冲击开源新高度？实测腾讯Hy4是夯还是拉。

差友们，又有免费的 Token 羊毛能薅了。

腾讯终于给 Hy 4 的正式版模型端出来了，后训练搞了俩月，又干回最强开源模型那一挂了。

它也不跟你来虚的，WorkBuddy 上打开就能免费蹬，从现在一直能蹬到 11 月 15 号。

当然，也是有额度限制的哈，世超自己蹬了三个半小时才见底，具体消耗多少 token 咱看不到，但也挺耐造的。

从测的结果来看，最大的提升还是长眼睛了，用起来确实顺手不少。。。

先来看跑分，很明显，它是找准了第二梯队的头部开火的。

Agent 和 Coding 相关的能力，后训练加强后，整体往上窜了一截儿。

相比预览版，Hy4 在传统的 DeepSWE 里从 64.3 涨到 74.9，Terminal-Bench 从 26.3 涨到了 44.4，已经能跟 DeepSeek、Kimi 的旗舰掰手腕了。

当然，他们也大方承认，跟 GPT 和 Claude 还有较大差距，瞅瞅这跑分的柱子也很明显，还是 OA 两家顶在前面。

不过有意思的是，长眼睛后，就能干很多之前干不了的事儿了。

比如预览版里没有的 OSWorld，这次直接拉到了 78.9，MMMU-Pro 也有 78.6。

能看图就能理解屏幕，再配合 Computer Use 操作电脑，海外旗舰模型的那些花活儿，Hy4 也算是补上了一部分。

所以别的先放放，咱先来看这双后训练装上的眼睛，到底好不好使。

就拿前段时间很火的谐音梗游戏来测，里面的题是手绘风格的图片，上面是提示，下面让你填谐音梗，光靠 OCR 识别是填不出来的。

结果它十个题全都答对了，像什么虫子拉彩蛋是 “ 重庆 ”，冰块亲御姐是 “ 冰清玉洁 ” 这种，我都得愣一会的，它也能想得到，冷笑话这块儿估计没少练。

向左滑动

说起来，中间还有个小插曲，就是前面几分钟它解出来后，后面居然特喵自己去找题库了。

还精准定位到了是 Steam 小游戏《这是谐音梗》，就在题库的第 6 页，然后对比了一下攻略，发现自己答对了才交给我交卷。

这种小心机咱以后不得不防啊，而且这么看，很多 benchmark 的题库也不见得多牢靠，还是得多更新才行。

所以咱接下来直接上难度，测一测它的手眼协调能力，喂给它一张图片，再让它调用画板画出来。

结果怎么说呢，能到是能，但确实挺费事儿的，足足画了仨小时才搞定。

而且比起官方 Demo 那种 95% 的还原度，如果给的图精度略高一些，是做不到 95% 的，只能掺点水。

这还是它自己复盘的时候告诉我的，说考虑种种因素，这是 “ 不得已的妥协 ”，否则内存爆掉就不好看了。

行吧，看在还原了个七七八八的份儿上，这选择倒也算明智。

眼睛测差不多，咱回归主题。

既然 Agent 和 Coding 能力上来了，咱干脆让它做个前段时间大火的科普视频，就是配着 Opus5.5 经典小曲的那种，看看前端能力咋样。

要求非常简单，就是不调用技能，绘制科普视频，介绍一下 P = NP 这个数学猜想。

为了防止它走传统派的路子，还特意告他别整 PPT 幻灯片儿那一套。

但很遗憾啊，还是有一张一张播片的感觉，明显是不这么搞，哥们是真没招了。

不过该说不说，一些小动效的设计还是不错的，比如 38 秒处像磁盘扫描一样的动画，还有 1 分 40 秒的环状星图。

能感觉到，它确实也竭尽全力了，但无奈 PPT 它有上限呐。。。

而且同样的提示词放 Hy4 preview 预览版里，不止 PPT 味儿更重，动效就更单薄了。

咱再来瞅一下 Opus5.5 的效果 （ 谷歌 Antigravity 上的，别问为啥没在 Claude 上用原汁原味的 ）。

嘢？你别说，这一次直出的居然也带点 PPT 味儿？

但细看一下，还是不一样的，谷歌这每一幕的光点都能衔接到下一幕，接着变换形态，而且过渡的动效也丝滑得多，更有视频的感觉。

接下来咱继续升级难度，拿 Astra 带火的 Blender 建模试试水。

给它一张同福客栈的内景图，让它调用 Blender 尝试还原一下，看看精细度。

很快啊，花了 22 分钟，它就掏出来了大堂的场景。

咋说呢，看着确实挺像模像样的，内饰和家具的特征也对得上号。

基本格局也有，但很多细节的准确度还是差点意思，前面拐角式的楼梯直接给你捋直了，左边的前台也放错了位置。

简单示意，或者精细度要求不高的场景，也能凑合着用。

只能说，有眼睛后潜力确实更大了，要是给更多时间，分配好子 Agent 分头去跑，估计能雕琢的更精细点。

最后咱再整个大的，让它接到虚幻引擎里，做个游戏 Demo 看看。

毕竟上面这个 Demo，还是 Hy4 预览版做的，这回他们说跟游戏开发者合作，做了很多游戏引擎的深度适配，给世超期待值拉满了。

索性忍痛借了张好显卡，只为看看咱这样的小白能不能用它搞 3A。

话不多说，直接看结果：

可以说，跟预想的 Agent 长出三头六臂库库干不同，这玩意儿明显还需要专业人士的辅助操作。

提示词我都照抄的官网的，但实测还得你自己出手，帮忙配置下环境。

而且就这鸟样，还是我帮它下了个 50 多 G 的素材包，又配置了 MCP 连接才搞出来的。

要想达到演示的效果，肯定还得精细操作一下，让它把模型载进去，把渲染管线调对味儿。

没办法，游戏引擎的复杂度在那儿摆着，这东西的门槛估计还得段时间才可能打下来，一句话做 3A 多少还是有点距离。

当然，除了上面这些偏实操的，Hy4 这次发布里还有两个地儿值得说道。

一个是科研，像数学这种大模型出道必刷的，咱先不谈，但在物理建模、地球环境之类的 7 个领域里，Hy4 的跑分也都来到了开源模型第一，算是小有惊喜。

另一个是RSI，叫递归自我改进，大白话就是模型自己训模型，左脚踩右脚直接升天。

他们让 Hy4 训了个 Jev 模型，这玩意儿不像传统语言模型，更像个 if else 选择器，你给它选项，它帮你选择。

规模比较小，很适合拿来做实验，之前世超就测过：

而比起官方版，Hy4 训出来这个算是 plus 升级版，8 项测试里 6 项跑分都更高一筹。

除此之外，顺着科研这条线，还搞了个 Hyra2.0 的 Harness，目标定的很高，想探究科研的新范式，实现 AI 自动化。

只能说，方方面面的，基本都在跟外国旗舰对标，眼睛装上，科研也不落下，甚至还能兼顾一手性价比。

回过头看看，还真像姚顺雨说的，他们只花了一年就赶到了前排，做到了两个月一次的迭代。

甚至不久后，更便宜更快的Hy4 Flash 版也要端出来了。

同样的剧本，咱好像刚在 Meta 那儿也见了一次。

中间虽然曲折，但终归还是靠着决心和钞能力，重新挤回了牌桌。

而且不管是 WorkBuddy 还是 Muse，俩哥们在 C 端市场都挺能打的。

这些信号一个个亮起，还真有种重新集结，再冲一波的感觉。

顺便也给世超整期待了，想着啥时候能真刀真枪的捅破 OA 两家的天花板，来个新款的SOTA 模型拿拿味儿。

毕竟要是出个国产的 Fable，它蹬着应该是不烧心的。。。

撰文：风华

编辑：江江 & 面线

美编：焕妍

图片、资料来源：

WorkBuddy、腾讯混元、哔哩哔哩@比特新语、Antigravity、《武林客栈》、UE5、X，部分图源网络