网易首页 > 网易号 > 正文 申请入驻

姚顺雨带队近一年,腾讯混元追上来了吗?我们实测了Hy4

0
分享至


“Hy4 在同一道 3D 发动机任务中,比 Kimi K3.1 Pro 快了 28 分钟。”

作者丨吴海明

编辑丨李娜 岑峰

11 月 4 日,腾讯发布混元 Hy4 正式版。消息公布后,腾讯首席 AI 科学家姚顺雨在 X 上转发,称自己为团队在不到一年时间里取得的成绩感到自豪。

这份自信并非没有来由。

去年底,姚顺雨从 OpenAI 加入腾讯,随后混元经历了研发团队整合和基础设施重建。从今年 4 月的 Hy3 preview、7 月的 Hy3 正式版,再到如今的 Hy4,腾讯的大模型迭代明显提速。过去总被认为在基础模型竞争中慢了半拍的腾讯,这次甚至在官方发布中宣称,混元首次跻身全球最强开源模型行列。

Hy4 也确实拿出了些新东西。除了模型能力的提升,它第一次加入了视觉理解和电脑操作(Computer Use)能力,不仅能看懂屏幕,还能通过命令行和图形界面操作软件。腾讯还专门针对 Blender、CAD 等专业工具和跨应用长程任务进行了训练。

不过,第三方榜单给出的成绩并没有那么悬殊。在 Artificial Analysis 最新的综合智能指数中,Hy4 拿到 35 分,虽然已位居中国模型前列,但距离 Kimi K3.1 Pro 的 46 分还有 11 分差距。

有意思的是,我们在一道实际测试题里,却看到了另一种结果。

我们让 Hy4 和 Kimi K3.1 Pro 使用同一个 Agent 工作台 WorkBuddy,完成一台可拆解、可运转的 3D 四缸发动机。不仅要制作教学网页,还要自己打开浏览器,检查播放、暂停、角度调节和气缸运动等功能。

最终,两款模型都交出了可以在本地运行的网页工程。Hy4 用了 44 分 11 秒,Kimi K3.1 Pro 则花费 1 小时 12 分 39 秒,前者快了近半小时。Hy4 还在浏览器中发现并修复了页面遮挡问题,最终通过了自己编写的 55 项自动化检查。

榜单上落后 11 分,实际交付却更快,Hy4 的表现多少有些出人意料。

而这次测试更值得看的,是模型与工作台如何配合完成一项任务。当 AI 不仅能写代码,还开始自己打开网页、操作按钮、发现问题并修改作品,模型之间的较量,也有了一套不同于传统跑分的衡量方式。

01

对比评测:一道四缸发动机题

考验AI能否交出可操作的课堂工具

这次测评,我们设计了一个“发动机原理”拆解的评测题目,让模型化身机械教师,给出一份面向教学的设计方案:发动机的四个气缸如何配合?活塞上下运动,又是怎么带动曲轴旋转的?一起看看测试题:

请制作一个用于课堂教学的交互式 3D 四缸汽车发动机演示网站,帮助教师讲解四冲程发动机的工作过程和基本物理原理。

电脑已安装 Blender,并已配置 WorkBuddy 浏览器控制。请根据任务需要选择工具,完成网页制作、浏览器操作和检查。

1. 使用 Three.js 展示一台直列四缸四冲程发动机,至少包含缸体、活塞、连杆、曲轴、进气门、排气门和火花塞。模型可使用程序化几何体制作,重点是结构清晰,便于观察内部运动。

2. 支持旋转和缩放模型,并提供“显示/隐藏外壳”或剖视功能,让教师能够观察四个气缸内部。

3. 演示进气、压缩、做功、排气四个冲程。活塞、连杆、曲轴和气门应协调运动,火花塞在点火时给出可见提示。四个气缸应按照合理的四冲程工作时序运行,并在页面中说明点火顺序。

4. 提供自动播放、暂停、重置和速度调节功能。教师可以手动拖动曲轴角度,或通过按钮逐步推进,停在任意位置观察各部件状态。

5. 页面实时显示曲轴角度、各气缸当前冲程及进排气门状态。点击主要部件时,显示名称和简短说明。

6. 提供简洁的教学说明,解释燃料燃烧释放能量、气体推动活塞、连杆带动曲轴旋转的过程,并说明四冲程需要曲轴旋转两圈。使用示意动画表示进气、燃烧和排气即可。

7. 交付可在本地运行的完整网页工程。完成后请打开浏览器,实际检查模型显示、播放与暂停、手动调节、冲程切换、部件说明和重置功能,并修复发现的问题。最后告知我启动方式和检查结果。

在我们的测试电脑上,提前安装了 Blender 和 WorkBuddy,同时也配置了浏览器控制插件。我们让 Hy4 和 Kimi K3.1 Pro 都使用 Three.js 程序化几何体制作发动机模型,并将浏览器纳入检查流程。

下面看看 Hy4 的表现:

Hy4 为发动机做了一张深色背景的教学台,四个气缸从左到右排开,活塞下方是连杆和曲轴,右侧面板列出每个气缸的冲程、活塞方向与气门状态。如下图所示,0° 时 1 缸显示为做功,2、3、4 缸依次显示排气、压缩、进气。


Hy4 制作的发动机原理拆解系统的 0° 状态

之后,发动机开始运转,活塞和连杆的位置发生变化。为了更好地配合演示,Hy4 设计了丰富的操作按钮,教师可以通过下方控制栏提供的播放、前后 180° 步进、角度滑块和速度选择等操作,把动画停在需要讲解的位置。




▲Hy4 制作的发动机原理拆解系统的不同状态

一起来看看综合表现:

Hy4 制作的发动机原理 3D 网站动态演示(5倍速)

整体来看,Hy4 的网页把四个气缸、连杆、曲轴和工作状态放在同一个画面中,0°、90°、270° 和剖面截图展示了不同角度下的模型状态,播放和角度控制也为课堂讲解提供了操作入口。

紧接着是 Kimi K3.1 Pro 的交付物了,K3.1 采用 Three.js + Vite 构建这个网站,凸显了其在代码领域的专业性。从网站来看,页面中央是发动机演示区,右侧用卡片显示四缸工作状态,下方放着播放、速度和曲轴角度控制,在 0° 时刻,1 缸处于做功,其他三个缸分别处于排气、压缩和进气。


K3.1 Pro 制作的发动机原理拆解系统的 0° 状态

和 Hy4 一样,K3.1 Pro 构建的演示在发动机运转后,活塞和连杆的位置同步发生变化。K3.1 也设计了丰富的操作按钮用来控制演示操作。




▲K3.1 Pro 制作的发动机原理拆解系统的不同状态

K3.1 Pro 制作的发动机原理 3D 网站动态演示(5倍速)

和 Hy4 一样,K3.1 Pro 的页面把发动机模型放在中央,四缸状态、冲程进度和讲解笔记集中在右侧。从页面内容上看,Hy4 更像老师输出知识一样,给出了更多的知识细节。

我们进一步统计了两个模型在平台上的后台运行情况:


后台运行数据对比分析图

这组数字背后,是两次长任务的完整工作过程,Hy4 共发起 97 次模型请求,Kimi 为 106 次;工具调用分别为 96 次和 110 次,涉及文件、命令行和浏览器操作。Hy4 累计输入约 1392 万 Token、输出约 13.33 万;Kimi 输入约 938 万、输出约 4.71 万,显然 K3.1 Pro 更省 token,但从时间成本上两者则存在差异:Hy4 的时间支出是 44 分 11 秒,Kimi 为 1 小时 12 分 39 秒。

整体来看,两个模型都交出了可继续编辑的网页工程,能用于教师给学生的上课演示,证明到了现阶段,模型的能力已经足够日常办公使用,而且很难区分出模型能力的高低。

02

WorkBuddy+Hy4双子星

模型思考,Agent操作浏览器

在上述测试中,模型需要理解四冲程时序、组织代码,并根据页面反馈修改;WorkBuddy 提供任务运行环境,连接文件、命令行和浏览器。模型和工作台搭档,一个任务才能被从被生成到在浏览器中被打开和被检查。

回到 Hy4, 在最新 v5.0.1 版的 Artificial Analysis 中,Hy4 取得了35 分,同榜单的 Kimi K3.1 Pro 为46分,Deepseek V4.1 Flash 1017 为33分。这项综合指数覆盖知识工作、代码、科学与通用知识等任务。Hy4 的成绩显示了腾讯的模型具备很强的综合实力,已经能让腾讯继 Hy3 之后又一次稳稳地回到大模型竞争的牌桌上。


Hy4 在 AA 榜单中取得 35 分,处于全球大模型前沿位次

从腾讯自己的评测结果来看,在 WorkBuddy 场景评测中 Hy4 的平均效果得分为 83.18 分、通过率为 96.15%;在腾讯混元与腾讯金融科技组织的盲测中,213 位专家参与了 579 项真实金融任务的评分,Hy4 综合得分 3.04/4,Kimi K3.1 Pro 为 2.68/4。整体来说,Hy4 在办公与金融场景更能展现其实力。


腾讯官方公布的 Hy4 评测结果

此外,我们还记录了 WorkBuddy+Hy4 操作浏览器的演示。WorkBuddy 在 Chrome 打开网页,点击播放和暂停,切换快慢速度,再用 180° 步进按钮查看四缸状态。工作台还操作了剖面视角、外壳三态和 3 缸高亮,并将角度定位到 360°,观察模型和状态面板的变化。演示中也遇到了小插曲:窗口尺寸改变后,按坐标点击没有落到目标按钮上,WorkBuddy 随后改用页面元素点击。

WorkBuddy + Hy4 操作浏览器对 “发动机原理 3D 网站” 进行演示(5倍速)

据腾讯官方披露,团队在 Hy4 训练过程中,针对专业软件和跨应用长程任务开展了专项训练。结合本次测试,两款模型都以 WorkBuddy 为工作台,在浏览器中进行对交付物进行测试从而验收,Hy4 打开页面后发现图例遮挡曲轴、操作提示遮住缸号,随后调整了布局,同时编写浏览器自动化脚本,检查四缸时序、剖面视角、按钮、滑块与控制台,最终完成了 55 项基于浏览器的检查。

WorkBuddy+Hy4 操作浏览器的能力,让任务多了一轮可观察、可调整的过程。模型通过工作台打开生成的页面,结合截图或工具返回的信息,判断界面是否需要修改。未来,这种能力势必会成为一种新的生产力,让更多的产品测试人员逐步放开手脚。

03

从Hy3到Hy4

腾讯的Agent组合走向真实任务

这条线要从 Hy3 说起。2026 年初,腾讯重建预训练与强化学习基础设施;4 月 Hy3 preview 发布时,模型已经接入 WorkBuddy、CodeBuddy、元宝等产品,产品里的真实调用,一边让外界重新看到腾讯的模型能力,一边把用户的反馈送回训练环节。到 7 月 Hy3 正式版发布,腾讯重新坐回大模型竞争的牌桌。

Hy4 沿着这条线继续加码:训练规模扩大,视觉理解与电脑操作进入模型本体。模型的输出从一段文字、一份代码,扩展到“把一件事在屏幕做完”,WorkBuddy 提供了落点,文件、命令行、浏览器都在同一个工作台里,模型的一次判断可以立刻被执行、被看见、被修正,任务因此有了可观察、可调整的过程。

这种组合的分量,在海外社区的讨论里也能看到,Reddit 上有开发者关心权重何时开放下载、能不能在本地跑起来,以及更大的参数规模会带来多高的硬件门槛。他们盯着的不只是榜单上的分数,还有这套能力能否被自己接手。

这次,交出的答卷是一台能在网页里转动的四缸发动机。下一道题,可以是在画板上用鼠标画图,也可以是做一把能拆解的 3D 键盘,或交付一份附带财务模型的研究报告。题目越往真实工作里走,模型与工作台的配合就越有看头:网页挡住了能不能自己调整,软件报错了能不能接着往下做,最后留下的文件能不能交给别人继续用。

点击关键词查看对应实测内容

月之暗面 Kimi

智谱 GLM

深度求索 DeepSeek

阿里 Qwen

字节跳动

更多测评

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
离开曼城不到一年,瓜迪奥拉传出新身份,原来他早给自己留好退路

离开曼城不到一年,瓜迪奥拉传出新身份,原来他早给自己留好退路

你好崽崽l
2026-11-22 11:37:21
内塔尼亚胡:我提议,就由我来担任唯一的总理

内塔尼亚胡:我提议,就由我来担任唯一的总理

寰宇大观察
2026-11-21 14:12:23
大幂幂不是白叫的

大幂幂不是白叫的

草莓解说体育
2026-10-24 07:40:22
1970年西哈努克被推翻流亡北京,五年间生活优渥甚至想迎娶女演员,回国后亲人接连遇难,他为何没有选择复仇

1970年西哈努克被推翻流亡北京,五年间生活优渥甚至想迎娶女演员,回国后亲人接连遇难,他为何没有选择复仇

唠叨说历史
2026-11-10 19:55:18
1948年秋,东野前指专列深夜误入拉林站,一参谋失眠下车瞥见站牌,刘亚楼急调车头死里逃生

1948年秋,东野前指专列深夜误入拉林站,一参谋失眠下车瞥见站牌,刘亚楼急调车头死里逃生

磊子讲史
2026-11-18 17:35:27
退役上将回乡扫墓,被镇长儿子拦路,他问:认识我车上挂的牌子吗

退役上将回乡扫墓,被镇长儿子拦路,他问:认识我车上挂的牌子吗

麦子情感故事
2026-11-21 20:59:11
50岁舒淇状态吊打同龄人,极致自律曝光:几乎不乱吃,有空就运动

50岁舒淇状态吊打同龄人,极致自律曝光:几乎不乱吃,有空就运动

观鱼听雨
2026-11-21 19:16:00
《GTA6》猝不及防的限制内容,导致多少知名主播惨遭封禁

《GTA6》猝不及防的限制内容,导致多少知名主播惨遭封禁

街机时代
2026-11-21 11:55:05
为什么很多人看不惯领高退休金的老人

为什么很多人看不惯领高退休金的老人

小禾的半糖生活
2026-11-19 13:20:03
3换1大成功!湖人,这也太值了!

3换1大成功!湖人,这也太值了!

左右为篮
2026-11-21 11:11:30
回到东京之前,高市再被问台海问题,她的回答又让日本媒体发愁

回到东京之前,高市再被问台海问题,她的回答又让日本媒体发愁

影孖看世界
2026-11-22 03:36:23
黄仁勋老婆给他买的皮衣怎么办?网友:“千算万算,没想到他离婚会波及到我啊!”

黄仁勋老婆给他买的皮衣怎么办?网友:“千算万算,没想到他离婚会波及到我啊!”

LOGO研究所
2026-11-09 19:40:24
大局已定!明后年,退休金3000以上的老人,务必4不做

大局已定!明后年,退休金3000以上的老人,务必4不做

老孙说
2026-11-22 09:14:47
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
今日重要赛事!11月22日,央视CCTV5、CCTV5+节目表

今日重要赛事!11月22日,央视CCTV5、CCTV5+节目表

薇说体育
2026-11-22 10:30:22
穆里尼奥:周二维尼修斯首发,免得你们周一又问

穆里尼奥:周二维尼修斯首发,免得你们周一又问

懂球帝
2026-11-22 10:00:50
iPhone Duo 多平台继续大降价!真的狠

iPhone Duo 多平台继续大降价!真的狠

花果科技
2026-11-22 09:52:35
一次爆出黑料超过33年总和!纽约时报发长文痛批黄仁勋:当众折磨当下属成人礼、所有高管都是受害者

一次爆出黑料超过33年总和!纽约时报发长文痛批黄仁勋:当众折磨当下属成人礼、所有高管都是受害者

可达鸭面面观
2026-11-22 00:02:18
被淘汰后老公放话:我每天看她裸着刷牙

被淘汰后老公放话:我每天看她裸着刷牙

追星雷达站
2026-11-20 08:01:08
白宫记者:APEC欢迎宴会上 特朗普跳起标志性舞蹈

白宫记者:APEC欢迎宴会上 特朗普跳起标志性舞蹈

看看新闻Knews
2026-11-21 13:01:19
2026-11-22 12:40:49
雷峰网 incentive-icons
雷峰网
关注智能与未来!
71748文章数 656271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

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

时尚
本地
艺术
数码
军事航空

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

艺术要闻

世界十大著名宫殿盘点:中国独占两席

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

军事要闻

俄乌炸桥冲突升级 相关谈判设想被放弃

无障碍浏览 进入关怀版