騰訊混元 Hy4 正式版評測:官方主張與 Artificial Analysis 35 分對照
本文整理公開資料,不是貴數智能的自行測試。
先講結論:官方把 Hy4 定位為面向實際生產力的旗艦模型,獨立評測機構 Artificial Analysis(AA)給出的綜合分數低於其比較組中位數,速度偏慢、輸出偏長。兩類資訊的來源不同,不能合併成同一個分數。
基本資訊
- 廠商:騰訊混元(Tencent Hy / Tencent Hunyuan)。顯示名稱 Hy4,API 參數
hy4。 - 發布:騰訊官網研究頁與騰訊新聞稿寫的是 2026-11-04。研究列表中另有一處寫 11-03,條目日期可能相差一天。
- 規格:TokenHub 的 Hy API Guide 列出 1M 上下文、最大輸入 960k、最大輸出 64k,輸入文字與圖像,輸出文字,支援推理。
- 參數量:正式版研究頁沒有公布總參數與啟用參數。770B / 49B 是前代 Hy4 preview 的數字,不能套用到正式版。社群平台上有貼文把這組數字寫成正式版規格,那不是第一方說法。
官方主張
以下皆出自騰訊官網研究頁、新聞稿與官方公眾號文章,屬於廠商說法。
- 新能力:相較 preview,正式版首度引入視覺理解,首度支援電腦操作(命令列與圖形介面),並稱指令遵循、長文理解、長程任務與深度研究都有提升。針對 Blender、CAD 與跨應用長程任務做了專項訓練。
- 金融眾測:由騰訊 FiT 組織,213 位專家、579 題。官方分數為 Hy4 3.04、DeepSeek-V4.1-Flash-1017 2.97、Kimi K3.1 Pro 2.68、GLM-5.3 2.68,官方稱為開源模型第一。這是騰訊主導的評測,不是獨立榜單。
- 合作方內部評測:WorkBuddy 綜合評測平均效果 83.18、通過率 96.15%,官方稱 12 個場景中有 9 個為中國國內模型第一。Manus 稱辦公文件任務完成率接近 97%。訊兔科技 IRAB 為 61.63,官網稱較 preview 提升 12.03 分(官網內文另有「12.03 個百分點」的寫法,此處照官網轉述)。
- 自建搜尋測試:幻覺率由 15.76% 降到 5.45%,猜測錯誤率由 23.1% 降到 5.6%。
- 元寶內部評測:由 65.25 提升到 72.53。
- 遊戲方向:GameDev、GameLogic 較 preview 提升 19.1% 與 9.8%。
官方也公布了多張公開基準圖表,本文不以圖上的個別分數作為依據。若要核對原始資料,請直接開啟騰訊混元研究頁。
獨立評測:Artificial Analysis 35 分
AA 的 Hy4 頁面(2026-11-18 核對)的資料如下,條件是 Intelligence Index v5.0.1:
| 項目 | Hy4 | 比較組中位數 |
|---|---|---|
| Intelligence Index v5.0.1 | 35 | 43 |
| 評測輸出 token | 160M | 65.1M |
| 每項任務耗時 | 13.5 分鐘 | 11.5 分鐘 |
同一頁還列出首 token 延遲 117.82 秒、輸出速度 96 tok/s,標示為 Proprietary,頁面評語為 very verbose。這個指數由 AA-Briefcase、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience、GDP.pdf、HLE-Diamond、CritPt、Terminal-Bench-Science 等任務構成。
中文媒體轉述 AA 稱,Hy4 在中國實驗室模型中排第二,僅次於 Kimi K3.1 Pro(46)。這是二手轉述,不等於全球榜單名次,具體數字請以 AA 原頁為準。The Decoder 的報導(二手整理)把 AA 中位數寫成 30,並稱與 Grok 4.7 並列,與 AA 原頁的 43 不一致。本文未能在 AA 頁面直接核對到並列關係,也不採用其中位數。
「最強開源」與權重的時間差
騰訊 11 月 4 日的新聞稿標題寫的是「躋身最強開源模型之列」。但截至 2026-11-18,官方只說 Hy4 權重將陸續釋出(見官方開源貼文),實際釋出權重的是 11 月 18 日的 Hy4 flash。AA 頁面把 Hy4 標為 Proprietary,與這個狀態一致。因此,「最強開源」在發布當天是預告性質的說法,讀者不應把它當成已經能下載、能重現的結論。系統卡同樣預計隨開源一起釋出,本文也沒有讀到完整的系統卡。
官方在研究頁中也承認,Hy4 與頂尖閉源模型仍有相當差距,尤其在內部高難度數學、長程開發、模型迭代與視覺問答集上。
怎麼解讀這些數字
- 官方評測多半是自建資料集或合作方場景,適合用來看騰訊想強調什麼,不適合當成排名。
- AA 是獨立來源,但只是一套綜合指數。35 分低於中位數,只說明在這套任務裡不占優勢,不等於所有場景都弱。
- 偏慢、輸出偏長,對 Agent 的長任務影響很具體:耗時與 token 消耗會一起放大。日常文件、檢索、簡單前端這類短任務受影響較小,長程軟體工程則建議先用自己的任務驗證。
- 若要選日常使用的版本,請看 Hy4 與 Hy4 flash 怎麼選。寫程式與 Agent 方面請看騰訊混元 Hy4 程式與 Agent:官方專項與第三方體驗整理,早期使用者的聲音請看使用者回饋與邊界。產品入口可參考 WorkBuddy 與 CodeBuddy 用法。前代規格見 Hy4 preview 指南,其中的 770B / 49B 僅適用於 preview。
尚未核實與邊界
- 正式版總參數、啟用參數:官方未公布。
- Hy4 權重與系統卡:截至 2026-11-18 尚未釋出。
- 本文未做自行測試,AA 資料以 2026-11-18 核對時的頁面為準,之後可能更新。
- 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。