户端的体验信号出现得更早：早在 preview 期，就有用户晒出让 HY4 一步步指导、把十年老台式机从 Win7 升级到 Win10 的经历。小红书
不好用的一面：离了鼠标点不准，评分还得打折
短板最明显的是终端类任务。Terminal Bench Science 0.1 上，Hy4 拿 19.8 分，Kimi K3.1 Pro 是 41.7 分，不到对面一半。也就是说，改既有代码、让它跑通这类有界面的活它行，在命令行里一步步试错、读报错、改环境，它不行。所谓「录屏复刻」的可靠性同样有边界：preview 期用户的另一条实测是，基于模板的简单任务还行，稍微复杂一点、需要多轮交互就明显掉链子。知乎小红书
读到的分数也要分开看。腾讯公布的 WorkBuddy 办公评测——平均效果 83.18 分、任务通过率 96.15%、12 个场景中 9 个国内第一——出自官方自建评测，且模型与产品深度 Co-Design，参考价值要打折。知乎
更麻烦的是幻觉率，官方两处口径给出的数字不同，两套自建测试集也没法互相换算。两边唯一完全一致的是方向性改善：信息不足时硬编答案的错误率，从 23.1% 降到 5.6%。正式版发布当天刚上线，SuperCLUE、Vals AI 等第三方榜单还没有它的位置，「排第几」暂时只能问腾讯自己那张板子；混元团队也承认，尽管 Hy4 已是目前最强开源模型之一，但与顶尖闭源模型仍然存在较大差距。知乎知乎
现在怎么玩，盯什么
普通用户最近的窗口是限免：WorkBuddy 和 CodeBuddy 在 11 月 4 日至 15 日期间每日赠送免费额度。知乎
额度也确实撞得到墙。有测评者刚用顺手就弹出限流提示，解禁时间被写到当天 18:37——整整四个钟头。也有用户做完一个前端任务就被限制用量，且找不到付费消耗积分的入口，只能等额度刷新。知乎知乎
想私有化部署则要再等等：正式版相对 preview 的一个实际退步是，权重至今没有放出，官方只说了一句「近期开源」，没给日子。API 侧价格倒是没动，输入 6 元、输出 18 元每百万 tokens 维持不变，腾讯云 TokenHub 按刊例价 5 折到 12 月 31 日。知乎知乎
值不值得把自家流程交给它「看一遍就会」，有个便宜的判断办法：拿一段带图的多源材料和一条跨应用的 GUI 长任务各跑一遍，重点盯两处——它遇到看不清的地方会不会老实标注「待确认」而不是硬编答案，长任务中途断点之后还记得不记得最初要干什么。真正决定它上限的，是官方训练沙箱里数百款应用之外的陌生环境；而主打性价比的 Hy4 flash 也承诺在继承视觉和 Agent 能力的基础上进一步压低任务成本，两个节点都值得盯：开源权重落地的日子，和第三方榜单收录后的真实排位。知乎
