騰訊混元Hy4正式版：首度能看圖、操作電腦，將開源

騰訊11月4日推出自家大模型混元Hy4的正式版，最大的變化是：它第一次能看懂圖片，也能自己動手操作電腦。騰訊說，它的整體表現已擠進開源模型第一梯隊，模型權重也即將公開，任何人都能下載來用。

過去的聊天機器人像一位很會說的顧問，你問怎麼做，它講給你聽；Hy4想當的，是直接坐到你電腦前、接手滑鼠鍵盤的助理。它能混搭指令列和一般視窗介面完成任務，騰訊還特別針對Blender、CAD這類專業設計軟體，以及要在好幾個軟體間來回切換的長流程任務做訓練。為了讓它練功，騰訊架了一個裝有幾百套軟體的沙盒環境，讓模型反覆操作、再檢查結果。

看圖方面，它能結合辨識、推理和呼叫工具，做精細的圖片處理、拆解複雜圖表，甚至解需要看圖的數學題。和8月的預覽版相比，它在照指令做事、讀長文件、長時間任務和深度研究上也都有進步。

騰訊拿出幾個例子：遊戲開發的兩項測試分別比預覽版進步19.1%與9.8%；它在沒有人介入的情況下，花1.5小時完成近700萬個細胞的小鼠胚胎3D重建；還能自己找出模型訓練系統的效能瓶頸，內部測試把訓練效率拉高20.1%。這些都是騰訊自己公布的數字。

騰訊高階執行副總裁、雲與智慧產業事業群執行長湯道生，10月29日就在公司大會上預告，這一代重點是處理長篇文字和各種實際工作任務，推理更有效率，並首度加入看圖能力。

Hy4已進到騰訊元寶、企業微信智慧助理、CodeBuddy等自家產品，也接上OpenRouter等平台。價格維持預覽版水準，雲端標準API到12月31日限時五折，訂閱方案也有限時優惠。

報導分析，把看圖和操作電腦綁進同一個模型，代表中國大模型的比賽重心，正從單純寫文字轉向能實際跑完跨軟體工作的AI代理，直接和國際開源對手正面交鋒。

接下來的看點有三個：主打划算的Hy4 Flash版本何時上線、權重開源後外界採用多快，以及在開源模型更新極快的情況下，跑分領先能不能真的變成付費用量。