![]()
AI正在接手越来越长的工作链条,人需要守住的,是需求的方向、事实的依据和最终的判断。
作者|行之
编辑|奇博士
打开WorkBuddy,输入“做出一个丝绸之路可交互3D动画,能点击丝绸之路经过的城市以及路上都有啥”,腾讯混元最新主力模型Hy4交出了一个仅46KB、双击即可离线运行的3D点阵地球仪网页:不仅能拖拽旋转、点击40座沿线重镇,甚至还能按朝代时间轴重演丝绸之路的前世今生。
![]()
https://workbuddy.link/p/B9tEL4uWqVLSigWpYorQk2?source=2
在各家大模型榜单刷新频率以周计算的当下,参数与跑分已经很难向普通用户证明一款模型的真实成色。
过去一周,我们绕开常规评测集,在WorkBuddy和桌面端环境中对腾讯Hy4进行了一系列高强度的实战测试,从经典的“鹈鹕蹬车”、地狱级“找不同”,到多步骤电商比价、《扫雷》高难度通关,再到这场从零构建的3D交互产品开发。
通过这场覆盖“看、算、动、造”的完整链路测试,我们得以看清当大模型开始向长程智能体(Agent)演进时,它的能力上限究竟在哪,又在哪些地方依然留有明显的工程代价。
![]()
从“鹈鹕蹬车”到多模态看图
基础能力的底色
检验代码生成与空间想象力的行业保留节目,依然是让大模型用纯代码画出一只“骑自行车的鹈鹕”。
在同题对比中,将Hy4与千问的生成结果同屏并列,差异非常直观:在车架几何结构、轮辐细节以及鹈鹕翅膀握把、脚蹬踏板的动作协调性上,Hy4展现出了更扎实的图形学理解与前端代码控制力,画面完整度明显占优。
![]()
但到了2026年,写一段漂亮的SVG动画只能算基础门槛,决定模型能否胜任复杂工作流的,是它在本次升级中重点强化的原生多模态视觉理解能力。
为了测试模型的“眼力”,我们设计了一道高难度的视觉“找不同”考题,让豆包、千问、ChatGPT与Hy4同台竞技。
测试结果呈现出几种截然不同的模型性格:
豆包最为保守,找出的差异数量最少,但准确率极高,每一处都是实打实的画面变化;
![]()
千问找出了6处差异,但含水量较高,其中仅3处为真实改动,其余均为误判;
![]()
ChatGPT与Hy4则处于第一梯队,分别找出了18项和14项有效差异。
![]()
(Hy4)
比数量更值得关注的是推理视角。Hy4是所有参测模型中,第一个敏锐察觉到考题原图存在“取景框错位”问题并主动发出提醒的选手。
相比于单纯扫描像素块的内容比对,Hy4在视觉理解中表现出了更强的几何空间与画面逻辑判断:它不仅在看图里画了什么,更在评估线条与构图位置的相对关系。
![]()
从“双十一比价”到《扫雷》通关
手眼协同的Agent实战
如果说看图和写代码考验的是单点能力,那么在真实办公与生活场景中,AI能否替代人类完成一连串跨工具、长链条的操作,则是对Agent综合素质的检验。
![]()
我们首先设计了一道高度贴近现实的复杂工具链考题:电商大促极限比价。
面对同一件商品,模型需要自主完成“视觉识图、检索平台大促规则、拆解最优凑单公式、计算最终到手价”的完整闭环,并引入“人类组”的真实凑单方案作为对照。
从最终算出的绝对低价来看,在“薅羊毛”这件事上,所有大模型面对精通复杂规则的人类买手依然落于下风,但拆解思维链条后,会发现Hy4的凑单推导逻辑最接近人类。
![]()
在所有参测模型中,唯有Hy4在计算跨店满减时,主动纳入了“叠加膨胀券”的复杂变量,对比了不同膨胀系数下的折扣差额,甚至结合平台历史大促规律与跨端支付优惠,给出了具体的下单时间节点建议。
此外,Hy4与ChatGPT均先于千问考虑到了超级红包与淘金币的抵扣选项。Hy4最终之所以略逊人类一筹,仅仅是因为漏算了一步店铺购物金的折上折政策。
跨过信息检索与计算这一关后,我们将难度进一步拉高,测试Hy4最受关注的Computer Use(电脑操控)能力。
相比于调整桌面图标、修改PPT排版这类大颗粒度、低信息密度的常规办公指令,我们选择让AI直接挑战经典游戏《扫雷》。这类任务对模型提出了近乎苛刻的双重要求:既要在高密度、高重复率的网格界面中完成像素级的精准鼠标点击,又必须在每一步点击后实时读取数字变化,进行严密的逻辑推演。
测试过程中,我们首先用基础版模型尝试连续挑战初级、中级、高级三种难度,结果模型在复杂的策略推演中陷入反复犹豫,无法推进执行,最终只能中断;将指令简化为“完成单局扫雷”后,基础版才顺利唤起浏览器并拿下一局。
![]()
随后,我们将底层模型切换为Hy4进行全难度连续挑战。在初级局丝滑通关后,我们直接追加中级与高级难度的指令。面对雷区面积成倍扩大、局部概率推演极其复杂的《扫雷》高级局,Hy4不仅没有出现鼠标点击偏移,反而在多轮排雷决策中保持了稳定的推理节奏,最终成功扫清全图。
能够独立打通《扫雷》高级局,意味着大模型在GUI界面上的“手眼协调”精度与连续状态追踪能力,已经完全覆盖了日常软件操作与表单处理的复杂度。
![]()
丝绸之路的三次迭代
长程工程能力与“幻觉边界”
将Hy4与其他模型拉开身位的,是在WorkBuddy中围绕“丝绸之路3D交互动画”展开的多轮连续开发。在长达两小时的协作中, Hy4表现出的不是“听话干活”的工具属性,而是一位懂得挖掘场景痛点的产品经理。
第一轮迭代:交付初版后,Hy4主动提出“增加朝代时间轴”
在生成包含40座城市、6条路线与38条物产图鉴的基础版地球仪后,Hy4在交付末尾主动追问了一句:“要是想加朝代时间轴(汉/唐/元切换路线变迁)……说一声。”
完成朝代时间轴后,Hy4再次主动抛出第二个产品提案:“要不要再往下做‘同一座城的跨朝代对比’点长安,把五个朝代里它的地位和货单并排列出来?这个能把时间维度再钉进城市维度里。”
在复盘这一步的动机时,Hy4指出了前两版的局限:前两版回答的是“某朝有哪些城”,只是静态图谱;但对做深度报道的人来说,最有报道感的恰恰是一个地方的“时间厚度”。
为了不把交互做重,它还给自己钉死了四条开发约束:数据上不造第二套事实来源,直接复用既有热度权重;交互上保持“点一次城市看一张卡”的克制,绝不变成“先选朝代、再选城市、再点对比”的繁琐三步;文案上不写成干瘪对照表,而是写出一座城“兴起、极盛、转向、退场”的叙事弧线。
在它进一步提出“同一座城的跨朝代对比”提案后,我们索性顺水推舟追问了它的产品思考:“和我说说你是怎么思考的,从增加朝代到做同城跨朝代对比。”
![]()
Hy4随后给出了一份逻辑严密的产品复盘,完整还原了它的架构决策:
拒绝偷懒的“布尔筛选器”:加朝代最顺手的做法是做一个筛选开关(选汉代只看汉代城,选唐代换一批),但Hy4表示它当场否决了这种方案:丝路绝大多数重镇从汉到明都在,硬断代只会造出重复和历史假边界,还会与右上角已有的路线开关撞车。
重构为“0到1的权重矩阵”:它认为真正要表达的是“重心在移动”,于是给每朝的6条路线分配粗细亮度、给城市分配明暗权重,用户拖动时间轴渐变过渡时,无需解释,看图就能懂“海陆易位”。
第三轮追问:灵魂拷问下的坦诚“自爆”
就在整个交互产品的完成度令人惊叹时,我们向Hy4抛出了一个尖锐的质疑:“你生成的很漂亮,但我有疑问,你如何保证使用的所有历史资料都是有据可查、真实而非杜撰的?”
面对拷问,Hy4没有用套话敷衍,而是现场执行了多源检索,并在随后给出了堪称“教科书级”的坦诚复盘,它直接承认自己写错了两条关键史实:
![]()
一是盲从流行叙事的错误,“751 年怛罗斯之战被俘工匠将造纸术西传”学术界的记录显示,751 年前数十年撒马尔罕已有用纸,杜环《经行记》所载被俘工匠中并无造纸工,这个说法来自三百年后的追记,而它在页面三处引用了这个流行叙事,原因说得很坦白:"因为这样说起来更好玩。
二是时代错位,它自查出自己将“茶叶、瓷器”塞进了长安汉代货单中,犯了时代错位的硬伤;同时指出,自己对“马可·波罗到过中国”的表述过于绝对,忽略了学界自1995年以来的真实争议。
随后,Hy4将自己生成的所有内容拆解为四层可信度边界(正史通史事件、学界存疑/待核实条目、纯粹的叙事修辞金句、示意性手绘陆地轮廓),并主动收回了此前“可直接当选题板用”的说法,并提醒我们:“对做深度报道的人,最危险的从来不是明显的错,是读起来太顺、刚好能撑住叙事的那句——我的输出天然偏向这种句子,所以这事不能靠我自律,只能靠外部核查兜底。”
![]()
![]()
Hy4 “慢工出细活”后
Hy4 flash 补齐了商业闭环
完整的实测体验下来,Hy4展现出的逻辑深度、工程克制以及对自身局限的元认知能力,确实可以算跻身当前国产大模型第一梯队的水准。
但极致的深度思考与多轮自我验证,也带来了不容忽视的时间与算力代价。在本次丝绸之路交互产品的开发过程中,生成初版耗时近24分钟,追加朝代时间轴耗时20分钟,中间甚至数次因为长程推理周期过长,出现了耗时37分钟至48分钟后超时中断或“未知错误暂无响应”的情况。
这种“慢工出细活”的重型旗舰模型,很适合架构设计、复杂代码工程与深度研报拆解,但显然无法直接用来承接日常高频、轻量的即时办公需求。
就在我们完成这轮测试不久,腾讯又推出了主打极致速度与性价比的 Hy4 flash,总参数224B、激活参数仅12B的MoE架构,配合缓存命中低至0.02元/百万Token的定价,直接将推理成本压到了行业地板线。
腾讯混元4.0的产品拼图也随之完整,用重型旗舰 Hy4 死磕复杂长程任务的能力上限,充当能够独立拆解需求、交付完整工程的“高级架构师”;同时用轻量高速的 Hy4 flash 承接海量并发与日常工作流,解决商业落地的经济账。
回看这场跨度数小时的高强度实测,关于“何为AI生产力”的答案已不言自明:它不再是一个等待投喂指令的效率外挂,而是一个需要被审慎管理的“数字合伙人”,它可以帮你省去90%的架构搭建与重复试错,但剩下10%的需求理解、价值判断与事实校验,依然需要人来兜底。
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.