2026年11月4日，腾讯混元正式发布Hy4旗舰大模型，在8月底Hy4 preview预览版基础上完成能力补全与工程收敛。这一次迭代的核心意义，不在于参数规模的再度膨胀，而在于腾讯把MoE稀疏架构、原生视觉理解、Computer Use（CUA电脑操作）长程智能体三条主线收拢，将模型定位从“长文本代码助手”推进到可直接介入图形界面、跨软件流转任务的生产力主体。在国内大模型赛道告别单纯跑分竞赛、转向真实工作流落地的节点，Hy4正式版的出场，也为国产开源模型的竞争标尺写下新的参照。

Hy4延续770B总参数、单token激活49B的MoE混合专家架构，百万级上下文窗口保持不变，这一规格延续了preview版本的基座设计思路：用超大基座承载知识，依靠稀疏激活控制推理成本，规避全参数大模型落地时的算力溢价压力。对比预览版，本次正式版的投入重心落在预训练与后训练数据扩容、多模态对齐、GUI与命令行操作专项训练上，而不是继续放大参数。在行业普遍陷入“参数军备竞赛”的阶段，腾讯选择在固定基座上做场景深度打磨，本身是一种成本与落地优先级的取舍。

最值得产业侧关注的两项新增能力，是原生视觉理解与Computer Use。此前Hy4 preview仅聚焦文本、代码与长文档处理，正式版补齐视觉链路，支持细粒度图像识别、复杂图表解析、数学视觉推理，不再只能读取文字，而是看懂截图、报表、图纸、界面画面。而Computer Use能力则是本次版本的核心变量：模型可以同时操作图形界面与命令行，针对Blender、CAD、Unity、Godot等设计、工程、游戏引擎软件做专项对齐，执行跨应用、多步骤的长链路任务。这意味着Agent不再局限于API调用、插件工具，而是进入人类日常工作的GUI环境——也就是绝大多数企业、设计师、开发者的原生工作界面。

从行业范式看，这一步跨越的门槛很高。过去一年国内Agent方案大多停留在“文本规划+工具调用”的浅层闭环，依赖标准化接口，一旦遇到无API封装的传统软件、本地化工具、零散网页，任务链条就会断裂。Computer Use的本质，是让模型模仿人的操作逻辑：看懂屏幕、规划动作、点击输入、校验结果、循环纠错。但它同时也伴随更高的不确定性：界面布局变化、弹窗干扰、软件版本差异，都会直接降低任务成功率。腾讯没有宣称这一能力已经成熟，而是把它作为生产力模型的长期演进方向，这与海外同类模型的节奏保持一致。

配套场景数据也勾勒出Hy4的落地主线。在金融方向，由213位行业专家设计579项真实任务开展评测，Hy4综合得分3.04；在检索幻觉指标上，自建测试集里幻觉率从preview版15.76%下降至5.45%，猜测类错误率由23.1%降至5.6%。在科研场景，官方披露其在无人工干预条件下完成细胞切片对齐与胚胎三维重建；在内部工程链路中，模型甚至可以定位训练系统瓶颈，将端到端训练吞吐提升20.1%。办公侧，Hy4已经接入WorkBuddy、CodeBuddy、企业微信大圆助理，打通文档、表格、幻灯片协作，面向开发、金融、科研、内容生产四类高价值生产力场景做定向优化，而不是泛化的通用对话模型。

商业化定价策略上，腾讯选择“性能升级、价格不动”。Hy4正式版API定价维持输入6元/百万token、输出18元/百万token，缓存命中0.3元/百万token，这一定价策略释放明确信号：在旗舰模型能力提升的同时，不抬高企业调用门槛，依靠规模与推理优化消化新增能力带来的成本。目前模型已经在腾讯云TokenHub、元宝、ima上线，API同步接入OpenRouter等海外平台，QQ、微信读书、腾讯游戏等内部产品正在分批接入。权重将于近期开源，同步发布模型卡，开源治理层面重点标注网络、生物方向安全风险，走“能力开放+风险约束”的路线，区别于无门槛放任开源模式。

同一代产品矩阵上，腾讯同步预告Hy4 Flash轻量版本，将完整继承视觉、Computer Use、Agent核心能力，主打高频调用、性价比场景。“旗舰Hy4 + 轻量化Hy4 Flash”的双轨布局，是混元在产品侧的重要调整：旗舰版本用来抢占技术标杆、复杂长任务、专业工作站场景；Flash版本面向海量日常调用、端侧与中小客户，用同一技术底座分化算力需求，避免旗舰模型因成本过高只能停留在标杆演示。这一布局也折射出当下大厂的共识：单一旗舰模型无法覆盖全部需求，分层模型体系才是规模化落地的基础。

放到国内大模型竞争棋盘上看，Hy4正式版的发布，恰好踩在国产模型集体转向Agent与多模态生产力的周期。智谱、深度求索、阿里通义等厂商近期均在强化长程任务、GUI操作、行业Agent能力，赛道的竞争焦点已经从MMLU、GSM8K等通用榜单，转向SWE-bench、金融实操、工业设计、科研自动化这类真实任务集。但需要客观看到，腾讯团队并未回避差距：官方对外口径中，Hy4跻身全球第一梯队开源模型，但和顶尖闭源模型在复杂长程规划、鲁棒性、极端场景纠错上仍存在距离。开源模型的固有短板——推理稳定性、复杂GUI容错、高质量长链路数据供给，依然是悬在Hy4头上的问题。

更大的变量，来自腾讯自身的业务协同逻辑。混元的路线和很多独立模型公司不同：它的迭代数据、场景验证、产品出口，都内嵌在腾讯既有生态内。企业微信、云服务、游戏开发、代码工具、办公助手，既是模型的测试场，也是商业化出口。这种“模型-产品协同设计（Co-Design）”模式，优势是可以拿到真实业务反馈快速闭环；风险在于，模型能力容易被内部场景偏好牵引，外部开发者生态的丰富度，能否追上技术能力的提升速度，仍有待观察。开源权重的发布，正是腾讯试图对冲这一点的手段：用开放基座吸引外部开发者，把Computer Use这类通用性能力放到更广泛的工作流里验证，而不是封闭在腾讯产品体系内部循环。

算力约束依然是绕不开的底层命题。此前Hy4 preview上线时，曾出现调用排队、紧急扩容的情况，暴露高端算力供给的刚性瓶颈。MoE架构虽然降低单token推理成本，但训练、调度、负载均衡、多模态对齐依然需要巨量算力资源。当Hy4叠加视觉输入、GUI连续动作采样之后，单次任务的token消耗、调用时长都会显著抬升。对于企业客户而言，Computer Use的价值不在于单次问答，而在于持续、稳定、低成本的自动化；算力调度、推理优化、任务失败重试机制，会决定这项能力能不能从演示走向规模化业务。

长期来看，Hy4正式版的标志性意义，是确认了一个趋势：下一代生产力大模型的核心不是“回答问题”，而是“执行任务”。视觉理解负责看懂环境，长上下文负责记住项目背景，Computer Use负责在操作系统里完成动作，Agent负责多轮规划与自校验。这套能力组合，正在重构人机协作的界面——从对话框交互，走向模型直接介入软件环境。

对于腾讯而言，Hy4不是终点。Flash版本、持续迭代的Agent工作流、开源生态的治理，将是接下来的重点。而对于整个国产AI产业，Hy4交出的答卷提出了一个朴素问题：当所有厂商都具备视觉、长文本、工具调用能力之后，谁能把模型的执行稳定性、场景容错、成本控制做到可用、可规模化，谁才会真正拿到生产力市场的份额。跑分只是入场券，真实工作流里的持续交付，才是这场竞争的终局。