腾讯发布混元Hy4正式版：770B参数原生视觉与电脑操作能力确立开源第一梯队地位

一句话结论

腾讯混元Hy4正式版以770B参数及原生视觉能力跻身最强开源模型，显著提升了多模态Agent在复杂长程任务中的自主交付能力。

关键要点

• 模型规模为770B总参数、49B激活参数，首次引入原生视觉能力并支持计算机操作（CUA），在指令遵循和长文理解方面实现升级。
• 在幻觉率控制上取得显著进展，内部测试显示幻觉率由预览版的12.95%降至7.2%，推测类错误率由23.1%降至5.6%。
• 针对金融领域构建数千个工作空间和上万个高质量任务，213位专家参与众测，其中70%来自外部头部金融机构，579个真实金融任务综合表现位居开源模型第一。
• 已同步接入腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理大圆及ima等产品，API接入OpenRouter、Hermes、OpenCode等平台，模型权重将于近期开源。
• 支持像素级视觉感知，能在28亿像素航拍图中定位约2米的屋顶构件，并可自主运行无头浏览器进行UI点击测试与视觉差异对比。

背景与事实

腾讯混元Hy4正式版本已从预览阶段过渡到完整交付状态，其核心特征在于训练规模的扩大与业务场景的深度耦合。从预览版到正式版，该模型显著扩展了预训练和后训练的数据集与计算规模，并采用了联合打磨模式，直接参与一线业务的设计与开发流程。在技术参数上，Hy4采用770B的总参数量和49B的激活参数配置，这种架构设计旨在平衡模型能力与推理成本。此次更新最重要的功能增量是原生视觉能力的引入以及计算机操作（Computer Use Agent, CUA）的支持，这使得模型能够处理涉及屏幕交互和长程规划的任务。

在数据表现方面，腾讯公布的内部测试数据显示了显著的可靠性提升。幻觉率从预览版的12.95%降低至7.2%，而推测类错误率更是从23.1%大幅压降至5.6%。这种错误率的降低对于需要严格事实一致性的企业级应用至关重要。在垂直领域，模型针对金融场景进行了专项训练，覆盖了基金研究、证券分析、量化策略、资产配置、公司金融和财税会计等方向。测试过程采用了严谨的众测机制，共有213位专家参与评估，其中70%的专家来自外部头部金融机构，且具备五年以上工作经验。在这批高标准的阅卷人测试下，Hy4在579个真实金融任务中的综合表现位列开源模型第一。

科研与复杂推理能力也是此次更新的重点。模型在涵盖7大学科、123项可执行研究任务的TenureTrail内部评测中展现了处理数学构造和物理建模的能力。一个典型的案例是处理包含699万个单细胞的小鼠胚胎切片数据集，该数据集涉及84张没有时间和空间连续标记的二维无序切片，且混杂着镜像翻转等噪声数据。在离线运行、无专用配准工具且无细胞类型标注的严苛条件下，Hy4耗时1.5小时自主完成了空间对齐与三维网格重构，全程零人工干预，其对齐精细度甚至超过了专业配准工具的默认配置流程。此外，模型还与北京大学数学团队合作，找到了Méndez–Pinto–Villarreal猜想的反例，并提出了新条件完善猜想，相关证明已通过Lean形式化验证。

影响分析

对于中文开发者与从业者而言，混元Hy4的正式交付意味着低成本获取高阶多模态Agent能力成为现实。首先，原生视觉与CUA能力的结合，使得开发者无需依赖昂贵的专有API或复杂的计算机视觉管线，即可在端侧或云端实现具备“眼睛”和“手”的智能体。这直接降低了开发复杂交互式应用（如三维模型展示、自动化UI测试）的技术门槛。其次，幻觉率和推测类错误率的显著下降，提升了模型在金融、科研等高风险领域的应用可行性。对于金融工程师和数据科学家，这意味着模型在处理结构化财务数据和执行量化策略时，对细微事实错误的容忍度更低，系统的稳定性增强。

此外，模型权重的近期开源以及API在OpenRouter等平台的接入，将为全球开发者提供透明的基准测试机会和灵活的集成路径。特别是针对前端优化、Blender/CAD等专业软件操作以及跨应用长程任务的专项训练结果，表明该模型不仅适用于通用问答，更能胜任具有明确生产力的工作流自动化。对于希望构建私有化AI助理的企业，较低的推理成本（即将发布的flash版本将进一步优化此点）和高并发Agent编排能力，将使其成为替代部分传统RPA（机器人流程自动化）工具的有力候选者，从而在内部办公和客户服务场景中实现降本增效。

适用边界

尽管混元Hy4在多个基准测试中表现优异，但其结论并非在所有场景下均成立。首先，虽然模型在开源阵营中位居前列，但并未宣称在所有领域均超越闭源顶级模型，因此在极端复杂的逻辑推理或超长上下文记忆测试中，其性能仍需与同级别闭源竞品对比验证。其次，目前的实测案例多集中在前端开发、3D建模和特定科研数据集，对于实时性要求极高的高频交易场景或需要毫秒级响应的边缘计算场景，其端到端延迟和功耗尚未在本文数据中体现，因此不适用于对实时性有严苛物理限制的低功耗嵌入式设备。最后，关于金融任务的“第一”结论基于特定的579个任务集和213位专家众测，若任务分布或评估标准发生偏移，该排名可能不具备普适性，且模型权重的完全开源时间尚不确定，目前仅通过API和特定产品体验，限制了底层微调的自由度。

孤本观察

基于本文事实判断，腾讯混元Hy4的战略重心已从单纯追求参数规模转向“业务协同设计”，通过联合打磨一线业务场景来反向优化模型的后训练数据，这种闭环机制是其幻觉率大幅下降的关键。此外，模型在三维交互和自动化测试中展现出的“自我纠错”能力（如自动重构版式、修复边缘Case）表明，多模态Agent的竞争力核心正从单一指令遵循转向长程任务中的状态维持与闭环验证。

来源：量子位