770B参数开源第一，腾讯新模型排队超5000人

Hy4 preview发布才3天，腾讯WorkBuddy就对它的推理集群做了紧急扩容，官方说会持续动态调配资源。但WorkBuddy也承认，受限于高端算力总量和高峰并发集中，个别时段仍可能出现排队。官方推荐用户在排队期间切到Hy3，同时把WorkBuddy的Hy3限免延长到2026年9月30日23:59。

Hy4 preview总参数770B，激活参数49B，上下文1M。Terminal Bench 2.1得分85.4，开源第一、全球第三；SWE-bench Multilingual得分82.9，同样是开源第一。8月28日发布当天，API排队用户就超过5000人。

为什么排队这么猛

一方面WorkBuddy自己的用户量在涨，6月数据显示MAU突破2000万。更关键的是，这是腾讯基础模型部成立后的第一个新模型，也是一款从头到尾贯彻姚顺雨理念的产品。在Hy4 preview的技术报告里，腾讯明确标出用了哪家的技术，并说明做了哪些修改。

有意思的是，即使用了别人的技术，Hy4 preview还是形成了自己的风格。它的README里写着，灵感来自DeepSeek和GLM。注意力模块用DeepSeek的Gated和MTP层做投机解码，配智谱的IndexCache做跨层稀疏索引复用，残差通路用字节的iHC。

三种“自进化”路线

混元团队在论文里说，Hy4 preview第一次全程参与了制造自己的过程，在训练方法、数据策略、评估体系和底层算子四个环节，全部引入模型的自进化机制。但它的自进化方向和DeepSeek、GLM完全不同。

智谱的自进化发生在训练阶段，目标是让模型本身变聪明。GLM-5.3搭了一条“自己出真题自己做”的流水线，让一个“AI研究员”去真实工程师的工作场景里观察，把实际业务提炼成训练数据。再让一个“AI判卷员”先闭卷做一遍，确认真的有解，才把题目放进题库。配合SAO和slime框架，GLM-5.3在不换基座的前提下，长程编码训练速度比GLM-5.2提升约2.3倍。这套逻辑本质是生物学意义上的进化，基因在迭代中更适应环境。

DeepSeek的自进化发生在运行阶段，目标是通过DSH让模型的“身体”可以无限重组。DSH的核心设计原则是“一切皆插件”，Agent发现缺什么就现场补什么，用完再无痕拆下来，官方叫self-modification。这是工具学意义上的进化，人没变，只是学会用各种工具干更多的事。

腾讯Hy4 preview的自进化既不在训练阶段，也不在运行阶段，它发生在研发流程本身。它不是智谱那样“让自己变聪明”，也不是DeepSeek那样“让自己的工具变多”，而是在定义自己：“我作为Hy4 Preview，应该是什么样？”训练方法怎么设计、数据策略怎么定、评估体系怎么建，先定义好自己是什么，再朝那个方向去发展。

组织打通之后，全链路才跑得起来

要想全链路自进化，第一件事是统一组织。Hy4 preview自进化的4个环节，就是大模型研发的完整链条：训练、数据、评估，再到怎么把训好的模型高效跑起来。这意味着姚顺雨能完整统筹整个大模型研发了。

过去这些事是分开的。腾讯把大语言模型部和多模态模型部分成两个平行部门，各自有独立的训练数据、技术框架、研发流程和评测标准。当时的腾讯还有AI Infra、AI Data和数据计算平台部分别掌管不同数据。7月合并成基础模型部，姚顺雨一个人统管之后，这条链路才第一次被打通。Hy4 preview能参与全链路，本身就代表组织现在是一条心了。

姚顺雨对工程化非常重视。三家里面，只有腾讯混元把“底层算子优化”和“推理吞吐量提升”这些关乎模型实际运行的东西纳入自进化列表。姚顺雨入职后第一件事就是重建基础设施，他在6月与汤道生对谈中提到：“我们把Infrastructure重建了，无论是预训练还是强化学习。”哪怕是OpenAI和Anthropic，算力都是最稀缺的资源，汤道生曾公开承认“算力严重不足拖慢了模型训练与产品发展”。姚顺雨必须把每一分算力都榨干。

Co-design从产品层扩展到全研发流程

一切的核心在于姚顺雨的方法论——Co-design，边训边用，让产品反馈倒逼模型迭代。Hy3时期，Co-design主要发生在模型和产品之间，比如把CodeBuddy、WorkBuddy的用户反馈回流到模型训练里。到了Hy4 preview，Co-design的范围扩大了，整个模型研发流程都遵从这套方法论。

也就是说，姚顺雨统一了混元模型，并且让模型与腾讯的所有条线接轨，把他对AI的理解完全倾注其中。模型成了姚顺雨方法论的物质化证明。

ReAct和ToT：两个代表作撑起Agent底层

之所以要把姚顺雨的理念贯彻进模型，是因为他本身就是语言Agent研究的开创者之一。ReAct是姚顺雨的代表作，论文于2022年10月挂出，发表在ICLR 2023上，被评为notable top 5%，引用量超过10000次。ReAct也是如今所有Agent的工作原理。

它的核心是把“推理”和“行动”从两个分离的步骤放进同一个prompt模板里交替循环：想一步、做一步、看结果、再想。不管是Claude Code还是Codex，底层“思考—调用工具—观察结果—继续思考”循环，本质上都是ReAct的变体。

姚顺雨的第二大代表作是Tree of Thoughts（ToT），一种增强推理的策略。在关键决策点展开多条思路，分别评估，再选最优路径继续。这个方法在研究层面影响很大，但实际产品中直接用ToT的并不多，因为树搜索的token成本太高，产品里更多是简化版的“多路径尝试”或者“遇到岔路时多想一下”。ToT扩展了模型的“深度思考”能力，尤其是当ReAct循环中遇到关键决策点时，ToT提供了一种展开多条思路再评估的机制。