返回博客列表

腾讯混元 Hy4 编程与 Agent:官方专项与第三方体验整理

腾讯混元Hy4Hy4 flash编程模型Agent电脑操作

本文整理公开资料,不是贵数智能的自测。官方说法和第三方个人演示分开写,二者的证据强度不同,后者只是少量个人帖子,不是系统实测。

官方专项说法

以下来自腾讯研究页与官方公众号,属于厂商口径:

  • 电脑操作:Hy4 正式版首次支持电脑操作(CUA),覆盖命令行与图形界面。
  • 专项训练:针对 Blender、CAD 和跨应用长程任务做了训练。
  • 游戏方向:官方称实现对 UE、Unity、Godot 等主流引擎的深度适配,GameDev、GameLogic 较 preview 提升 19.1% 和 9.8%。这是相对 preview 的升幅,不是绝对水平,也不是与其他模型的比较。
  • 长程与多模态:元宝团队称多模态 Agent 完成度较此前 VLM 提升 36.8%(见公众号),这是产品内部评测。
  • flash 的分工:官方建议日常的简单前端、computer use 用 Hy4 flash,长程软件工程用 Hy4(见 flash 研究页)。WorkBuddy 评测称 flash 长程 Coding 小幅下降。详见Hy4 与 flash 怎么选。

独立评测里的相关信息

Artificial Analysis 的 Intelligence Index v5.0.1 包含 Terminal-Bench 4.0、FrontierCode-AA 2.0 等偏编程和终端的任务。Hy4 总分 35,比较组中位数 43,页面标注偏慢、输出很长;35 只说明在这套任务里不占优,不等于所有场景都弱。AA 页面没有单独给出编程子项分数供本文引用,所以不能据此判断编程强弱。详见Hy4 评测。

第三方个人演示(X,2026-11-17,样本很小)

以下是 flash 开放权重前一天的个人帖子,各只含一个或几个案例,不是系统测试。

  • @DDJCXX:用同一提示词做 3D 江南水巷,称 Qwen4-Max(xhigh)的效果明显好于 Hy4 flash(高),并给出耗时。原帖。
  • @shabnam_774:用 flash 从零做 3D Snake,并与 DeepSeek-V4.1-Flash-1017 用同一提示词对比。样本为 1。原帖。
  • @Histonemax:通宵测了 6 个案例,习惯使用 Opus,认为 flash 可用。原帖。

这些帖子没有统一的提示词、评分标准或重复运行,且作者是否看过多次输出无从核实。第一条是对 flash 偏负面的比较,后两条偏正面或持中,合在一起只能说明早期反应不一。

如果自己试,怎么设计任务

  1. 用一个可验收的小任务:如“拿到钥匙才能开门,重新开始后状态清空”。
  2. 同一提示词、同一推理档位分别跑两个模型,记录耗时。
  3. 检查电脑操作时,限制权限和范围,确认每一步的操作记录。
  4. 跑 3 次以上再下判断,单次生成差异很大。

产品内的使用方式见WorkBuddy 与 CodeBuddy 用法。更多反馈见用户反馈与边界,flash 规格见flash 评测。

贵数智能没有做过本文所述任务的自测。上游发布不等于本站可调用。

主要参考资料

核对日期:2026-11-18。