Hy4 dalam pengaturcaraan dan ejen: rumusan tugas khusus rasmi dan pengalaman pihak ketiga
Artikel ini merumuskan maklumat awam dan bukan hasil ujian sendiri Guishu Intelligence. Kenyataan pembangun dan demo peribadi pihak ketiga diasingkan kerana kekuatan buktinya berbeza: yang kedua hanyalah beberapa hantaran peribadi, bukan ujian sistematik.
Kenyataan khusus pembangun
Yang berikut datang daripada halaman penyelidikan dan WeChat rasmi Tencent, iaitu kenyataan pengeluar:
- Kawalan komputer: Hy4 versi rasmi buat pertama kali menyokong kawalan komputer (CUA), meliputi baris arahan dan antara muka grafik.
- Latihan khusus: dibuat untuk Blender, CAD dan tugas jangka panjang merentas aplikasi.
- Permainan: pembangun menyatakan penyesuaian mendalam untuk enjin utama seperti UE, Unity dan Godot, dan GameDev serta GameLogic meningkat 19.1% dan 9.8% berbanding preview. Ini kadar peningkatan berbanding preview, bukan tahap mutlak dan bukan perbandingan dengan model lain.
- Jangka panjang dan multimodal: pasukan Yuanbao menyatakan kadar siap tugas ejen multimodal naik 36.8% berbanding VLM sebelumnya (lihat WeChat); ini penilaian dalaman produk.
- Peranan flash: pembangun menyarankan Hy4 flash untuk frontend mudah dan computer use harian, serta Hy4 untuk kejuruteraan perisian jangka panjang (lihat halaman flash). Penilaian WorkBuddy menyatakan Coding jangka panjang flash menurun sedikit. Butiran di Memilih antara Hy4 dan flash.
Maklumat berkaitan dalam penilaian bebas
Intelligence Index v5.0.1 Artificial Analysis merangkumi tugas yang condong kepada pengaturcaraan dan terminal seperti Terminal-Bench 4.0 dan FrontierCode-AA 2.0. Jumlah skor Hy4 ialah 35, median kumpulan perbandingan 43, dan halaman itu mencatat model perlahan dengan output sangat panjang; 35 hanya menunjukkan model tidak menonjol dalam set tugas ini, bukan bermakna ia lemah dalam semua senario. Halaman AA tidak memberi skor sub-bahagian pengaturcaraan yang boleh dipetik di sini, jadi kekuatan pengaturcaraan tidak boleh disimpulkan daripadanya. Butiran di ulasan Hy4.
Demo peribadi pihak ketiga (X, 2026-11-17, sampel sangat kecil)
Ini hantaran peribadi sehari sebelum pemberat flash dibuka, masing-masing hanya mengandungi satu atau beberapa contoh, bukan ujian sistematik.
- @DDJCXX: membina pemandangan 3D lorong air Jiangnan dengan gesaan yang sama, menilai Qwen4-Max (xhigh) jelas lebih baik daripada Hy4 flash (high), dan menyatakan masa yang diambil. Hantaran asal.
- @shabnam_774: membina 3D Snake dari awal dengan flash dan membandingkannya dengan DeepSeek-V4.1-Flash-1017 menggunakan gesaan yang sama. Saiz sampel 1. Hantaran asal.
- @Histonemax: menguji 6 contoh semalaman, biasa menggunakan Opus dan merasakan flash boleh digunakan. Hantaran asal.
Hantaran ini tiada gesaan seragam, kriteria pemarkahan atau larian berulang, dan tidak dapat disahkan berapa kali pengarang melihat output. Yang pertama perbandingan yang kurang menyebelahi flash, dua yang lain positif atau neutral; digabungkan, ia hanya menunjukkan reaksi awal tidak seragam.
Jika mahu mencuba sendiri, cara mereka bentuk tugas
- Gunakan tugas kecil yang boleh disahkan, contohnya: "perlu mengambil kunci untuk membuka pintu, dan keadaan dikosongkan apabila bermula semula".
- Jalankan gesaan yang sama dengan tahap penaakulan yang sama pada kedua-dua model dan catat masa.
- Apabila menguji kawalan komputer, hadkan kebenaran dan skop, dan semak log operasi setiap langkah.
- Jalankan sekurang-kurangnya 3 kali sebelum membuat kesimpulan, kerana satu penjanaan boleh berbeza banyak.
Cara penggunaan dalam produk ada di WorkBuddy dan CodeBuddy. Maklum balas lain di maklum balas pengguna dan batasan, spesifikasi flash di ulasan flash.
Guishu Intelligence tidak membuat ujian sendiri bagi tugas yang diterangkan dalam artikel ini. Pelepasan oleh pembangun tidak bermakna model itu boleh dipanggil di laman kami.
Rujukan utama
Tarikh semakan: 2026-11-18.