腾讯混元Hy4 preview首发实测：姚顺雨的“新作业”能打多少分？

撰文| 骁 云

编辑| 郝 鑫

8月28日下午，没有发布会，没有预热海报，腾讯混元新一代大模型Hy4 preview悄无声息地上线了。官方定位很直接——“为生产力而生”。

我们第一时间上手，在WorkBuddy中做了一系列实测。把结论放在最前面：Hy4 preview不完美，价格不是最能打的，也出现了长思考延迟、preview版本天生不稳定性等问题。

但在我们在测试了，长文档处理、代码生成、数据分析、游戏原型、科研阅读等功能过程中，它都呈现出经得起检验的实战表现。

腾讯没有选择做一个“全能但平庸”的通用模型，而是押注“生产力”这个垂直场景，这条路走得还算扎实。

Hy4 preview还只是早期版本，如果正式版能补齐多模态、优化稳定性并保持价格竞争力，它有望成为2026年下半年开源大模型领域最能干活的选项之一。

模型不在大，能干活就行。Hy4 preview正在用实测结果证明，它不是来凑热闹的。

一、参数与价格：账面数据漂亮，实测能不能打？

先看账面参数。770B总参数、49B激活参数（MoE架构）、1M上下文窗口。放在 2026年8月的大模型市场，这个配置算不上“惊为天人”，但绝对够看。尤其是上下文从Hy3的200K直接拉到1M，翻了5倍。

定价方面，输入6元/百万tokens，输出18元/百万tokens，缓存命中只要0.3元/百万 tokens。价格比DeepSeek V4 Pro贵，但比Kimi K3和Claude Opus 5便宜，处在中游位置。

账面数据终究是数字。1M上下文到底有没有注水？我们直接“暴力填塞”做了一轮实测。

下载《三体》三部曲完整PDF文件，再加上一份某科技公司2025年年报 PDF，约93万token的超长输入，一次性扔给Hy4 preview。

提问很刁钻：“罗辑在哪些章节提到过‘黑暗森林’？请列出至少5处具体段落，并对比年报中‘投资策略’部分是否有类似‘谨慎观察’的表述。”

结果有点意外。总生成时间约九分钟，这比我想象中快，原本以为这种量级要等二十分钟以上。更意外的是回答质量：它准确罗列了8处“黑暗森林”相关段落，而且精确到章节。

同时指出年报中没有“黑暗森林”这个词，而年报确实有与“谨慎观察”相近的措辞，逻辑上做了类比但没硬扯关系。最后还补了一句：“年报更接近章北海式的‘前进’，而非罗辑式的‘藏好’”。

总体来说1M上下文没有虚标，跨文档联合检索能力在线，缓存策略有效。不足的是，在实时交互场景下，生成时间仍有优化空间。

二、代码能力：从28分到64分，一次“暴力”跃迁

代码能力是Hy4 preview升级的重点，没有之一。官方数据显示：Terminal Bench 2.1拿下85.4分，追平Claude Opus 5；DeepSWE 从Hy3的28.0分直接翻倍到64.3分；163名腾讯内部专家盲测，均分 2.99/4.00，压过GLM 5.3（2.92）和Kimi K3（2.94）。

数据好看，但我们更关心一件事：实际写出来的代码能不能用？

实测任务：生成一个带交互的待办事项App

提示词很具体：“用HTML+CSS+JavaScript生成一个完整的待办事项应用，支持添加、删除、标记完成；数据保存在localStorage中；Material Design风格；有深色模式切换；代码要完整可运行。”

Hy4 preview返回了三个文件（整合在一个 HTML 中），总计约650行代码。双击打开，添加待办、点击复选框标记、删除按钮移除条目、刷新页面数据、右上角一键切换深色模式，所有功能均跑得通。

有两个细节让我印象很深。第一是深色模式的配色方案，该方案不是简单的黑底白字反转，而是用了、、 这套灰蓝过渡，视觉舒适度很高，明显不是模板套用。第二是代码注释，每个函数都有中文说明和变量命名规范，这对后续维护很友好。

当然也有小问题。删除按钮没有二次确认，误触就直接删了；移动端适配略粗糙，在手机屏幕上按钮间距偏小。整体水平大约相当于一个中级前端工程师30-40分钟的工作量。

从Hy3到Hy4 preview，代码生成能力的提升不是渐进式的，是肉眼可见的“跃迁”。尤其是处理“完整可运行”这类复杂约束时，Hy3经常丢三落四，要么忘了localStorage，要么深色模式只改了一半，Hy4 preview基本一次性给全。

三、办公与数据分析：一分半干完人工两小时的工作

办公场景是Hy4 preview 定位的“生产力”核心。我们直接上真实工作流，不搞花架子。

实测任务：销售数据分析并生成HTML报告

提供一份模拟的2026年Q2销售数据CSV（2800 行，字段：日期、地区、产品类别、销售额、订单量），同时上传一份2026年Q1的PDF版季度总结报告。任务有三条：分析Q2各地区的销售趋势；找出增长最快的产品类别；与Q1对比，生成带图表的HTML报告。

Hy4 preview的处理流程很清晰：先用Python在WorkBuddy沙盒中读取CSV，按地区汇总季度销售额、计算环比增长率。然后从 PDF 中提取Q2的关键数据：七地区4到6月全部正增长，618红利全域共享。季内斜率最陡的是西北（+50.5%），最平缓的是华东（+32.8%）。最后生成一份完整的HTML报告，内嵌Chart.js绘制了柱状图和折线图。

报告质量在及格线以上。结论部分明确写道：“Q2华东地区销售额环比增长23.4%，主要驱动力来自智能家居品类，相比Q1该品类增长提速明显。”图表配色专业、数据标注清晰，不是那种“丢一堆数字让你自己看”的半成品。

整个任务从上传文件到产出报告，总耗时约1分13秒。

抛开人工核验在不考虑异常值分析的因素下，但单论“数据清洗→汇总→可视化→报告生成”这个链条，Hy4 preview的效率优势是碾压级的。

Hy4 preview跨文档能力也比预期强。它能把CSV里的数字和PDF里的文字描述准确对应起来做对比，而不是各说各话。缺点是报告没有对异常值的深入分析，属于“能做初稿，但别指望直接交付”的水平。

四、游戏开发：一句话生成可玩原型，480行代码直接跑

官方宣称 Hy4 preview 支持通过MCP接入Unreal与团结引擎，以纯对话从零生成可玩Demo。我们手边没有Unreal环境，于是换了个更轻量的方式测试，让它在网页端生成HTML5小游戏，看看“一句话出原型”的极限在哪里。

实测任务：生成3D射击游戏

提示词：“用HTML和Three.js生成一个3D第一人称射击游戏。鼠标控制视角旋转，WASD控制移动，左键射击。场景中有随机移动的红色敌人，击中得10分，敌人碰到玩家扣一条命。共3条命，显示在屏幕左上角。所有代码在一个HTML中。”

Hy4 preview生成了约480行代码，打开后在浏览器中直接运行。鼠标拖拽视角顺滑无卡顿，WASD移动响应灵敏。射击命中判定用了Three.js的Raycaster，点击左键时从相机中心发射射线，击中敌人后敌人分数加8，同时新敌人在随机位置重生。敌人的移动逻辑是“随机游走+轻微趋向玩家”，这个混合行为比纯随机更有挑战性，且代码中通过权重系数控制两种行为的比例，说明模型理解的是“行为设计”而非“背固定逻辑”。

当然，上面测试效果离商业游戏还差得很远。尽管没有关卡设，没有复杂粒子特效，没有多角色支持，但作为一个原型验证工具，效果已经足够。

Hy4 preview的价值不在于帮你做完整个游戏，而在于让非专业开发者（或者独立游戏开发者）能在5分钟内验证一个玩法创意是否“好玩”。如果原型阶段都觉得没意思，那就不用往下做了。这种快速试错的能力，才是游戏开发场景下大模型最实在的用处。

五、科研能力：百年难题推进2%？我们实测了论文阅读和公式推导

Hy4 preview最令人意外的宣传点是：配合Hyra模型，在三维Blaschke–Lebesgue几何难题上将体积下界从0.380799推进至 0.41104，距离Meissner四面体猜想最终证明只剩约2%的差距。同时在分子动力学模拟中，对32,512原子体系实现了2.0倍提速。

这些我们无法复现，但可以测试它在日常科研辅助上的真实表现。

实测任务：阅读arXiv论文并解释创新点

选取一篇2026年8月刚发表的“图神经网络分子性质预测”论文。

将PDF全文输入（约4万token），直接提问：“这篇论文的核心创新是什么？与之前的GNN方法如MPNN相比改进在哪？实验用了哪些数据集？结果如何？”

Hy4 preview 在五分钟内给出了清晰回答：核心创新是“首个面向‘科研诚信’的LLM基准”；三维解耦评测中，Q1为不端行为分类、Q2为伦理行动推理、Q3是基于JSON研究工件的决策；总分范围60.9–72.8，均值68.7，模型间仅差11.9分，说明各家族的对齐方式收敛到了同一批失败模式。关键是它自动引用了论文中的表中的数据，而不是编造数字。我们后面用人工核对了一遍，准确无误。

追加一个数学题：∫₀^∞ e^(-x²) cos(2x) dx，要求推导过程。Hy4 preview给出了完整的复变函数法推导，步骤清晰，最终结果√π/2 * e^(-1)，完全正确。

还提供了结论总结以及相对应的图表。

整体来说，虽然离“证明百年猜想”还有十万八千里，但作为科研助手，处理日常论文摘要、公式推导、文献对比已经足够实用。尤其是不需要额外训练就能直接理解arXiv PDF的格式，省去了手动复制粘贴的麻烦。

六、不足与争议：实测中遇到的“翻车”时刻

夸了这么多，说点实在的不足，都是实测中亲眼见到的。

第一，“过度思考”问题。让它分析快速排序在特定数据分布下的时间复杂度变体，它反复“思考”了约半个小时，中间输出3次“让我再确认一下”的中间状态，最终答案正确但等待体验很差。在需要快速交互的场景下，这种“自我验证”倾向会打断思路。

第二，稳定性有待加强。在Workbuddy并发调用多个任务，有两次返回超时，一次次生成中断（只输出了前半段代码）。作为生产力工具，这种不稳定在关键生产环境可能会造成事故。

（本文基于Hy4 preview 发布首日的独立实测，数据截至 2026 年 8 月 28 日。模型持续迭代中，实测结果仅供参考。）

微信号｜TMTweb

公众号｜光子星球

别忘了扫码关注我们！