Hy4 ด้านการเขียนโค้ดและเอเจนต์: ข้อมูลเฉพาะทางจากทางการและประสบการณ์จากบุคคลที่สาม
บทความนี้เรียบเรียงจากข้อมูลสาธารณะ ไม่ใช่ผลทดสอบของ Guishu Intelligence เอง คำกล่าวของผู้พัฒนากับเดโมส่วนตัวของบุคคลที่สามแยกเขียนไว้ต่างหาก เพราะน้ำหนักของหลักฐานต่างกัน อย่างหลังเป็นเพียงโพสต์ส่วนตัวไม่กี่รายการ ไม่ใช่การทดสอบเชิงระบบ
ข้อมูลเฉพาะทางตามที่ผู้พัฒนาระบุ
ข้อมูลต่อไปนี้มาจากหน้าวิจัยและWeChat อย่างเป็นทางการของ Tencent จึงเป็นคำกล่าวของผู้ผลิต
- การควบคุมคอมพิวเตอร์: Hy4 รุ่นทางการรองรับการควบคุมคอมพิวเตอร์ (CUA) เป็นครั้งแรก ครอบคลุมบรรทัดคำสั่งและหน้าจอกราฟิก
- การฝึกเฉพาะทาง: ฝึกสำหรับ Blender, CAD และงานระยะยาวข้ามแอป
- เกม: ผู้พัฒนาระบุว่าปรับให้เข้ากับเอนจินหลักอย่าง UE, Unity, Godot อย่างลึก และ GameDev, GameLogic เพิ่มขึ้น 19.1% และ 9.8% เมื่อเทียบกับ preview นี่เป็นอัตราเพิ่มเทียบกับ preview ไม่ใช่ระดับสัมบูรณ์และไม่ใช่การเทียบกับโมเดลอื่น
- งานระยะยาวและมัลติโมดัล: ทีม Yuanbao ระบุว่าความสำเร็จของงานเอเจนต์มัลติโมดัลเพิ่ม 36.8% เมื่อเทียบกับ VLM ก่อนหน้า (ดู WeChat) นี่เป็นการประเมินภายในของผลิตภัณฑ์
- หน้าที่ของ flash: ผู้พัฒนาแนะนำให้ใช้ Hy4 flash กับหน้าเว็บง่าย ๆ และ computer use ประจำวัน และใช้ Hy4 กับวิศวกรรมซอฟต์แวร์ระยะยาว (ดูหน้า flash) การประเมิน WorkBuddy ระบุว่า Coding ระยะยาวของ flash ลดลงเล็กน้อย รายละเอียดดูเลือก Hy4 หรือ flash
ข้อมูลที่เกี่ยวข้องในการประเมินอิสระ
Intelligence Index v5.0.1 ของ Artificial Analysis มีงานที่เน้นการเขียนโค้ดและเทอร์มินัล เช่น Terminal-Bench 4.0 และ FrontierCode-AA 2.0 Hy4 ได้คะแนนรวม 35 ค่ามัธยฐานของกลุ่มเปรียบเทียบ 43 หน้าเว็บระบุว่าช้าและเอาต์พุตยาวมาก 35 คะแนนบอกเพียงว่าในชุดงานนี้โมเดลไม่ได้เปรียบ ไม่ได้แปลว่าอ่อนในทุกสถานการณ์ หน้า AA ไม่ได้ให้คะแนนย่อยด้านการเขียนโค้ดแยกไว้ให้อ้างอิง จึงใช้ตัดสินความเก่งด้านนี้ไม่ได้ รายละเอียดดูรีวิว Hy4
เดโมส่วนตัวของบุคคลที่สาม (X, 2026-11-17, ตัวอย่างน้อยมาก)
ต่อไปนี้เป็นโพสต์ส่วนตัวหนึ่งวันก่อน flash เปิดน้ำหนัก แต่ละโพสต์มีตัวอย่างหนึ่งหรือไม่กี่ชิ้น ไม่ใช่การทดสอบเชิงระบบ
- @DDJCXX: ใช้ prompt เดียวกันสร้างฉาก 3D ตรอกริมน้ำแบบเจียงหนาน เห็นว่า Qwen4-Max (xhigh) ดีกว่า Hy4 flash (high) ชัดเจน และระบุเวลาที่ใช้ โพสต์ต้นฉบับ
- @shabnam_774: ใช้ flash สร้างเกม 3D Snake ตั้งแต่ศูนย์ และเทียบกับ DeepSeek-V4.1-Flash-1017 ด้วย prompt เดียวกัน ขนาดตัวอย่างคือ 1 โพสต์ต้นฉบับ
- @Histonemax: ทดสอบข้ามคืน 6 ตัวอย่าง คุ้นกับ Opus และเห็นว่า flash ใช้งานได้ โพสต์ต้นฉบับ
โพสต์เหล่านี้ไม่มี prompt มาตรฐาน เกณฑ์ให้คะแนน หรือการรันซ้ำ และตรวจสอบไม่ได้ว่าผู้เขียนดูเอาต์พุตมากี่ครั้ง โพสต์แรกเป็นการเปรียบเทียบที่ไม่เป็นผลดีต่อ flash สองโพสต์หลังออกไปทางบวกหรือกลาง ๆ เมื่อรวมกันบอกได้เพียงว่าปฏิกิริยาช่วงแรกยังไม่ตรงกัน
หากจะลองเอง ควรออกแบบงานอย่างไร
- ใช้งานเล็ก ๆ ที่ตรวจรับได้ เช่น "ต้องได้กุญแจก่อนจึงเปิดประตูได้ และเมื่อเริ่มใหม่สถานะต้องถูกล้าง"
- รันสองโมเดลด้วย prompt เดียวกันและระดับการให้เหตุผลเดียวกัน แล้วจดเวลา
- เมื่อทดสอบการควบคุมคอมพิวเตอร์ ให้จำกัดสิทธิ์และขอบเขต และตรวจบันทึกการทำงานของทุกขั้นตอน
- รันอย่างน้อย 3 ครั้งก่อนสรุป เพราะผลแต่ละครั้งต่างกันมาก
วิธีใช้ในผลิตภัณฑ์ดูWorkBuddy และ CodeBuddy ความเห็นเพิ่มเติมดูความเห็นผู้ใช้และข้อจำกัด สเปกของ flash ดูรีวิว flash
Guishu Intelligence ไม่ได้ทดสอบงานที่กล่าวถึงในบทความนี้เอง การที่ต้นทางปล่อยโมเดลไม่ได้แปลว่าเว็บไซต์ของเราเรียกใช้ได้
แหล่งอ้างอิงหลัก
วันที่ตรวจสอบ: 2026-11-18