Hy4 في البرمجة والوكلاء: ملخص للمهام الرسمية وتجارب الأطراف الثالثة
هذا المقال تلخيص لمعلومات عامة، وليس اختبارًا أجرته Guishu Intelligence بنفسها. فصلنا بين أقوال الشركة والعروض الشخصية لأطراف ثالثة لأن قوة الدليل مختلفة: الثانية مجرد منشورات شخصية قليلة وليست اختبارًا منهجيًا.
ما تقوله الشركة عن المهام المخصصة
ما يلي من صفحة الأبحاث وحساب WeChat الرسمي لدى Tencent، وهو أقوال الشركة المصنِّعة:
- التحكم بالحاسوب: تدعم النسخة الرسمية من Hy4 لأول مرة التحكم بالحاسوب (CUA)، ويشمل سطر الأوامر والواجهة الرسومية.
- تدريب مخصص: جرى لـ Blender وCAD والمهام الطويلة العابرة للتطبيقات.
- الألعاب: تقول الشركة إنها أنجزت تكييفًا عميقًا مع المحركات الرئيسية مثل UE وUnity وGodot، وإن GameDev وGameLogic ارتفعا بنسبة 19.1% و9.8% مقارنةً بـ preview. هذه نسبة ارتفاع عن preview وليست مستوى مطلقًا ولا مقارنة بنماذج أخرى.
- المهام الطويلة وتعدد الوسائط: يذكر فريق Yuanbao أن نسبة إنجاز مهام الوكيل متعدد الوسائط ارتفعت 36.8% مقارنةً بنموذج VLM السابق (انظر WeChat)، وهذا تقييم داخلي للمنتج.
- دور flash: توصي الشركة باستخدام Hy4 flash للواجهات البسيطة وcomputer use اليومي، وHy4 لهندسة البرمجيات الطويلة (انظر صفحة flash). ويذكر تقييم WorkBuddy أن البرمجة (Coding) الطويلة في flash تنخفض قليلًا. التفاصيل في كيف تختار بين Hy4 وflash.
ما يخص الموضوع في التقييم المستقل
يتضمن Intelligence Index v5.0.1 لدى Artificial Analysis مهامّ تميل إلى البرمجة والطرفية مثل Terminal-Bench 4.0 وFrontierCode-AA 2.0. بلغت الدرجة الإجمالية لـ Hy4 35 مقابل وسيط 43 لمجموعة المقارنة، وتذكر الصفحة أنه بطيء وإخراجه طويل جدًا؛ والدرجة 35 تعني فقط أن النموذج لا يتفوق في هذه المجموعة من المهام، ولا تعني أنه ضعيف في كل السيناريوهات. ولا تعرض صفحة AA درجة منفصلة لبند البرمجة يمكن الاستشهاد بها هنا، فلا يمكن الحكم على قوة البرمجة من خلالها. التفاصيل في مراجعة Hy4.
عروض شخصية لأطراف ثالثة (X، 2026-11-17، عينة صغيرة جدًا)
هذه منشورات شخصية قبل يوم من فتح أوزان flash، يحتوي كل منها على مثال واحد أو أمثلة قليلة، وليست اختبارًا منهجيًا.
- @DDJCXX: صمّم بموجّه واحد مشهد أزقة مائية ثلاثي الأبعاد على طراز جيانغنان، ورأى أن Qwen4-Max (xhigh) أفضل بوضوح من Hy4 flash (high)، وذكر الزمن المستغرق. المنشور الأصلي.
- @shabnam_774: صنع لعبة 3D Snake من الصفر باستخدام flash وقارنها بـ DeepSeek-V4.1-Flash-1017 بالموجّه نفسه. حجم العينة 1. المنشور الأصلي.
- @Histonemax: اختبر 6 أمثلة طوال الليل، وهو معتاد على Opus، ويرى أن flash صالح للاستخدام. المنشور الأصلي.
ليس لهذه المنشورات موجّه موحد ولا معيار تقييم ولا تشغيل متكرر، ولا يمكن التحقق من عدد المرات التي اطّلع فيها الكاتب على المخرجات. المنشور الأول مقارنة غير مواتية لـ flash، والآخران إيجابيان أو محايدان؛ ومجتمعةً لا تدل إلا على أن ردود الفعل الأولى متباينة.
إن أردت التجربة بنفسك: كيف تصمم المهمة
- اختر مهمة صغيرة يمكن قبولها أو رفضها بوضوح، مثل: «لا يُفتح الباب إلا بعد أخذ المفتاح، وتُمسح الحالة عند إعادة البدء».
- شغّل النموذجين بالموجّه نفسه ومستوى الاستدلال نفسه وسجّل الزمن.
- عند اختبار التحكم بالحاسوب قيّد الصلاحيات والنطاق، وتحقق من سجل العمليات في كل خطوة.
- شغّل المهمة 3 مرات أو أكثر قبل الحكم، لأن التوليد الواحد قد يختلف كثيرًا عن غيره.
للاطلاع على طريقة الاستخدام داخل المنتجات انظر WorkBuddy وCodeBuddy. وللمزيد من الآراء انظر آراء المستخدمين والحدود، ولمواصفات flash انظر مراجعة flash.
لم تُجرِ Guishu Intelligence اختبارًا بنفسها للمهام الواردة في هذا المقال. إصدار الجهة المطوّرة للنموذج لا يعني أن موقعنا يتيح استدعاءه.
المراجع الرئيسية
تاريخ التحقق: 2026-11-18.