Tencent Hy4：视觉理解，计算机操作

1. 将从图像中读取的信息用于屏幕操作

相较此前的预览版，Hy4 扩大了预训练和后训练这两个学习、优化阶段的规模，并首次加入视觉功能和计算机使用能力。腾讯称，它能够读取图像细节和复杂图表，并操作通过文字输入指令的命令行及图形界面。

屏幕操作训练涵盖 Blender 和 CAD 等专业软件，后者是利用计算机绘制设计图的工具。训练还包括跨多个应用程序的工作流程，以使其能够规划和执行任务。

按腾讯公布的数据，在计算机操作评测 OSWorld 2.1 的全任务、部分得分（Full, partial score）条件下，Hy4 得分为 78.9，Kimi K3.1 Pro 为 79.6。各模型均采用可用的最高推理设置进行评测。

2. 学习游戏引擎和多用户环境

在游戏开发方面，团队与腾讯互动娱乐事业群的开发者共同制作了训练资料和评测。模型针对主流游戏引擎，即驱动游戏规则和画面的基础框架进行了调优，也涵盖多人游戏开发。据公司公布的数据，游戏开发评测较预览版提升 19.1%，游戏逻辑评测提升 9.8%。

3. 分多个阶段执行研究任务

承接长任务的能力着眼于持续规划和执行，而非只回答一个问题。腾讯介绍了内部评测 TenureTrail，其中包含数学、物理科学、生命科学等 7 个领域的 123 项可执行研究任务。据公司公布的数据，在被归为开放权重、即公开模型内部数值的模型中，Hy4 排名第 1。

表：研究任务执行评测得分

条件：TenureTrail 内部评测，7 个领域的 123 项可执行研究任务，各模型采用最高推理设置，即计算答案方式的设置，使用 Claude Code 2.1.220，依据腾讯公布的数据

单位：分

在使用相同执行工具评测的三个模型中，Hy4 得分领先。腾讯所强调的长期执行能力，依据正是此类研究任务评测及跨多个应用的工作训练。

4. 金融与办公任务提升检索和文档完成质量

金融评测涵盖由 213 位专家参与的 579 项真实金融任务。据公司公布的数据，Hy4 在此次评测中位列被归为开放权重的模型第 1。针对相同任务公布的得分如下。

表：真实金融任务评测得分

条件：213 位金融专家参与的 579 项真实金融任务，依据腾讯公布的数据

单位：分

在金融评测中，Hy4 的得分略高于最接近的对比模型。

公司表示，检索能力的改进侧重于获取最新信息，即查找并取回最新资料，以及综合多个来源和核查事实一致性。据公司公布的内部评测数据，生成不实内容的比例从预览版的 15.76% 降至 5.45%，推测错误从 23.1% 降至 5.6%。

在文档工作方面，Manus 表示，内部评测中 Hy4 的生成与编辑任务完成率约为 97%。

投资研究公司 RabyteTech 表示，在内部评测的 101 项任务中，Hy4 的得分较预览版高出 12.03 个百分点。

5. 先通过 API 和办公产品使用

开发者可通过腾讯云或 OpenRouter 的 API 使用 Hy4。业务用户可通过 WorkBuddy、元宝等已接入的产品使用。

WorkBuddy 可连接企业通信工具企业微信，根据聊天、邮件、文档、日程和会议记录，整理多个项目的最新进展与待办事项。这意味着长任务的应用不仅涉及研究，也覆盖日常项目管理。

据公司公布的信息，API 价格与预览版相同。用户能以相同单价将应用范围扩展至图像理解和屏幕操作，但需承担 API 使用费用，或通过已接入这些功能的产品衔接业务。

模型权重计划后续开放，因此部署到自有基础设施，即自行运营服务器和设备的环境，仍属于下一阶段。腾讯计划届时发布包含安全评测与技术信息的系统卡，即整理模型功能与安全信息的文档。公司表示，在长期编码和高级视觉问答等方面，与顶尖闭源模型仍有差距。

Hy4 的变化在于超越对话模型，扩展为结合视觉信息与多种工具的任务执行模型，目前仍处于通过腾讯产品和 API 使用这些成果的阶段。