腾讯混元Hy4发布：770B参数强化视觉与电脑操作

腾讯混元Hy4正式发布，模型总参数量达到770B，激活参数为49B，首次加入原生视觉理解和电脑操作能力，同时升级指令遵循、长文理解与长程Agent任务表现。官方称，其电脑操作和长程任务能力已进入开源模型前列。

相较preview版本，Hy4扩大了预训练与后训练数据规模，并与实际业务开展联合优化。国内外版WorkBuddy已同步接入，模型还上线腾讯云TokenHub、CodeBuddy、元宝、企业微信智能助理大圆、ima等产品，并接入OpenRouter、Hermes、OpenCode等平台；腾讯系多款应用也在陆续适配，模型权重将于近期开放。

在视觉测试中，Hy4可从28亿像素航拍图中定位约2米的屋顶构件。面对复古音乐播放器截图，它先拆解配色、字体、布局和像素尺寸，再完成页面与播放功能开发；即使裁切工具出现偏差，也能通过像素分析提取线条和颜色。

最终页面高度还原原图，并实现播放、暂停、切歌、进度拖动、音量调节、循环、随机、搜索和收藏等功能，还支持键盘操作。模型利用浏览器Web Audio实时合成三首测试曲目，无需用户提供音频文件。

Hy4还会自主测试交付结果：它在沙盒中启动无头Chrome，逐项点击和拖拽界面并进行截图比对。首轮51项测试通过48项，随后自行修复歌曲列表边界问题；回归测试最终通过59项，控制台及运行时错误均为零。

针对游乐场平面图，Hy4完成了设施建模、道路布局、材质与摄像机配置，搭建出可交互的“星光游乐园”。项目支持WASD移动、鼠标转向、Shift加速、设施标签、小地图、返回入口和沿道路自动巡游，摩天轮与旋转木马也具备动态效果。

在长程Agent任务中，Hy4根据便携投影仪资料制作了16页PPT，并能发现文字越界后自动重排；面对新模板时先试改单页，验证无误后再批量处理。它还完成了ATELIER图片批处理工具，支持批量导入、裁切、改尺寸、压缩、格式转换、预设方案、实时画质对比和ZIP导出，并能通过Chrome中的JS Paint控制鼠标临摹图片，体现了CUA电脑操作能力。

训练结果显示，Hy4内部测试幻觉率从preview版的12.95%降至7.2%，推测错误率由23.1%降至5.6%。金融专项训练覆盖基金研究、证券分析、量化策略、资产配置、公司金融和财税会计，213名专家参与评测，其中约七成来自头部金融机构；在579项真实任务中，综合表现位列开源模型第一。

在科研评测中，Hy4覆盖7个学科、123项可执行任务，并在离线条件下用1.5小时完成包含699万个单细胞、84张无序小鼠胚胎切片的空间对齐与三维网格重构。它还在数学合作研究中找到Méndez–Pinto–Villarreal猜想反例，提出补充条件并用Lean完成形式化验证。相关能力可通过WorkBuddy和CodeBuddy体验，限时免费开放至11月15日23:59；面向低推理成本、端侧部署及高并发Agent编排的Hy4 flash也正在开发。