- 地址:
- 北京市昌平区城北街道鼓楼西街1号
- 邮箱:
- zkhqyjy@163.com
- 电话:
- 010-56288028
- 传真:
- 010-56288055
,并计划开源模型权重。相比于今年8月发布的Hy4 preview,Hy4显著扩展了预训练和后训练规模,

视觉能力的从无到有,解锁了不少Hy模型的新玩法。比如,用户可以上传随手拍摄的照片,让Hy4确定地理位置并核实信息。或是根据一张课本图片,打造3D的讲解网页。

从腾讯公布的完整基准测试结果来看,Hy4在智能体编程、搜索、办公等领域的多个公开基准测试中,实现了对DeepSeek-V4.1-Flash等模型的超越,但是距离GPT-6.1 Sol、Claude Opus 5.5等模型仍有一定差距。

Hy4也在为递归自我改进(RSI)做准备。结合腾讯自研的科研智能体Hyra2.0后,Hy4优化了内部同架构小模型的预训练基础设施,实现了20.1%端到端训练吞吐提升,并自动训练出在多项评测中优于官方的Jev模型。

腾讯还计划在近期发布Hy4 flash,会显著提升模型性价比和推理速度。
腾讯称,他们已联合vLLM/SGLang社区以及Inferact Inc.为Hy4提供开源生态支持。在发布之前,国产算力生态已经开始进行Hy4的推理适配。11月2日,适用于昇腾NPU的vLLM-Ascend开源插件仓库新增一项名为“Add Hy4 deployment guide”的PR,涉及在Hy4在昇腾950DT上的单节点、多节点和PD分离部署。

在Hy4正式版发布前,智东西提前拿到内测权限并进行了体验。从我们的体验结果来看,补齐原生视觉理解是Hy4最实质的变化,它直接改变了编程、3D建模等任务的交互方式,操作微信电脑版等PC应用的体验也更好;同样值得关注的是长程任务能力的提升,在多轮迭代中,Hy4相比此前的Hy系列模型展现出更强的目标保持能力。
原生视觉理解能力一直是Hy旗舰模型此前的一块空白。在这次实测中,我们将它与编程、3D建模等复杂任务放在一起考察。
在编程场景,腾讯对前端的复杂交互、业务逻辑、状态管理、前后端联动等方面进行了针对性优化,让模型生成的界面除了好看,也具备完整可用的功能。
先来看一个轻量的网页改造任务,我将智东西的官网链接甩给Hy4,并选取了另一个网站作为参考设计,让Hy4据此进行改造。
拿到任务后,Hy4对两个网站都进行了充分的探索,一方面阅读HTML代码,熟悉网站的结构骨架与样式基因,另一方面通过截图,确认版式比例、视觉重心与色彩气质等这类难以从代码中直接感知的设计细节。

原生的视觉理解能力也让修改代码变得更加轻松:我可以直接截图,把界面上想改的地方指给模Kaiyun官方网站型看,不用再费力用文字描述布局、配色和元素位置。对于小修改,HY4大概只需要花上1-2分钟,思维链看上去比Hy4 Preview更为简洁。

最终,在经历三四轮人工反馈后,Hy4交出了我们相对满意的智东西官网改造设计,在保留智东西品牌色、网站交互等细节的同时,采用了TechCrunch的版式,并且规避了粒子光效、渐变发光等典型的AI味儿设计语言。

我们的下一个实测任务是3D模型的开发,环境是Blender。腾讯称,在Hy4上,他们针对Blender、CAD等专业软件和跨应用长程任务开展了专项训练,优化了专业任务的规划与执行力。
要用好外部工具,相应的Skill、打通MCP连接器必不可少,我从GitHub上找了一个Blender Skill的合集,并让Hy4完成安装和MCP配置。

完成后,我上传了一张腾讯经典企鹅形象的二维图片,并要求Hy4据此打造一个3D模型,并在企鹅肚子上预留一块屏幕的嵌入位,这么一来,它就能成为一个AI硬件的外壳。

在17分钟的执行后,Hy4交付了初版模型。这个模型抓住了关键特征,红围巾、圆肚皮、屏幕嵌入位都在,但整体还原度还有提升空间。
同时,它还充分考虑了AI硬件所需的其他要素,在我们没有明确要求的情况下,加入了USB-C开孔、扬声器开孔、头顶麦克风开孔以及内部装配参考件。
此后的30多分钟里,我边截图边与Hy4对线轮改稿,逐一指出它的模型设计与腾讯经典企鹅形象的差别。


参数化管线能直接读回的都是标量,面对跨对象、跨尺度的问题时容易判断缺位。


