腾讯混元跻身最强开源模型！一手实测Hy4：搭配WorkBuddy，多模态Agent交付力拉满

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 腾讯混元跻身最强开源模型！一手实测Hy4：搭配WorkBuddy，多模态Agent交付力拉满 闻乐 2026-11-09 16:44:00 来源： 量子位 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 混元Hy4正式交卷了！ 腾讯这次上来根本不跟你客气，态度就明晃晃写在脸上： 跻身最强开源模型之列 。 770B总参数、49B激活参数， 首次引入原生视觉能力、首次支持电脑操作 。 指令遵循、长文理解和长程Agent能力也一起升级 ，电脑操作、长程Agent任务都挤进了开源阵营前排。 从preview到正式版，Hy4显著扩展了预训练和后训练的数据与训练规模，甚至还直接跑去跟一线业务搞起了“Co-Design”联合打磨。 WorkBuddy国内版、国际版已经同步完成首发接入！ 我就先在WorkBuddy里给它出了个难题：给我搓一把完全可交互的3D机械键盘出来。 75%配列、84键，键帽、轴体、定位板、PCB、电池和外壳，六层结构都安排上了。 鼠标拽着能原地炸开看内部做工，装回去还能直接上手敲，连按键下压、弹簧受力回弹的物理动效都给你算进去了。 这么一看，制作新品展示demo的活儿不就有人干了？你说是吧Hy4～ Hy4已经在腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理大圆、ima等产品上线；API同步接入OpenRouter、Hermes、OpenCode等平台。 QQ、王者荣耀、和平精英、微信读书、腾讯新闻等腾讯系产品也在持续接入中。 模型权重也将于近期开源。 那咱也话不多说，先来实测一波。 像素级视觉感知 Hy4首次引入的视觉理解，细节识别已经精细到 能够在28亿像素航拍图中，定位约2米的屋顶构件 。 这眼神儿是真不错。 那咱接下来也考考它的眼力。 第一道题， 照着一张设计截图，做一个复古风格的音乐播放器 。 先不说高清航拍图，我就想看看，它到底能不能看懂排版细节。 Hy4接单之后先把图里的配色、字体、布局挨个拆了一遍，连左侧栏宽多少像素都量好了，然后才开始写代码，把页面和播放功能一起搭起来。 中间裁切工具出了点偏差，它还换了个办法，直接分析像素来定位线条、提取颜色。 行，做题还自带尺子和色卡。 看到成品的那一刻，我盯着屏幕看了足足半分钟，不er，这还原度得99.9%吧—— 米色打底、橙红点缀、黄绿配色，再加上粗粗的大标题和一张黑胶唱片，复古味儿一下就上来了。 导航、歌单、播放区域和待播列表，也都待在该待的位置。 我把买家秀和卖家秀并排放着找了半天不同，最显眼的居然是左上角那俩前进后退按钮：一个圆，一个方。。。 属于是不拿放大镜看，都不知道该从哪儿挑刺。 翻了翻Hy4的交付说明，播放暂停、上下首切换、拖动进度、调节音量都接上了，循环、随机播放、搜索和收藏同步也没落下。 连手懒得碰鼠标的情况都考虑到了：空格控制播放，方向键调整进度。 然而当我点下播放键才发现， 它连三首测试曲子都给备好了 。 我没给它传任何音频文件啊！ 视频地址：https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ 原来这些曲子是它用浏览器原生的Web Audio实时合成的，不用我再满电脑翻音频文件，打开网页就能听。 好好好，我只给了一张图，Hy4不仅交付了播放器，还附赠测试曲库，顺手把试音的活儿也包了。 接着翻它的自测流水。 照记录里的过程，Hy4写完代码后，自己悄悄在后台拉起了一个无头Chrome浏览器，在沙盒环境里对着各个UI按钮挨个点击、拖拽，一边点一边截图做视觉差异对比。 第一轮其实也没一把全过： 51项过了48项，两项卡在测试脚本，最后一项被它自己揪出来——列表放完最后一首歌，再点下一首时逻辑没处理闭环。 它反手把这个边缘Case改了，重新跑回归。 最终报告显示，59项测试全部通过，控制台报错和运行时异常均为零。 光二维界面还不够过瘾，我又扔给Hy4一张游乐场平面图，让它把园子给“立”起来。 设施在哪儿、多大，路怎么拐弯，都得照着图来；摩天轮和旋转木马也不能光站着摆造型，得转起来；这游乐园还得能让我进去逛。 经历了一连串几何体建模、着色器配置和摄像机绑定，它真的把整座“星光游乐园”原地拔地而起了。 经典的红白旋转木马顶棚、主路两旁的小卖部、沿街分布的低多边形树木与草皮，全按比例投射进了三维空间。 低多边形画风也挺清爽，看着像个适合摸鱼时进去溜达两圈的小游戏。 我本来都做好了进门先迷路的准备，右上角居然还配了张小地图：设施、道路、草坪，连我现在站哪儿都标出来了。 进园后，WASD移动，鼠标拖动转向，按住Shift还能加速，想看设施就打开标签。 逛晕了还能一键返回入口，主打一个随时找得着北。 它甚至准备了“沿道路自动巡游”的按钮，点一下，连路都不用自己走。 好嘛，让它建个游乐园，导览服务也一起开张了。 视频地址：https://mp.weixin.qq.com/s/OThj_29CAuHn6ioaqjkSpQ Agent交付力拉满 游乐园逛完，回来干点正事，试试Hy4这次重点强化的Agent和长程任务能力。 我给它塞了一份“拾光Beam Go 2”便携智能投影仪的产品资料，让它做套15页左右的新品介绍PPT。 Hy4先把资料从头捋了一遍，配图也没瞎找，直接利用原生代码绘制风格高度统一的矢量示意图，图表则保留成可编辑的形式，方便后续修改。 在渲染第4页时，它发现一段长文本挤出了页面安全边框，自己在后台立刻重构版式，把单栏拆成了卡片流，二次校验通过后才继续往下推进。 最后一共交了16页PPT。行，还多送一页。 不过，打工人都懂，PPT做完了，往往才是改PPT的开始。 我又扔给它一份完全不同视觉体系的暗黑高对比度模板，要求它按新版式重刷一遍。 Hy4倒没急着把16页全改了，先挑一页试着套进去，确认没问题，再批量修改剩下的页面。 不得不说，边验证边工作的能力是它这次非常亮眼的优势，不是一股脑输出完就交差，而是小步试错、验证通过再推进，大幅减少返工。 接着，我又给Hy4派了个活儿： 做一个高可用性的图片批量处理工具。 裁切、改尺寸、压缩、导出，单张图折腾几下还行，一批图挨个来，鼠标没坏，人先麻了。 这次干脆把重复的手工操作交给它。 Hy4领到任务后，先在环境里去研读了业内开源标杆Squoosh和Image Workspace的优秀设计，借鉴了原图/压缩图对比滑杆、预设工作流的技术方案。 然后快速拆分出上传流、处理流、Web Worker多线程并行、Canvas图形管线、ZIP归档模块，直接敲代码。 成品交付的时候，名字都起好了—— ATELIER影像批处理工作台。 米白底色、橙色点缀，打开先弹出三步引导。Slogan是：“把重复的交给工具，把审美留给自己。” 行，我负责审美，它负责重复。 按交付设计，图片可以整批拖入，也能直接选文件夹；左侧统一设置裁切、尺寸、压缩和格式，少数需要“特殊照顾”的图片，再单独调整