BUILD｜抢先实测Hy4 Preview ：进步明显，我直接用它办了场苹果发布会

作者｜董道力
微信｜ddl941110

8 月 28 日，腾讯混元发布并开源新一代大语言模型 Hy4 Preview ，总参数 770B、激活参数 49B，在模型尺寸、上下文长度、数据规模上都进行了显著的扩展。

腾讯 Hy3 并不难用，它的问题是天花板来得太早。295B 总参数、21B 激活参数，让 Hy3 拥有不错的性价比，但在旗舰模型这条赛道上，竞争对手仍在继续扩大规模。Kimi K3 和 Qwen3.8-Max 的总参数分别达到 2.8 万亿和 2.4 万亿，激活参数也来到 104B 和 95B。

这种差距，一旦进入复杂代码、多工具协作和长链路 Agent 任务，模型需要连续完成理解、规划、执行、检查和纠错，任何一步出现偏差，都可能被后续步骤不断放大。Hy3 证明了小参数也能把大量工作做得足够便宜，但它能支撑多复杂的任务，上限也逐渐清晰。

Hy4 Preview 要补上的，正是腾讯此前缺少的旗舰能力。

正好，苹果发布会要来了。我们索性让 Hy4 Preview 提前接管一场尚未发生的苹果发布会：

1、先联网收集情报、判断信源并预测新品

2、再制作完整的发布会 PPT

3、模仿苹果搭建产品网页

4、最后做出一台可以旋转、缩放和开合的 3D iPhone。

我们同时用关闭 Agent 记忆，用 Hy3 做同样的任务，看看 Hy4 Preview 进步了多少。

1

第一关：搜索与发布会策划

请联网搜索截至今天的苹果“Surprise and shine”发布会信息，至少查看：- 苹果官网- Reuters、Bloomberg等主流媒体- Mark Gurman、郭明錤等记者或分析师- MacRumors、9to5Mac等科技媒体- 供应链、价格和上市时间相关报道要求：1. 区分官方确认、媒体报道、分析师爆料和你的推测。2. 同一条爆料被多家媒体转载，只算一个独立信源。3. 尽量追溯原始来源，保留来源名称、日期和链接。4. 无法确认的信息标记“未确认”，不得自行补充。5. 不要把传闻写成苹果已经确认的事实。根据调查结果：- 预测苹果会发布哪些产品- 给出每款产品的发布概率和判断依据- 策划一场20分钟发布会- 给出分钟级流程、产品出场顺序和安排理由- 整场发布会最多保留三条主要叙事- 可信度低于60%的产品不得进入主流程请生成并保存：- research.md- keynote-plan.md完成后检查文件，并报告文件路径、主要结论和仍未确认的信息。完成本关后停止，不要继续制作PPT或网页。

Hy4 更能把一件复杂的事从头做到尾，而且不容易在中途忘掉自己前面的判断。

在信息搜集阶段，Hy4 没有简单罗列媒体，而是记录自己究竟看到了什么。例如 Bloomberg 的 Power On 被付费墙挡住，它就老老实实标成“二手转述”，郭明錤同一条爆料被 Yahoo Finance 和韩媒转载，它明确写道：S12 和 S13 属于同一个信源簇，只能算一次。

而 Hy3 虽然也写了“转载不能重复计算”，但统计 iPhone 18 Pro 信源时，仍把 Gurman、MacRumors、9to5Mac、Reuters 和 The Verge 并排列成“6+独立信源”。

这可能就是 Hy4 更大参数规模带来的长程执行能力：任务做得越长，前面的判断越不容易在后面变形。

这种差异继续传到了发布会方案里。

Hy3 把“iPhone Ultra”、1299 至 1399 美元、2000 至 2500 美元这些未确认的直接写进文档中。HY4 直接用“【名称 TBD】”，价格写成“【$____】”。它知道这些内容一旦进入 PPT 的大字标题。

HY4 还会多考虑一步，比如给预测留了退路。

它判断 AirPods 只有 60%的把握会发布，于是将 AirPods 环节设计成一个随时可以删除的一分钟插槽，折叠 iPhone 如果临时取消，原本的五分钟直接换成 Pro 影像演示，总时长仍然保持 20 分钟。

Hy3 完成的是一份建立在“所有预测都成立”之上的流程表。HY4 多考虑了一步：消息不准、产品被撤、功能延期之后，这场发布会还能不能继续办。

2

第二关：制作发布会 PPT

继续上一轮任务。请读取已经生成的research.md和keynote-plan.md，根据其中的研究和发布会策划，制作一份可以直接演示的苹果发布会PPT。要求：- 生成真实的apple-keynote.pptx文件- 16:9比例- 18至24页- 视觉风格简洁、克制，接近苹果发布会- 包含开场、产品介绍、功能展示、价格与上市信息和结尾- 页面之间要有完整叙事，不能只是产品资料堆砌- 公开预测的信息标明来源- 你补写的产品名称、功能、价格或演示场景标明“模拟内容”- 没有可靠信息的价格不得写成确定价格- PPT内容必须与上一轮的研究和策划一致同时生成speaker-script.docx，作为与每页PPT对应的完整演讲稿。完成后实际打开并检查：- PPT和Word文件能否正常打开- PPT是否为16:9- 是否存在文字溢出、图片变形或遮挡- 演讲稿是否与PPT逐页对应- 产品名称、价格和日期是否一致请报告文件路径、PPT页数、检查结果及修复过的问题。完成本关后停止，不要继续制作网页。

如果只看成品，Hy4 把 PPT 做得更漂亮。

(https://www.workbuddy.cn/space/d/uxysx7RdolyfkZoXlTwU3H?source=2)

但把运行过程展开后，它相较于 Hy3 的优势更加清晰了：Hy3 更像一次性把资料写进 Office 文件，Hy4 则搭出了一条小型内容生产线。

Hy4 先重新读取research.md和keynote-plan.md，先确定 24 页结构、三条叙事、字体、配色和信息标注规则。

随后又建立了一份共享数据文件，让 PPT 和演讲稿从同一份内容生成。产品名称、价格和日期只需要修改一次，两份文件就会同时更新。

制作过程也并不顺利。Hy4 先后遇到文字函数参数错误、图形参数错误。并且在自动检查的时候又发现 23 处文字溢出和 12 处遮挡，它继续修改版式、重新生成。

它还尝试调用 PowerPoint 导出 PDF，但被系统权限拦住；Quick Look 也被沙箱阻止。Hy4 没有直接声称“已经打开检查”，而是自己写了一个 PPT 渲染器，再检查页面像素、OOXML 结构以及产品名、日期和价格是否一致。

Hy4 的提升不只是审美更好。它开始像一个项目负责人那样拆任务、调工具、处理报错、反复重建。

3

第三关：制作苹果风格网页

请根据已经完成的研究、发布会策划和PPT，开发一个苹果风格的产品发布网页。要求：- 使用真实可运行的HTML、CSS和JavaScript，或合适的前端框架- 不要直接复制苹果官网代码- 页面内容必须沿用前面已经确定的产品信息- 苹果未确认的内容继续标记“预测”或“模拟内容”- 同时适配电脑和手机网页至少包含：- 发布会主题首屏- 产品主视觉- 三项核心卖点- 芯片或性能介绍- 相机或影像介绍- 折叠形态介绍- 价格和上市信息- 信息来源说明- 页内导航至少实现：- 滚动出现动画- 产品视差效果- 页内导航定位- 手机端菜单- 减少动态效果模式完成后启动本地服务，并在浏览器中实际检查：- 桌面端显示- 手机端显示- 页面滚动- 导航和按钮- 控制台错误- 网页与PPT的信息一致性请提供项目路径、本地访问地址、测试尺寸、页面截图和检查结果。完成本关后停止，不要提前制作3D功能。

任务 3 里，两个模型的差距可以概括成一句话：Hy3 做的更像是是网页化 PPT，Hy4 做的是一张可以交互的苹果产品页面。

单看首屏，Hy3 的大标题更有发布会气势，但页面结构比较传统：一张黑色首屏接着产品、卖点、价格和来源，基本是在把前面的内容依次铺开。

Hy4 延续了 PPT 里的“光”这条主线。官方确认的信息先单独出现，产品预测、模拟画面和来源随后逐层展开。黑色开场、白色产品区、蓝色光效和大面积留白，也比 Hy3 更接近苹果产品页。

更大的差别仍然是信息边界。任务 1 里形成的信源判断，Hy4 到了网页阶段仍然没有变形。要知道这之间已经经过几轮任务。

交互方面，Hy3 的折叠手机只是一张静态概念图。Hy4 真的做了一个“展开”按钮，点击后手机会展开，按钮变成“合上”，屏幕内容和尺寸说明也会同步变化。它当然还不是真正的 3D，但已经说明 Hy4 理解了“网页交互”与“网页上放一张产品图”的区别。

两套网页在手机端都没有出现横向溢出，菜单、页内导航和减少动态效果也能正常使用，控制台没有发现报错。Hy4 又多做了跳转主要内容的辅助链接、语义化价格表和带状态的动效开关。

4

第四关：增加 iPhone 3D 视图

继续修改上一轮的产品网页，不要创建一个无关的新项目。请为网页增加一个独立的iPhone 3D展示页面或3D展示区域。要求：- 必须是真正可交互的3D模型- 禁止用静态图片、GIF或视频冒充3D- 可以使用Three.js、WebGL或其他合适方案- 视觉风格与上一轮网页一致- 产品形态和文字沿用前面的研究结果- 没有公开确认的外观细节标记“概念演示”至少实现：- 鼠标拖动旋转- 触屏拖动旋转- 滚轮或手势缩放- 正面、背面和侧面视角- 机身颜色切换- 屏幕内容切换- 自动旋转开关- 恢复默认视角如果展示折叠iPhone，还需要实现：- 调整开合角度- 折叠、半展开和完全展开状态- 开合过程中屏幕界面发生变化- 手机端能够正常操作完成后启动项目并实际测试：- 鼠标操作- 触控操作- 旋转和缩放- 颜色及屏幕切换- 折叠开合动画- 手机端显示- 页面性能- 控制台错误- 3D页面与原网页的跳转- 研究、PPT、网页和3D展示的信息一致性

如果只看 3D 运动，HY4 的优势不是转得更顺，而是知道手机运动之后，产品状态也要跟着变化。

Hy3 更像一个可以旋转的 3D 模型。拖动、缩放、自动旋转和开合都能正常使用，但从 0°到 180°，主要变化的是两块屏幕的角度。到了 90°，屏幕里依然是原来的主屏内容。

Hy3 生成

HY4 把开合过程分成了折叠、半展开和完全展开三种状态。折叠后内屏熄灭，外屏接管；90°时左右屏显示不同提示；完全展开后，才出现“邮件＋附件”“地图＋路线”等并排应用。手机不只是弯了一下，屏幕内容和使用方式也跟着变了。

Hy4 生成

HY4 的运动逻辑更完整，更加理解折叠改变的不只是外形，还有屏幕和交互。比 Hy3 多考虑了一步。但还是有一些逻辑问题，比如折叠的形式还是外折叠，大概率不是 iPhone 折叠机的形式。

5

腾讯基模正在补齐

马化腾在财报中把腾讯的 AI 布局分成模型、应用和基础设施三层。Hy3 是一款强调性价比的模型，WorkBuddy 和 CodeBuddy 负责把模型送到用户面前，新增算力则支撑下一轮训练和更大规模的调用。

腾讯管理层对 Hy3 的定位是：它是混元走向行业顶尖水平的一块踏板。Hy4Preview 就是沿着这块踏板继续往上走。

它增加了总参数和激活参数，补的是腾讯过去欠缺的能力上限。但更强并非没有代价。在我们的测试里，HY4 完成同一项任务需要的时间明显长于 Hy3。模型等待时间更长，意味着推理成本更高，也意味着用户未必愿意在每个任务里都调用它。

腾讯很可能会让两款模型长期分工。Hy3 处理数量最多的日常任务，速度快、价格低，HY4 处理复杂代码、多工具协作和长链路 Agent 任务，用更多计算换取更高的完成度。小模型负责规模，大模型负责上限。

腾讯的优势在于，它不缺使用模型的地方。WorkBuddy、CodeBuddy、元宝、微信和腾讯云都能成为混元的入口。模型先进入产品，产品再把用户需求和失败案例送回训练，这比单纯在榜单上比较分数更有价值。财报也提到，WorkBuddy 的用户增长和留存表现不错，已经有人愿意通过订阅和充值购买 Token。

腾讯已经提前付出了资本开支、利润和现金流，接下来必须证明，更大的模型能够提高任务成功率，带来更多付费和云服务收入。否则，模型越强、调用越贵，反而会让普及变得更难。

Hy4 Preview 测试下来，证明腾讯已经有能力向旗舰模型发起冲击。

点击关注我哦