11月4日，腾讯混元正式推出新一代大语言模型Hy4，并且旗下AI助手元宝也同步完成了能力接入。现在，在元宝App、PC客户端、网页端，用户都能把模型切换到Hy4使用。

（图源：元宝）

据官方介绍，随着多项底层能力的升级，Hy4首次进入了最强开源模型梯队。参数方面，Hy4从Hy3系列的不到300B升级到了770B，但在雷科技（ID：leitech）看来，这次新版本的核心看点在参数之外，它终于补齐了 AI Agent落地的关键能力：视觉理解与电脑操作（Computer Use）。

不出意外的话，Hy4此次加入的新特性，特别是针对长程智能体任务的升级，可能会改变我们对开源模型工作流的预期。现在，我们将结合实际的测试体验，看看它的表现如何。

告别纯文本，走向生产力落地

这次Hy4的升级逻辑，说白了就是将模型与产品深度融合，让AI摆脱主打聊天的玩具属性，成为能实打实干活的长期个人助理。

正如开头所说，它的升级核心点之一是视觉理解。缺失原生的视觉理解能力是很多开源模型的一大痛点，这次Hy4首次引入了视觉理解，并且直接拉到了能处理细粒度图像、复杂图表分析和数学视觉推理的级别。

Hy4支持电脑操作，关键在于拥有了直接跨界面、跨应用操作的能力。过去大模型干活，很多时候只能依赖厂商开放的API接口，而Hy4可以直接结合命令行和图形界面，像人类一样去接管各类任务。

据官方介绍，不管是专业软件，还是需要跨应用流转的长程任务，混元都为其开展了专项训练，大幅提升了执行规划能力。某种程度上说，这让大模型长出了手脚，可以接管打工人的很多重复操作。

同时，Hy4围绕降低幻觉和优化专业垂直场景能力下了不少功夫。在这方面，Hy4 启动了针对时效检索与事实一致性校验的搜索优化，在自建测试中将幻觉率从12.95%降至7.2%，因猜测导致的错误率更是从23.1%暴降至5.6%。

为了在专业场景落地，它学习了基金研究、财税会计、资产配置等成千上万个金融任务，在涵盖两百多位金融专家的众测中，其基于真实任务的综合得分超越了GLM-5.3和Kimi K3.1 Pro等对手。此外，在前端和游戏开发场景，Hy4不仅优化了复杂的前后端联动，还实现了对UE、Unity、Godot等主流引擎的深度适配。

（图源：混元）

总的来看，无论是填补视觉短板、接入电脑操作，还是降低幻觉，Hy4都在试图解决AI落地的痛点。那么，它在实战中的表现究竟能不能经受住考验？接下来，我们将直接进入具体的Case测试环节。

做互动网页、读财报、本地信息检索，Hy4表现都不错

前面我们说过，在官方信息中，Hy4各方面的能力都很强，并且围绕现实场景做了不少针对性的升级优化。但作为用户来说，我们更想看看在参数跑分之外，Hy4实际干活的能力怎么样。为此，我们设计了几个项目，来实测看看Hy4的真实表现。

一句话把《三体》飞船讲明白

这是一个互动网页的设计任务，主要考验模型对写代码、网页设计的掌控度。我们发给了Hy4一句话：

为一个没有航天知识基础的读者制作讲解《三体》中工质飞船和非工质飞船的区别的互动网页，让他们能够比较轻松地理解二者到底有什么不同，并且可以在「太空」中点击飞船产生互动。

想到这个任务，主要是我之前在阅读《三体》时，小说花了大量篇幅来讲述工质飞船和非工质飞船两条路线之争，它也是推动故事主线的重要元素。只是，没有理工科专业背景的我，当时很难理解这些概念。好消息是，现在AI大模型越来越强大了，那么把任务交给它就行了。

Hy4用400多行代码把这个任务完成了，最终生成的网页里，它先用简洁且比较通俗的文字介绍了两条路线之间的区别，并且用了「背砖头」和「不背砖头」来打比方，方便读者理解。

（图源：雷科技）

接着，这个页面还有按照要求设计出来的互动界面，太空背景里放置着有闪烁效果的星星图案，很细节了。界面分成上半区和下半区，各自有一艘小飞船，分别代表了工质和非工质辐射飞船。我们点击对应的飞船图案，飞船会移动，并且拥有不同的特效。甚至，AI还设计了虚拟的能量条，还有让两艘船回起点的重置按钮，变成了一个小游戏。

（图源：雷科技）

可以发现，Hy4已经能深入理解用户的需求，并且能做成一个相对复杂的交互网页。这类案例，在现实中的课件制作、产品Demo演示、儿童教学等场景中都是非常常见的，这里AI给我们带来的帮助是很明显的。

视觉理解+联网检索，财报分析很准

这个任务我们是在WorkBuddy中进行的，提示词还是很简单，只给了一张苹果财报截图和一句话：

根据这张苹果Q4报表截图，计算一下该季度iPhone的ASP平均售价

说实话，这个任务我们特意埋了一些「坑」，比如截图清晰度比较一般，而且苹果财报并不会披露iPhone销量，需要其他渠道去获取相关数据。

但Hy4完成得很好，首先最基础的，它把核心财务数据都准确提取出来了，包括iPhone的营收金额，并且联网检索获取到了IDC提供的当季iPhone出货量数据，算出了iPhone的ASP为1005美元。AI还额外计算了该季度iPhone营收、销量、ASP的同比变化情况，呈现方式也很简洁明了。

（图源：雷科技）

其次，Hy4还指出了这种计算方式的不足，具体包括统计周期的错位、iPhone类目营收包含配件在内等。

（图源：雷科技）

AI在财务、法律等场景里，很忌讳的就是幻觉和夸大。Hy4此处就展现出了该有的严谨性，它会去检索第三方信息，但也会说明其中可能存在的问题。有几分材料说几分话，也是AI作为生产力工具所需要具备的素质。

难度升级，跨应用任务也能搞定

这个任务，我们加大了难度。最近，我正在办理签证，正处于和旅行社对接、准备资料的阶段。现在，我们直接让WorkBuddy里的Hy4去找到微信里的旅行社工作人员并从聊天记录里获取信息，同时还要在电脑本地文件夹里核对缺了哪些资料。具体的提示词是：

最近我在办理西班牙签证，已经微信添加旅行社工作人员并对接。你查询下微信聊天记录（微信已登录，可用Computer Use来操作），看看要提供哪些资料。另外，我在Mac本地下载文件夹里存放了护照扫描件和户口本电子页PDF文件，你核对下，看我还缺哪些材料。

Hy4的表现还是很让人惊喜的，第一步，它在微信里精准识别出了旅行社工作人员，并且在聊天记录里获取到了核心信息。

（图源：雷科技）

第二步，它在本地文件夹里检索核对，准确判断出了还要哪些资料。而且，AI还发现了本地的美签照片，提示美签和申根签证照片规格不一样，不能通用。

（图源：雷科技）

这个任务的复杂程度在于，它要求AI像真人一样去操作用户的微信客户端，并且「看懂」界面、图片等。这个过程中，Hy4得调用电脑操作能力，高效地进行跨应用操作。同时，视觉理解能力也是必备的，否则它很难准确从图片里提取信息，也看不懂其他应用的UI界面。

另外，隐私安全问题也不用担心，WorkBuddy进行敏感操作时，都会向用户询问，用户同意后才能进行。

模型与产品协同，混元找到了落地路径

经过前面一系列跨度很大的实测，我们可以感受到，腾讯混元Hy4已经不局限于单纯的参数升级，同时也在向实用的生产力工具进化。在我们前面测试的互动网页设计、财报分析、签证资料核对的任务中，Hy4展现出的原生视觉理解、跨界面跨应用操作以及低幻觉率，都证明了它不仅看得懂，还能真正替人干活。

同时，我们也认为，Hy4用起来体验很好，核心原因除了底层模型本身能力的升级，还包括Hy4模型融入了产品端这点。

过去，强大的模型能力往往是通过开发者用API等方式实现的，普通用户的使用场景有限，很难将其转化为日常生产力。而Hy4的不同之处在于它与元宝、WorkBuddy等核心产品深度协同，消灭了普通人的使用门槛。Hy4这类模型是AI的大脑，而元宝、WorKBuddy这样的软件工具则为AI装上了手脚，并提供了发挥能力的平台，从而深入到真实的使用场景里。

一方面，应用产品赋予了模型最直接的落地场景。通过全面接入元宝App、PC及网页端，普通用户能轻松调用Hy4强大的多模态和推理能力；另一方面，在更复杂的生产力场景中，WorkBuddy与Hy4的协同让AI的电脑操作能力得以落地。

（图源：WorkBuddy）

当Hy4在执行跨应用读取微信、检索本地文件等复杂长程任务时，WorkBuddy提供了步骤拆解与隐私确认机制，保证AI在高效执行的同时，用户仍然有最终控制权。

根据易观分析提供的数据，WorkBuddy的9月访问量已经超过了8500万次，成为国内办公Agent平台里的第一。同时，根据QuestMobile统计的9月数据，元宝以月人均使用38.7次、月人均时长78.6分钟在国内原生AI应用使用频率排行榜中位列第三。

这些AI工具受用户欢迎，很核心的一个原因就是它产品体验做得好，同时与腾讯的办公生态有深度融合。

现在来看，强悍模型+易用Agent工具的组合，能产生很好的效果，它消灭了AI大模型和真实工作场景之间的阻隔。可以预见的是，未来的AI个人助理工具，估计也会以这种模型和产品深度绑定的形式出现。