腾讯 Hy4 Preview 是其 Hunyuan（混元）系列的新一代旗舰大语言模型，采用**混合专家（Mixture-of-Experts，MoE）**架构，重点服务于软件工程、科学研究、办公自动化、数据分析和复杂工具调用等“代理式”生产力场景。17

它的核心变化很直接：相比 Hy3，Hy4 不仅拥有更大的参数容量，还显著提高了每次推理实际调用的参数量，并把上下文窗口扩展到超过 100 万 tokens。不过，Hy4 目前仍是 Preview 预览版。腾讯公布的最亮眼成绩主要来自公司自测或发布材料，距离形成稳定、可复现的公开结论还有一段距离。414

Hy4 Preview 与 Hy3：主要规格对比

指标	Hy3 Preview	Hy4 Preview	这意味着什么
总参数量	2950 亿	7700 亿	Hy4 的 MoE 总容量约为 Hy3 的 2.6 倍。24
激活参数量	每个 token 约 210 亿	每次请求约 490 亿	Hy4 的活跃计算量约为 Hy3 的 2.3 倍，能力可能更强，但服务成本也更高。24
上下文窗口	256K tokens	超过 100 万 tokens	更适合大型代码库、长文档和多步骤代理任务。214
主要定位	推理、编程、RAG 和 IDE 代理	代理、编程、研究、办公流程和复杂工具调用	Hy4 更明确地瞄准生产力代理与实际工作流。24
发布状态	开放权重模型，据报道采用 Apache 2.0 条款	开源预览版	商业部署前仍应核对官方仓库中的具体许可证与自托管条款。214

Hy3 本身已经是一款强调计算效率的超大规模 MoE 模型：它在约 2950 亿总参数中，每个 token 大约路由 210 亿参数，使用 192 个专家并采用 top-8 路由；腾讯及相关模型资料还显示，Hy3 支持可调节的推理深度，并曾报告 74.4% 的 SWE-bench Verified 成绩。23

Hy4 延续了“总参数很大、单次只激活一部分”的稀疏 MoE 思路，但把总容量和实际推理计算同时推高。换句话说，它不是简单地把模型“做大”，而是试图用更大的专家池和更高的活跃参数量，提升长流程任务中的规划、执行和工具使用能力。414

性能：已经领先，还是仍需观望？

腾讯目前公布的结果显示，Hy4 在编程和代理任务上取得了明显进步：

• 在 Terminal-Bench 2.1 中，Hy4 得分为 85.4，比 Hy3 高 14.6 分。腾讯称，该成绩超过 DeepSeek V4 Pro，并与 Claude Opus 5 持平。13
• 在面向软件工程实战的 DeepSWE 测试中，腾讯披露 Hy4 从 Hy3 的 28.0 分提升至 64.3 分。
• 腾讯组织的内部盲测涉及 163 名专家和 203 项工程任务。Hy4 平均得分为 2.99/4，高于 Z.ai 的 GLM-5.3（2.92）和 Moonshot 的 Kimi K3（2.91）。5

这些数字说明 Hy4 的目标并非传统聊天问答，而是更长链路的工程任务：理解需求、规划步骤、调用工具、运行代码，再根据结果继续修正。不过，内部盲测和厂商自报成绩不能直接等同于独立排行榜。不同模型的测试版本、工具权限、提示词、代理脚手架、采样设置和数据污染控制都可能影响结果。513

从总参数量看，Hy4 的 7700 亿参数小于报告中的 DeepSeek V4 Pro（1.6 万亿）和 Kimi K3（2.8 万亿），与 GLM-5.3 的约 7440 亿接近；Hy4 的 490 亿激活参数则据报道与 DeepSeek V4 Pro 大致相当。4

作为参照，较早公布的 GLM-5 曾报告 77.8% 的 SWE-bench Verified 成绩。但不同模型之间的横向比较必须谨慎，单个基准分数并不能代表模型在所有办公、研究、编程和代理任务中的综合表现。1

**目前更稳妥的结论是：**Hy4 已进入中国头部开放权重模型的竞争区间，在编程和生产力代理方面看起来很有竞争力；但现阶段还不足以据此断言它全面领先 DeepSeek、Qwen、GLM、Kimi 或 MiniMax。413

如何使用：开源、自托管与产品集成

Hy4 Preview 的可用方式大致分为三类：

1. 直接使用腾讯产品：Hy4 已接入 WorkBuddy 和 CodeBuddy 的中国版及国际版，分别对应办公生产力代理和编程代理。14 腾讯同时表示，用户也可以在 Yuanbao、ima 等产品中体验该模型。22
2. 通过 API 调用：开发者可以通过腾讯云 TokenHub 或 OpenRouter 接入 Hy4。1922
3. 下载模型并自行部署：Hy4 已以开源模型形式发布，相关模型权重和模型卡可在 Hugging Face 等平台查看。1719

“开放权重”或“开源”并不意味着部署门槛很低。虽然 MoE 模型每次推理只激活约 490 亿参数，但服务器仍需要保存和管理规模达 7700 亿参数的完整模型，并承担显存、带宽、分布式推理、故障恢复和运维等成本。414

价格：API 便宜，但要注意版本差异

目前流传的中国区 API 价格为：

• 输入：每百万 tokens 6 元人民币；
• 输出：每百万 tokens 18 元人民币；
• 缓存输入：每百万 tokens 0.3 元人民币。4

腾讯云 TokenHub 的美元价目页面则显示，Hy4 Preview 的价格约为输入每百万 tokens 0.834 美元、输出每百万 tokens 2.501 美元、缓存命中每百万 tokens 0.042 美元。 两组价格可能对应不同地区、渠道或计费版本，因此企业用户应以当前控制台显示的价格、配额、区域和限流规则为准。

部分第三方聚合平台给出的价格与腾讯官方页面并不一致，甚至存在输入和输出价格关系异常的情况。818 在预览阶段，直接参考腾讯云当前价目表，比依赖聚合网站的静态报价更稳妥。

腾讯还表示，Hy4 上线初期将在 WorkBuddy 和 CodeBuddy 中提供为期两周的免费体验。

Hy4 Preview 的现实局限

1. 预览版仍可能频繁变化

模型质量、API 行为、调用额度、价格、安全策略和部署文档都可能在正式版前调整。对企业来说，预览版更适合试点和评估，不宜未经验证就成为关键业务流程的唯一模型。14

2. 独立验证还不充分

Hy4 最具吸引力的横向比较，主要来自腾讯的发布材料、内部测试或相关报道。要判断它是否稳定领先，还需要不同机构使用统一数据、统一工具和统一代理设置进行可复现测试。513

3. 总体部署规模很高

稀疏激活可以降低单 token 的计算量，但不能消除 7700 亿参数模型的存储和分布式部署压力。与 Hy3 相比，Hy4 的每次活跃参数量也明显增加，因此实际推理成本、延迟和硬件需求都可能上升。24

4. 百万级上下文不等于百万级可靠性

超过 100 万 tokens 的上下文窗口，对大型代码库、长篇研究资料和企业知识库很有吸引力。但在实际使用中，仍需测试模型对远距离信息的检索准确率、长上下文下的指令遵循、响应延迟以及真实成本。能“装下”更多内容，不代表模型能同样可靠地使用这些内容。

下一步可能改进什么？

如果 Hy4 继续迭代，用户最可能期待的方向包括：

• 从 Preview 过渡到更稳定的正式版本；
• 提高代理在多轮规划、工具调用和错误恢复方面的可靠性；
• 改进推理效率、量化方案和吞吐能力；
• 获得更多独立、可复现的基准测试结果；
• 扩大云服务、开发工具和第三方 API 集成范围。

这些是基于产品形态的合理预期，并非腾讯已经公布的明确承诺。

Hy4 背后：腾讯正在押注“模型—应用—云”闭环

Hy4 并不是腾讯孤立发布的一款模型。它更像是腾讯 AI 战略中的底层引擎，与 WorkBuddy、CodeBuddy、腾讯云以及其他产品共同组成“模型—应用—基础设施”的闭环。

在 2026 年第二季度，腾讯的经营性资本开支达到 518 亿元人民币，同比增长 190%；同期自由现金流为 -138 亿元人民币。管理层将这轮支出激增主要归因于 AI 基础设施投入。27

WorkBuddy 也成为这项投入能否转化为真实使用量的重要观察窗口：

• 腾讯称，WorkBuddy 是中国使用最广泛的生产力 AI 代理服务；彭博社则在其报道中称其为中国最受欢迎的 AI 办公助手。这些属于市场地位表述，并不是经过审计的收入或用户数据。31
• 第三方 PC 端网页流量估算显示，WorkBuddy 在 2026 年 6 月访问量为 2097 万次，高于 3 月上线时的 885 万次。但该统计不等同于日活用户、付费企业数、收入或移动端使用量。12
• 腾讯管理层表示，WorkBuddy 和 CodeBuddy 的用户都在快速增长。6

这套战略的逻辑在于：腾讯可以把 GPU、数据中心和云计算投入分摊到自有办公助手、编程工具、腾讯云客户以及更广泛的业务生态中，而不是只靠单独出售一个大模型来回收成本。615

代价也同样明显：在应用仍处于快速扩张期时，资本开支会先行增加，而商业化速度、企业付费意愿和最终投资回报仍存在不确定性。对腾讯而言，Hy4 的真正考验或许不只是 benchmark 分数，而是它能否稳定驱动 WorkBuddy、CodeBuddy 和腾讯云形成持续使用与收入增长。

腾讯 Hy4 Preview 是其 Hunyuan（混元）系列的新一代旗舰大语言模型，采用**混合专家（Mixture-of-Experts，MoE）**架构，重点服务于软件工程、科学研究、办公自动化、数据分析和复杂工具调用等“代理式”生产力场景。17

它的核心变化很直接：相比 Hy3，Hy4 不仅拥有更大的参数容量，还显著提高了每次推理实际调用的参数量，并把上下文窗口扩展到超过 100 万 tokens。不过，Hy4 目前仍是 Preview 预览版。腾讯公布的最亮眼成绩主要来自公司自测或发布材料，距离形成稳定、可复现的公开结论还有一段距离。414

Hy4 Preview 与 Hy3：主要规格对比

指标	Hy3 Preview	Hy4 Preview	这意味着什么
总参数量	2950 亿	7700 亿	Hy4 的 MoE 总容量约为 Hy3 的 2.6 倍。24
激活参数量	每个 token 约 210 亿	每次请求约 490 亿	Hy4 的活跃计算量约为 Hy3 的 2.3 倍，能力可能更强，但服务成本也更高。24
上下文窗口	256K tokens	超过 100 万 tokens	更适合大型代码库、长文档和多步骤代理任务。214
主要定位	推理、编程、RAG 和 IDE 代理	代理、编程、研究、办公流程和复杂工具调用	Hy4 更明确地瞄准生产力代理与实际工作流。24
发布状态	开放权重模型，据报道采用 Apache 2.0 条款	开源预览版	商业部署前仍应核对官方仓库中的具体许可证与自托管条款。214

Hy3 本身已经是一款强调计算效率的超大规模 MoE 模型：它在约 2950 亿总参数中，每个 token 大约路由 210 亿参数，使用 192 个专家并采用 top-8 路由；腾讯及相关模型资料还显示，Hy3 支持可调节的推理深度，并曾报告 74.4% 的 SWE-bench Verified 成绩。23

Hy4 延续了“总参数很大、单次只激活一部分”的稀疏 MoE 思路，但把总容量和实际推理计算同时推高。换句话说，它不是简单地把模型“做大”，而是试图用更大的专家池和更高的活跃参数量，提升长流程任务中的规划、执行和工具使用能力。414

性能：已经领先，还是仍需观望？

腾讯目前公布的结果显示，Hy4 在编程和代理任务上取得了明显进步：

• 在 Terminal-Bench 2.1 中，Hy4 得分为 85.4，比 Hy3 高 14.6 分。腾讯称，该成绩超过 DeepSeek V4 Pro，并与 Claude Opus 5 持平。13
• 在面向软件工程实战的 DeepSWE 测试中，腾讯披露 Hy4 从 Hy3 的 28.0 分提升至 64.3 分。
• 腾讯组织的内部盲测涉及 163 名专家和 203 项工程任务。Hy4 平均得分为 2.99/4，高于 Z.ai 的 GLM-5.3（2.92）和 Moonshot 的 Kimi K3（2.91）。5

这些数字说明 Hy4 的目标并非传统聊天问答，而是更长链路的工程任务：理解需求、规划步骤、调用工具、运行代码，再根据结果继续修正。不过，内部盲测和厂商自报成绩不能直接等同于独立排行榜。不同模型的测试版本、工具权限、提示词、代理脚手架、采样设置和数据污染控制都可能影响结果。513

从总参数量看，Hy4 的 7700 亿参数小于报告中的 DeepSeek V4 Pro（1.6 万亿）和 Kimi K3（2.8 万亿），与 GLM-5.3 的约 7440 亿接近；Hy4 的 490 亿激活参数则据报道与 DeepSeek V4 Pro 大致相当。4

作为参照，较早公布的 GLM-5 曾报告 77.8% 的 SWE-bench Verified 成绩。但不同模型之间的横向比较必须谨慎，单个基准分数并不能代表模型在所有办公、研究、编程和代理任务中的综合表现。1

**目前更稳妥的结论是：**Hy4 已进入中国头部开放权重模型的竞争区间，在编程和生产力代理方面看起来很有竞争力；但现阶段还不足以据此断言它全面领先 DeepSeek、Qwen、GLM、Kimi 或 MiniMax。413

如何使用：开源、自托管与产品集成

Hy4 Preview 的可用方式大致分为三类：

1. 直接使用腾讯产品：Hy4 已接入 WorkBuddy 和 CodeBuddy 的中国版及国际版，分别对应办公生产力代理和编程代理。14 腾讯同时表示，用户也可以在 Yuanbao、ima 等产品中体验该模型。22
2. 通过 API 调用：开发者可以通过腾讯云 TokenHub 或 OpenRouter 接入 Hy4。1922
3. 下载模型并自行部署：Hy4 已以开源模型形式发布，相关模型权重和模型卡可在 Hugging Face 等平台查看。1719

“开放权重”或“开源”并不意味着部署门槛很低。虽然 MoE 模型每次推理只激活约 490 亿参数，但服务器仍需要保存和管理规模达 7700 亿参数的完整模型，并承担显存、带宽、分布式推理、故障恢复和运维等成本。414

价格：API 便宜，但要注意版本差异

目前流传的中国区 API 价格为：

• 输入：每百万 tokens 6 元人民币；
• 输出：每百万 tokens 18 元人民币；
• 缓存输入：每百万 tokens 0.3 元人民币。4

腾讯云 TokenHub 的美元价目页面则显示，Hy4 Preview 的价格约为输入每百万 tokens 0.834 美元、输出每百万 tokens 2.501 美元、缓存命中每百万 tokens 0.042 美元。 两组价格可能对应不同地区、渠道或计费版本，因此企业用户应以当前控制台显示的价格、配额、区域和限流规则为准。

部分第三方聚合平台给出的价格与腾讯官方页面并不一致，甚至存在输入和输出价格关系异常的情况。818 在预览阶段，直接参考腾讯云当前价目表，比依赖聚合网站的静态报价更稳妥。

腾讯还表示，Hy4 上线初期将在 WorkBuddy 和 CodeBuddy 中提供为期两周的免费体验。

Hy4 Preview 的现实局限

1. 预览版仍可能频繁变化

模型质量、API 行为、调用额度、价格、安全策略和部署文档都可能在正式版前调整。对企业来说，预览版更适合试点和评估，不宜未经验证就成为关键业务流程的唯一模型。14

2. 独立验证还不充分

Hy4 最具吸引力的横向比较，主要来自腾讯的发布材料、内部测试或相关报道。要判断它是否稳定领先，还需要不同机构使用统一数据、统一工具和统一代理设置进行可复现测试。513

3. 总体部署规模很高

稀疏激活可以降低单 token 的计算量，但不能消除 7700 亿参数模型的存储和分布式部署压力。与 Hy3 相比，Hy4 的每次活跃参数量也明显增加，因此实际推理成本、延迟和硬件需求都可能上升。24

4. 百万级上下文不等于百万级可靠性

超过 100 万 tokens 的上下文窗口，对大型代码库、长篇研究资料和企业知识库很有吸引力。但在实际使用中，仍需测试模型对远距离信息的检索准确率、长上下文下的指令遵循、响应延迟以及真实成本。能“装下”更多内容，不代表模型能同样可靠地使用这些内容。

下一步可能改进什么？

如果 Hy4 继续迭代，用户最可能期待的方向包括：

• 从 Preview 过渡到更稳定的正式版本；
• 提高代理在多轮规划、工具调用和错误恢复方面的可靠性；
• 改进推理效率、量化方案和吞吐能力；
• 获得更多独立、可复现的基准测试结果；
• 扩大云服务、开发工具和第三方 API 集成范围。

这些是基于产品形态的合理预期，并非腾讯已经公布的明确承诺。

Hy4 背后：腾讯正在押注“模型—应用—云”闭环

Hy4 并不是腾讯孤立发布的一款模型。它更像是腾讯 AI 战略中的底层引擎，与 WorkBuddy、CodeBuddy、腾讯云以及其他产品共同组成“模型—应用—基础设施”的闭环。

在 2026 年第二季度，腾讯的经营性资本开支达到 518 亿元人民币，同比增长 190%；同期自由现金流为 -138 亿元人民币。管理层将这轮支出激增主要归因于 AI 基础设施投入。27

WorkBuddy 也成为这项投入能否转化为真实使用量的重要观察窗口：

• 腾讯称，WorkBuddy 是中国使用最广泛的生产力 AI 代理服务；彭博社则在其报道中称其为中国最受欢迎的 AI 办公助手。这些属于市场地位表述，并不是经过审计的收入或用户数据。31
• 第三方 PC 端网页流量估算显示，WorkBuddy 在 2026 年 6 月访问量为 2097 万次，高于 3 月上线时的 885 万次。但该统计不等同于日活用户、付费企业数、收入或移动端使用量。12
• 腾讯管理层表示，WorkBuddy 和 CodeBuddy 的用户都在快速增长。6

这套战略的逻辑在于：腾讯可以把 GPU、数据中心和云计算投入分摊到自有办公助手、编程工具、腾讯云客户以及更广泛的业务生态中，而不是只靠单独出售一个大模型来回收成本。615

代价也同样明显：在应用仍处于快速扩张期时，资本开支会先行增加，而商业化速度、企业付费意愿和最终投资回报仍存在不确定性。对腾讯而言，Hy4 的真正考验或许不只是 benchmark 分数，而是它能否稳定驱动 WorkBuddy、CodeBuddy 和腾讯云形成持续使用与收入增长。