返回部落格列表

騰訊混元 Hy4 程式與 Agent:官方專項與第三方體驗整理

騰訊混元Hy4Hy4 flash程式模型Agent電腦操作

本文整理公開資料,不是貴數智能的自行測試。官方說法與第三方個人示範分開寫,兩者的證據強度不同,後者只是少量個人貼文,不是系統性實測。

官方專項說法

以下出自騰訊研究頁與官方公眾號,屬於廠商說法:

  • 電腦操作:Hy4 正式版首度支援電腦操作(CUA),涵蓋命令列與圖形介面。
  • 專項訓練:針對 Blender、CAD 與跨應用長程任務做了訓練。
  • 遊戲方向:官方稱實現對 UE、Unity、Godot 等主流引擎的深度適配,GameDev、GameLogic 較 preview 提升 19.1% 與 9.8%。這是相對 preview 的升幅,不是絕對水準,也不是與其他模型的比較。
  • 長程與多模態:元寶團隊稱多模態 Agent 完成度較先前的 VLM 提升 36.8%(見公眾號),這是產品內部評測。
  • flash 的分工:官方建議日常的簡單前端、computer use 用 Hy4 flash,長程軟體工程用 Hy4(見 flash 研究頁)。WorkBuddy 評測稱 flash 的長程 Coding 小幅下降。詳見 Hy4 與 Hy4 flash 怎麼選。

獨立評測裡的相關資訊

Artificial Analysis 的 Intelligence Index v5.0.1 包含 Terminal-Bench 4.0、FrontierCode-AA 2.0 等偏程式與終端機的任務。Hy4 總分 35,比較組中位數 43,頁面標示偏慢、輸出很長;35 只說明在這套任務裡不占優勢,不等於所有場景都弱。AA 頁面沒有單獨列出程式子項分數可供本文引用,所以不能據此判斷寫程式能力的強弱。詳見 Hy4 評測。

第三方個人示範(X,2026-11-17,樣本很小)

以下是 flash 開放權重前一天的個人貼文,各只含一個或幾個案例,不是系統性測試。

  • @DDJCXX:用同一份提示詞做 3D 江南水巷,稱 Qwen4-Max(xhigh)的效果明顯好於 Hy4 flash(high),並給出耗時。原貼文。
  • @shabnam_774:用 flash 從零做 3D Snake,並與 DeepSeek-V4.1-Flash-1017 以同一份提示詞對比。樣本為 1。原貼文。
  • @Histonemax:通宵測了 6 個案例,習慣使用 Opus,認為 flash 堪用。原貼文。

這些貼文沒有統一的提示詞、評分標準或重複執行,作者是否看過多次輸出也無從查證。第一則是對 flash 偏負面的比較,後兩則偏正面或持平,合在一起只能說明早期反應不一。

如果想自己試,怎麼設計任務

  1. 用一個可驗收的小任務:例如「拿到鑰匙才能開門,重新開始後狀態清空」。
  2. 同一份提示詞、同一個推理檔位分別跑兩個模型,記錄耗時。
  3. 檢查電腦操作時,限制權限與範圍,確認每一步的操作紀錄。
  4. 跑 3 次以上再下判斷,單次生成的差異很大。

產品內的使用方式請見 WorkBuddy 與 CodeBuddy 用法。更多回饋請見使用者回饋與邊界,flash 規格請見 flash 評測。

貴數智能沒有對本文所述任務做過自行測試。上游發布不等於本站可呼叫。

主要參考資料

核對日期:2026-11-18。