网易首页 > 网易号 > 正文 申请入驻

实测腾讯 Hy4:我用它复刻《王者荣耀》, WorkBuddy真能接大活了

0
分享至

如果你在用 WorkBuddy,一定不会对 Hy4 preview 这款模型感到陌生。


今天 Hy 4 发布,从预览版到正式版,腾讯混元在 Agent 能力和各类长程任务上进行了优化。面对真实生产任务,Hy 4 的表现可以说是比预览版有明显的全面提升,在多个 Benchmark 上拿下了开源的第一。

并且,Hy4 这一次还带来了视觉理解的能力,这意味着我们也可以直接上传一段录屏给它,然后要求它从视频中学习并复刻对应的元素;而 Hy4 生成的产物,现在也可以持续截图,利用视觉理解的能力,自我反馈并优化。


APPSO 提前拿到了 Hy4 的测试资格,照着这段时间国内发布的模型,以及 ChatGPT 和 Claude 模型等常用到的测试案例,我们都让 Hy4 跑了一遍。

就像这个最近突然又火起来的鹈鹕,莫名其妙成了检验大模型的必备基准测试。

不过这一次不再是骑着自行车的鹈鹕,是 360° 立体骑车的鹈鹕、是骑在鹈鹕上的自行车,还有「自行车上有一只鹈鹕,鹈鹕骑着自行车,自行车上还有一只鹈鹕」的究极「鹈鹕骑车」挑战。

我们在 WorkBuddy 内使用 Hy4 模型,只输入一句提示词「画出一只极其逼真的鹈鹕骑自行车可交互 3D 动画」,Hy4 给出的效果完全可以说是已经「上桌」了,和 Opus 5.5、GPT-6 那些模型生成的画面,做到了一致的观感。


图|预览链接:https://www.workbuddy.link/p/7I6DjyunKkjQhzwbKD7UPG

以及无限堆叠的「鹈鹕骑自行车挑战」,Hy 4 的表现基本上都没有什么太大的问题,摆脱了「上一个版本」简陋粗糙的鹈鹕骑车,都和新模型一起顺利来到了新的阶段。


根据 Hy4 的模型技术博客,这次 Hy4 在多个 Benchmark 上的表现都比之前的预览版要更好,直接来到了最强开源模型之列,超过 DeepSeek V4.1 Flash,GLM-5.3,Kimi K3.1 Pro 等多款国产模型。


Hy 4 的模型参数和预览版一样,博客里提到 Hy4 这次的进步,主要原因是显著扩展了预训练和后训练规模。

目前, Hy4 在 WorkBuddy 已经正式上线,11.4-11.15 号限时免费 ,API 调用价格则是和 Hy4 preview 一样,缓存命中的情况下 0.3 元的每百万 token 输入,没有命中则是 6 元,输出是每百万 token 18 元。

我们可以把平时的办公生活和各类创意工作交给它试试看,或许会比其他极度拥堵的繁忙模型体验要更好。

用 /goal 确保目标不丢失

对 Hy4 来说,这次更新的长程任务、多模态、推理以及计算机使用等功能,指向的都是同一个变化,即模型不能只在一轮对话里面给出一个漂亮答案。

当 Agent 工作成为常态,模型必须要能读懂真实世界里面的材料,也能学会操作真实世界的使用环境,在连续步骤里保持目标,并在出错之后继续把工作做完。


我们这次也是先测试了 Hy4 在长程任务上的表现,通过用 /goal 来约束模型始终保持具体的目标。而当步骤不断增加时,Hy4 是否还能记得最初的计划,区分已成成和未完成的事项,并在中间结果不符合预期时调整计划。

参考网友分享的提示词,要求 Hy4 帮我们做一个写实的 3D 游戏,这段提示词能让模型 从调研、开发、审查、返修,一直做到可玩的游戏和最终交付 ,很适合用来设计长程 Agent 测试。

模型需要完成游戏场景,是金色黄昏的后院;视觉与手感,能做到玻璃折射反射,慢动作和镜头冲击;声音与玩法,用 Web Audio 合成声音,提供计分和充值;还有工作流程、最终交付总共 5 件事情。


实现的效果确实包括了音效、碎片、声音的叠加以及计分等功能,我们点击对应瓶子,就能看到玻璃破碎和的效果,听到炸开的声音。

但整个场景还是不够游戏化,于是我们继续追加需求,给它一段参考视频,要求它加入更明显的游戏体验和更强的射击感。


当任务变得又长又繁杂,Hy4 依然可以自动调整,实现对应功能,最终把项目交付完整。


类似的能力还体现在具体的应用编程上,我们在 Mac 电脑上安装了 Flighty 这款应用,然后要求 Hy4 使用最新的 REA 逆向工具,帮我们复刻出一个完整 1:1 的 Flighty。


图|Flighty 是一款实时航班追踪应用,凭借其出色的交互和优雅的界面而备受用户喜爱

Hy4 确实利用 REA 逆向了 Flighty 所有的功能,包括那些需要会员才能使用的功能都放在了这个新的 Skyward 应用内,但是整体的 UI 就又会让人觉得有很明显的「AI」味,而不是原版应用里的高级感。


图|体验地址:https://workbuddy.link/p/LxXk77vzJJ97skSHUqzwvj

于是我们继续要求它修改,参考原版应用的审美,把那些 Pro 功能全部实现,以及做成简体中文的版本。


这一版的效果已经好了很多,但是其中还是有一些错误,像是需要额外的 API 才能处理的航班数据,地图信息等,但该有的信息卡片,地图航线展示等等,都基本上做到了还原。

审美也变高了,也能操作电脑了

在测试长程任务时,我们就试过了直接附上一个视频给 Hy4,它就能利用视觉理解的能力,逐帧分析视频内容,把视觉信息转化为结构化理解,再转化为代码、文档或界面操作。

有了多模态视觉,最明显的变化就是我们可以直接发图片给模型。

在 WorkBuddy 内,选择 Hy4,然后发送一张房间的图片给它,让它把这张照片里的房间做成一个可以在浏览器里玩的微缩空间。


图|预览链接:https://www.workbuddy.link/p/ay2LqHxKSQPXUfqovztX5Z

又或者是发送一段游戏实录视频给它,要求 Hy4 开发一个同款的游戏,保持和视频里面一样的游戏玩法,游戏玩法,网页点开就能玩。

我们找了一个王者荣耀的视频给它,Hy4 很快确认了这是一段《王者荣耀》风格的 MOBA 实机演示,包括俯视 2.5D 峡谷、虚拟摇杆 + 右下技能轮盘、补兵/清线、击杀播报、推塔打水晶。

三十分钟的时间,Hy4 就按这套核心循环做了一个网页直接打开就能玩的完整迷你 MOBA。


图|预览地址:https://workbuddy.link/p/IHJepO2AIDltVJS5zbW7Kh

我们还把最近 Opus 5.5 的热门案例视频发给 Hy4,让它也复刻一个同款,就像这个特斯拉汽车工厂的 3D 装备模拟。


图|预览地址:https://www.workbuddy.link/p/lAEla19XN3ukvZ3iOmSbP7?source=2

除了可以直接发送图片或视频给 Hy4,让模型进行理解,减少我们用文本提示词描述的障碍。多模态的能力还体现在 WorkBuddy 内,Hy4 可以持续地对生成的结果进行截图,对截图进行分析,然后优化画面。

就像这个东京的雨夜街头,我们仅仅就是使用下面这段提示词,Hy4 就做出了这个短片的效果。车水马龙的人行道上,撑着雨伞的行人来去匆匆,上方的轨道交通疾驰而过,和提示词里面描绘的风格一模一样。


图|预览链接:https://www.workbuddy.link/p/plhKUDfdXuvYpSHd5EKw05

Create a silent, autoplaying 20-second film in one self-contained HTML file. A rainy Tokyo crossing comes alive in black, red, teal and white, with rough carved lines and visible print grain. One signal cycle drives the scene: umbrellas wait, surge diagonally across the road, then drain away as traffic resumes. Footsteps break the gouged reflections and a train passes overhead. Keep the crowded movement readable, with a clear contrast between waiting, crossing and the briefly empty street. Draw all artwork in code; no outside visual assets or website UI. 来自 X@petergostev

这些能力的提升,也让 Hy4 在电脑操作上的表现有了大幅提升。现在我们可以直接在 WorkBuddy 内,使用 Hy4,让它进行看屏幕 → 找到按钮和菜单 → 移动鼠标、点击、滚动、输入文字 → 根据页面变化继续操作,直到完成任务等一系列流程。

例如,操作电脑上的 Blender,帮我们做一个花园城市新加坡的 3D 场景建模。Hy4 能识别到电脑上的 Blender 版本,并确保性能足够,然后开始使用脚本进行电脑操作。


最后的成品,也是挑不出太多的毛病,使用 Hy4 的 WorkBuddy 给我们交付了以 blend 为后缀名的 3D 资产文件,并且在 Blender 应用内也能直接看到这套完整的「花园城市新加坡」滨海湾概念场景,共计约 4550 个对象。



最日常的 Office 和最难的科学推理

在这里热门测试之外,Hy4 在做 Excel、PPT 这些最日常但是最考验稳定性的办公场景任务里,也做了很多优化。数据、公式、图表的对应,以及模板的统一,最终交付的真实文件都可以直接拿来用。

我们选择了一个放了十多篇论文的文件夹作为 WorkBuddy 的工作环境,并告诉 Hy4 把这些论文总结,每篇论文都要做一个组会报告的 PPT,同时整理这些论文的信息为 Excel 表格,并根据这些论文再帮我写一份研究报告。

14 个 PPT 文档,一个 Excel 文件和一个 19 页的 Word 文档,Hy4 只花了半个小时,就把这些内容都做出来了。


Excel 里面的信息出乎我意料的完整,它没有简单的罗列这些论文基本信息,而是真实地把文档里面的具体信息进行了阅读理解,然后分门别类放在了一起。


PPT 的表现就更不用多少了,14 个文件,PPT 视觉排版和版式都做到了统一,遵循对应的格式规范。


这里也体现了模型与 WorkBuddy 协同的重要性。模型负责理解、规划和判断,工具链负责读取、计算、渲染和写入,一个任务才能确保不出问题,准确完成。

而在复杂的科学推理上,Hy4 已经能完成多学科的科研任务,例如小鼠胚胎的三维重建,完善数学猜想,在和北大数学团队的合作里,Hy4 成功找到了 Méndez–Pinto–Villarreal 猜想的反例,并进行了形式化验证。


此外,Hy4 现在还能参与细胞和物理模型的研发,对比当前的 SOTA 模型,在多个数据集上的表现,都做到了误差更小,保真度更高。

来到最强开源之列的混元

从 4 月的 Hy3 preview 到 7 月的 Hy3 正式版,再到 8 月推出 Hy4 preview,11 月推出 Hy4 正式版,成为最强开源模型之一。

混元模型的发布节奏几乎稳定在四个月一个大版本的预览模型,每个预览版本后用三个月的时间根据反馈继续打磨,推出正式版。


这套模式也确实让混元模型的自身能力和用户口碑不断在上升,尤其是配合 WorkBuddy 的情况下。

如果从能力上限、长程稳定性、执行效率和真实交付成本,这些评估模型的几个维度来衡量,我们这次 WorkBuddy 实测确实看到了后三项在真实任务中的表现。

在大多数日常的办公和创意任务上已经能够满足我们的需求,基本上做到了一次性交付;在涉及到需要大量电脑操作和复杂流程的工作上,可能还是需要我们在多轮的交互中帮助它理解我们的意图。

而关于模型的能力上限,一些尚未覆盖的场景,则可能还是更多取决于测试的上限,大家不妨到 WorkBuddy 里面用各种高难度任务去「拷打」一下 Hy4。


相比 preview,长任务能力和视觉理解确实让 Agent 工作起来更加顺心,Hy4 与 WorkBuddy 的协同又要比模型单点的跑分更加有竞争力。

我们也能看到腾讯正在把模型、工具和产品场景放进同一条迭代链路。而用户对 WorkBuddy 的投票,已经说明这个方向正在成立,越来越的人愿意把更多的真实工作交给它,且不需要一直在旁边盯着。

我们正在招募伙伴

简历投递邮箱hr@ifanr.com

✉️ 邮件标题「姓名+岗位名称」(请随简历附上项目/作品或相关链接)


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
波帅:这种局面下世界最佳球队也可能丢4球,我们处境很艰难

波帅:这种局面下世界最佳球队也可能丢4球,我们处境很艰难

懂球帝
2026-11-23 03:43:49
熬猪油,是用肥肉好,还是“板油”好?差别很大,看完别乱用了

熬猪油,是用肥肉好,还是“板油”好?差别很大,看完别乱用了

江江食研社
2026-11-21 23:10:07
别买,全是假的!又一产品大翻车,成本只有10元,很多人长期上当

别买,全是假的!又一产品大翻车,成本只有10元,很多人长期上当

命运自认幽默
2026-11-21 07:52:54
全面战争五年来,乌克兰无人机可能首次袭击俄罗斯飞地加里宁格勒

全面战争五年来,乌克兰无人机可能首次袭击俄罗斯飞地加里宁格勒

山河路口
2026-11-22 14:09:18
百亿豪门夫妇正式开撕,发声明互相指责,两人疑未离婚就有新欢

百亿豪门夫妇正式开撕,发声明互相指责,两人疑未离婚就有新欢

开开森森
2026-11-21 09:48:22
武汉一男孩意外身亡,母亲将孩子生前使用的手机放进棺木随他下葬。一次思念成疾拨通该号码,本以为是空号,谁知电话那头传来熟悉的声音

武汉一男孩意外身亡,母亲将孩子生前使用的手机放进棺木随他下葬。一次思念成疾拨通该号码,本以为是空号,谁知电话那头传来熟悉的声音

扶苏聊历史
2026-11-22 11:20:08
中石油副总谢军落马:千亿投资排序权,不直接批钱却决定谁先拿钱

中石油副总谢军落马:千亿投资排序权,不直接批钱却决定谁先拿钱

十为先生
2026-11-22 20:22:19
登岛立竿见影,仅48小时,高市就开始报复,中国一句话让日本破防

登岛立竿见影,仅48小时,高市就开始报复,中国一句话让日本破防

关权教授聊经济
2026-10-19 14:28:06
不理解,为什么馒头是小麦做的,可山东河南等地到了80后才吃上?

不理解,为什么馒头是小麦做的,可山东河南等地到了80后才吃上?

抽象派大师
2026-11-22 02:00:30
李在明结束访华后公开发文,对中国印象一目了然,释放3个信号

李在明结束访华后公开发文,对中国印象一目了然,释放3个信号

麓谷隐士
2026-11-23 00:05:15
突发!曝重庆酉阳“泰拳小将”李鹏科去世,年仅19岁,多次获得泰国级别冠军, 知情人曝细节

突发!曝重庆酉阳“泰拳小将”李鹏科去世,年仅19岁,多次获得泰国级别冠军, 知情人曝细节

裕丰娱间说
2026-11-22 10:27:55
美国、俄罗斯、欧洲猛然发现一件头疼事:低估了中国,高估了自己

美国、俄罗斯、欧洲猛然发现一件头疼事:低估了中国,高估了自己

文史达观
2025-03-27 12:59:20
约中年女人出来玩,大胆一点,女人不论多大,这3招都可以搞定

约中年女人出来玩,大胆一点,女人不论多大,这3招都可以搞定

千秋文化
2026-11-21 21:19:47
亲手拆掉中场平衡,曼联用一个夏窗,毁掉了卡里克的半程奇迹

亲手拆掉中场平衡,曼联用一个夏窗,毁掉了卡里克的半程奇迹

斯坦福桥看更人
2026-11-13 19:30:57
特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

回京历史梦
2026-10-26 10:49:29
找家政不再“开盲盒” 细分服务匹配多元需求

找家政不再“开盲盒” 细分服务匹配多元需求

新华社
2026-11-20 16:32:27
北京将强势夺冠,李楠成关键拼图,惊喜将现

北京将强势夺冠,李楠成关键拼图,惊喜将现

体育篮球弟
2026-11-22 02:36:02
心血管内科紧急提醒:阿托伐他汀这样吃很危险,吃错不如不吃

心血管内科紧急提醒:阿托伐他汀这样吃很危险,吃错不如不吃

牛锅巴小钒
2026-11-19 15:20:24
看看加拿大老人退休后的生活,再看看中国老人,真的没法比!

看看加拿大老人退休后的生活,再看看中国老人,真的没法比!

江启
2026-10-15 23:33:12
哈佛大学:人活着其实就两件事,照顾好自己,再认真感受这个世界

哈佛大学:人活着其实就两件事,照顾好自己,再认真感受这个世界

笑谈文史
2026-10-17 20:50:04
2026-11-23 04:07:00
AppSo incentive-icons
AppSo
让智能手机更好用的秘密
7092文章数 26945关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

“所有金条都卖光了” 有人一次性花超85万买金条

头条要闻

“所有金条都卖光了” 有人一次性花超85万买金条

体育要闻

全场挨打1比4溃败 阿隆索已过保质期?

娱乐要闻

杨颖姐弟烧香被偶遇,清秀少年变粗犷大叔

财经要闻

沪深交易所、中国结算推出一揽子降费措施

汽车要闻

插混尊贵型真的超值 15万级的第二代海豹07配置拉满

态度原创

艺术
房产
教育
手机
数码

艺术要闻

印度,一个盛产美女的国家:多元血脉与纱丽风情交织的独特之美

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

教育要闻

“穿成这样,别的家长都听不进去了”,家长会家长穿成这样,不能理解

手机要闻

安卓同时期No.1,OPPO Reno17火了,友商又要羡慕了

数码要闻

NVIDIA驱动SSD异常写入:最新紧急补丁也没解决!待机一夜仍写入36GB

无障碍浏览 进入关怀版