腾讯 Hy4 Preview 是腾讯迄今发布的规模最大的开放权重大语言模型，也是其将前沿模型能力直接嵌入办公、编程和 AI 智能体产品的一次重要尝试。模型于2026年8月28日发布，主要面向软件工程、科研、金融分析和其他需要智能体协作的生产力场景。112

它最醒目的参数包括：总参数7700亿、每个 token 激活490亿参数，以及超过100万 token 的上下文窗口。不过，现阶段更稳妥的判断是：Hy4 已进入中国开放权重模型在编程和生产力任务上的第一梯队，但其“领先”结论仍主要来自腾讯自测，能否在更广泛的独立测试中持续成立，还有待观察。18

Hy4 Preview 是什么？

Hy4 采用混合专家模型（Mixture of Experts，MoE）架构。与每次请求都运行全部参数的稠密模型不同，MoE 会根据输入内容，从完整网络中选择一部分专家参与计算。这样既能扩大模型的总容量，也能避免每个 token 都承担全部参数的理论计算成本。

腾讯将 Hy4 定位为面向“智能体工作”的模型，而不只是普通聊天机器人。它的目标场景包括编程、办公生产力、研究和金融分析，并计划直接融入软件开发与企业工作流。18

这里所说的“开源”，更准确地说是开放权重并支持较为宽松的部署。腾讯以 Apache 2.0 许可发布模型，同时提供服务部署、微调和量化方面的说明。812

架构与核心规格

Hy4 Preview 的主要规格如下：

• **总参数：**7700亿
• **每个 token 激活参数：**490亿
• **上下文窗口：**超过100万 token
• **架构：**混合专家模型（MoE）
• **许可：**Apache 2.0
• **模型格式：**BF16 和 FP8
• **部署支持：**提供 vLLM、SGLang 部署方案，并支持兼容 OpenAI 接口的调用方式812

模型骨干网络共有78层。腾讯表示，第一层使用稠密前馈网络，其余77层采用 MoE 路由；这些层包含256个路由专家和一个共享专家，每个 token 会选择8个路由专家，同时调用共享专家。Hy4 还加入了原生多 token 预测层，目标是支持推测解码，以提高推理效率。8

在注意力机制方面，Hy4 使用带有 IndexCache 的 Gated DeepSeek Sparse Attention，通过跨层复用稀疏注意力索引来减少部分计算开销。腾讯称，这套设计部分借鉴了 DeepSeek 和 GLM 相关方法。8

因此，Hy4 的看点并不只是“参数更多”。它试图把超大模型容量、稀疏路由、超长上下文和降低推理开销的机制结合起来。

Hy4 与 Hy3 相比有哪些变化？

Hy4 是对前代 Hy3 的大幅扩展：

指标	Hy3	Hy4 Preview	变化
总参数	2950亿	7700亿	约2.6倍
每个 token 激活参数	210亿	490亿	约2.3倍
上下文窗口	262K token	超过100万 token	约4倍
模型设计	MoE	扩展后的 MoE，并加入稀疏注意力改进	容量更大、上下文更长

这意味着 Hy4 不仅扩大了模型的总容量，也显著增加了每个 token 的实际激活计算量。腾讯还表示，新模型扩充了训练数据，并对预训练和后训练进行了大幅调整。814

对实际用户而言，上下文窗口从262K扩大到超过100万 token 可能尤其重要。它有望处理大型代码库、长篇研究资料和复杂办公任务。不过，超长上下文的规格并不自动等于更好的实际体验，最终效果还取决于检索质量、响应延迟，以及模型能否在长输入中保持准确性。

Hy4 与中国竞品的表现如何？

腾讯公布的最明确对比来自一项内部盲测。在这项测试中，163名腾讯内部专家评估了203项工程任务。Hy4 Preview 的平均得分为2.99分（满分4分），略高于智谱 GLM-5.3 的2.92分和月之暗面的 Kimi K3 的2.94分。8

这一结果显示，Hy4 在腾讯自己的测试中取得了小幅领先，但不能直接视为中立、全面的行业排名。评估者是腾讯内部专家，测试内容也集中在工程任务。其他基准测试的报道则显示，Hy4 对阿里巴巴通义千问系列和 DeepSeek 等国内模型的相对表现会因测试项目不同而变化。113

部分二手报道还提到，Hy4 在 Terminal-Bench 2.1、DeepSWE 等编程基准上较 Hy3 有明显提升。这些数据可以作为腾讯进展的参考，但在测试条件和结果获得更广泛独立复现之前，仍应谨慎解读。1718

目前较为稳妥的结论是：Hy4 已跻身中国开放权重模型在编程和生产力任务上的第一梯队；现有证据还不足以证明它在所有任务上都 decisively 超越每一个竞争对手。

如何使用 Hy4 Preview？

腾讯同时提供可下载权重和托管产品两种使用方式。

下载权重与自行部署

Hy4 及其 FP8 版本已通过 Hugging Face、ModelScope、GitCode 和 CNB 提供。腾讯还发布了 vLLM、SGLang 部署方案、兼容 OpenAI 的本地 API 调用方式、微调说明和量化工具。812

这为希望研究模型权重、搭建定制化服务栈的开发者提供了入口。但“开放权重”并不意味着模型轻量。腾讯的参考 FP8 配置使用八路张量并行，而部署一个7700亿参数模型仍然是需要大量显存、网络带宽和多 GPU 资源的基础设施项目。8

腾讯产品与托管 API

用户可以在 WorkBuddy、CodeBuddy、元宝（Yuanbao）和 ima 中使用 Hy4，也可以通过腾讯云 TokenHub 和 OpenRouter 接入。发布初期，腾讯为 WorkBuddy 和 CodeBuddy 提供两周免费体验，同时将上一代 Hy3 的使用期限延长至9月30日。12

第三方报告显示，OpenRouter 的输入价格约为每百万 token 0.834美元。这个数字应被视为特定渠道的参考价，而非腾讯长期固定的官方价格，因为不同供应商和地区的价格、配额与可用性可能发生变化。3

为什么产品分发能力很重要？

Hy4 并不是一个孤立发布的模型，而是腾讯应用战略的一部分。腾讯表示，Hy4 与 WorkBuddy、CodeBuddy 共同设计，训练和优化过程中使用了内部工程师、游戏开发者、金融分析师及安全专家的任务数据和反馈。8

这让腾讯拥有架构之外的潜在优势：模型可以直接在真实的编程和办公工作流中接受测试，再将产品反馈用于后续迭代。同时，腾讯庞大的产品分发网络，也让用户无需自行运行7700亿参数模型，就能接触到 Hy4 的能力。

腾讯还披露，Hunyuan 3 投入生产后，平均每日 token 使用量较预览阶段增加约6倍。这说明通过旗下应用进行分发可以迅速带来使用量，但并不能单独证明用户满意度或长期留存率。

为支撑这一战略，腾讯也在加大基础设施投入。2026年第二季度，腾讯设施与设备资本开支达到527.84亿元人民币，约为上年同期的2.8倍；管理层表示，资金重点投向 AI 基础设施和 WorkBuddy 相关投资。

腾讯曾称 WorkBuddy 是中国使用最广泛的生产力 AI 智能体服务，但这属于公司自身表述，并非经过独立审计的市场份额结论。4

当前局限是什么？

Hy4 Preview 并未被定位为最终完成版。腾讯承认，模型在处理困难任务时可能推理时间过长，也可能反复核验自己的结果，从而导致更高的延迟和推理成本。8

模型规模还带来实际部署门槛。虽然 MoE 路由意味着单个 token 只激活490亿参数，但完整模型仍需被存储和提供服务。计划自建部署的企业需要准备充足的内存、网络和多 GPU 能力。

基准证据也存在边界。腾讯内部测试显示 Hy4 在工程任务上仅小幅领先 GLM-5.3 和 Kimi K3，而更广泛的对比结果会因基准不同而变化。因此，早期排名更适合作为方向性参考，而不是最终定论。8

此外，超长上下文也不等于可靠的长上下文推理。超过100万 token 的窗口是 Hy4 的重要规格优势，但实际效果仍会受到任务类型、提示词结构、检索策略和服务配置影响。

下一步可能如何改进？

腾讯目前公布的方向比正式路线图更清晰。公司提到将继续进行预训练和后训练，推动推理更快、减少重复思考，并通过 WorkBuddy 和 CodeBuddy 持续收集产品反馈；同时还会推进压缩和量化，以降低部署成本。8

这些改进将直接回应 Hy4 的核心取舍：它相比 Hy3 拥有更大的容量和更长的上下文，但“Preview”标签也意味着速度、效率和生产环境可靠性仍在打磨中。

结论：值得关注，但不宜过早封王

Hy4 Preview 相比 Hy3 是一次明显跃升：总参数从2950亿增至7700亿，激活参数从210亿增至490亿，上下文窗口也从262K扩大到超过100万 token。它还与腾讯的编程、办公、云服务和消费产品生态形成了紧密连接。812

对开发者而言，Apache 2.0 开放权重和配套部署工具让 Hy4 值得评估；对企业而言，通过腾讯产品和 API 托管使用，可能比自行部署更现实。

但现阶段最合适的评价仍应保持克制：Hy4 看起来是中国开放权重模型中面向编程和智能体生产力任务的强大第一梯队选手，而它能否形成持久领先，仍要等待独立基准测试和长期生产环境使用结果来验证。

腾讯 Hy4 Preview 是腾讯迄今发布的规模最大的开放权重大语言模型，也是其将前沿模型能力直接嵌入办公、编程和 AI 智能体产品的一次重要尝试。模型于2026年8月28日发布，主要面向软件工程、科研、金融分析和其他需要智能体协作的生产力场景。112

它最醒目的参数包括：总参数7700亿、每个 token 激活490亿参数，以及超过100万 token 的上下文窗口。不过，现阶段更稳妥的判断是：Hy4 已进入中国开放权重模型在编程和生产力任务上的第一梯队，但其“领先”结论仍主要来自腾讯自测，能否在更广泛的独立测试中持续成立，还有待观察。18

Hy4 Preview 是什么？

Hy4 采用混合专家模型（Mixture of Experts，MoE）架构。与每次请求都运行全部参数的稠密模型不同，MoE 会根据输入内容，从完整网络中选择一部分专家参与计算。这样既能扩大模型的总容量，也能避免每个 token 都承担全部参数的理论计算成本。

腾讯将 Hy4 定位为面向“智能体工作”的模型，而不只是普通聊天机器人。它的目标场景包括编程、办公生产力、研究和金融分析，并计划直接融入软件开发与企业工作流。18

这里所说的“开源”，更准确地说是开放权重并支持较为宽松的部署。腾讯以 Apache 2.0 许可发布模型，同时提供服务部署、微调和量化方面的说明。812

架构与核心规格

Hy4 Preview 的主要规格如下：

• **总参数：**7700亿
• **每个 token 激活参数：**490亿
• **上下文窗口：**超过100万 token
• **架构：**混合专家模型（MoE）
• **许可：**Apache 2.0
• **模型格式：**BF16 和 FP8
• **部署支持：**提供 vLLM、SGLang 部署方案，并支持兼容 OpenAI 接口的调用方式812

模型骨干网络共有78层。腾讯表示，第一层使用稠密前馈网络，其余77层采用 MoE 路由；这些层包含256个路由专家和一个共享专家，每个 token 会选择8个路由专家，同时调用共享专家。Hy4 还加入了原生多 token 预测层，目标是支持推测解码，以提高推理效率。8

在注意力机制方面，Hy4 使用带有 IndexCache 的 Gated DeepSeek Sparse Attention，通过跨层复用稀疏注意力索引来减少部分计算开销。腾讯称，这套设计部分借鉴了 DeepSeek 和 GLM 相关方法。8

因此，Hy4 的看点并不只是“参数更多”。它试图把超大模型容量、稀疏路由、超长上下文和降低推理开销的机制结合起来。

Hy4 与 Hy3 相比有哪些变化？

Hy4 是对前代 Hy3 的大幅扩展：

指标	Hy3	Hy4 Preview	变化
总参数	2950亿	7700亿	约2.6倍
每个 token 激活参数	210亿	490亿	约2.3倍
上下文窗口	262K token	超过100万 token	约4倍
模型设计	MoE	扩展后的 MoE，并加入稀疏注意力改进	容量更大、上下文更长

这意味着 Hy4 不仅扩大了模型的总容量，也显著增加了每个 token 的实际激活计算量。腾讯还表示，新模型扩充了训练数据，并对预训练和后训练进行了大幅调整。814

对实际用户而言，上下文窗口从262K扩大到超过100万 token 可能尤其重要。它有望处理大型代码库、长篇研究资料和复杂办公任务。不过，超长上下文的规格并不自动等于更好的实际体验，最终效果还取决于检索质量、响应延迟，以及模型能否在长输入中保持准确性。

Hy4 与中国竞品的表现如何？

腾讯公布的最明确对比来自一项内部盲测。在这项测试中，163名腾讯内部专家评估了203项工程任务。Hy4 Preview 的平均得分为2.99分（满分4分），略高于智谱 GLM-5.3 的2.92分和月之暗面的 Kimi K3 的2.94分。8

这一结果显示，Hy4 在腾讯自己的测试中取得了小幅领先，但不能直接视为中立、全面的行业排名。评估者是腾讯内部专家，测试内容也集中在工程任务。其他基准测试的报道则显示，Hy4 对阿里巴巴通义千问系列和 DeepSeek 等国内模型的相对表现会因测试项目不同而变化。113

部分二手报道还提到，Hy4 在 Terminal-Bench 2.1、DeepSWE 等编程基准上较 Hy3 有明显提升。这些数据可以作为腾讯进展的参考，但在测试条件和结果获得更广泛独立复现之前，仍应谨慎解读。1718

目前较为稳妥的结论是：Hy4 已跻身中国开放权重模型在编程和生产力任务上的第一梯队；现有证据还不足以证明它在所有任务上都 decisively 超越每一个竞争对手。

如何使用 Hy4 Preview？

腾讯同时提供可下载权重和托管产品两种使用方式。

下载权重与自行部署

Hy4 及其 FP8 版本已通过 Hugging Face、ModelScope、GitCode 和 CNB 提供。腾讯还发布了 vLLM、SGLang 部署方案、兼容 OpenAI 的本地 API 调用方式、微调说明和量化工具。812

这为希望研究模型权重、搭建定制化服务栈的开发者提供了入口。但“开放权重”并不意味着模型轻量。腾讯的参考 FP8 配置使用八路张量并行，而部署一个7700亿参数模型仍然是需要大量显存、网络带宽和多 GPU 资源的基础设施项目。8

腾讯产品与托管 API

用户可以在 WorkBuddy、CodeBuddy、元宝（Yuanbao）和 ima 中使用 Hy4，也可以通过腾讯云 TokenHub 和 OpenRouter 接入。发布初期，腾讯为 WorkBuddy 和 CodeBuddy 提供两周免费体验，同时将上一代 Hy3 的使用期限延长至9月30日。12

第三方报告显示，OpenRouter 的输入价格约为每百万 token 0.834美元。这个数字应被视为特定渠道的参考价，而非腾讯长期固定的官方价格，因为不同供应商和地区的价格、配额与可用性可能发生变化。3

为什么产品分发能力很重要？

Hy4 并不是一个孤立发布的模型，而是腾讯应用战略的一部分。腾讯表示，Hy4 与 WorkBuddy、CodeBuddy 共同设计，训练和优化过程中使用了内部工程师、游戏开发者、金融分析师及安全专家的任务数据和反馈。8

这让腾讯拥有架构之外的潜在优势：模型可以直接在真实的编程和办公工作流中接受测试，再将产品反馈用于后续迭代。同时，腾讯庞大的产品分发网络，也让用户无需自行运行7700亿参数模型，就能接触到 Hy4 的能力。

腾讯还披露，Hunyuan 3 投入生产后，平均每日 token 使用量较预览阶段增加约6倍。这说明通过旗下应用进行分发可以迅速带来使用量，但并不能单独证明用户满意度或长期留存率。

为支撑这一战略，腾讯也在加大基础设施投入。2026年第二季度，腾讯设施与设备资本开支达到527.84亿元人民币，约为上年同期的2.8倍；管理层表示，资金重点投向 AI 基础设施和 WorkBuddy 相关投资。

腾讯曾称 WorkBuddy 是中国使用最广泛的生产力 AI 智能体服务，但这属于公司自身表述，并非经过独立审计的市场份额结论。4

当前局限是什么？

Hy4 Preview 并未被定位为最终完成版。腾讯承认，模型在处理困难任务时可能推理时间过长，也可能反复核验自己的结果，从而导致更高的延迟和推理成本。8

模型规模还带来实际部署门槛。虽然 MoE 路由意味着单个 token 只激活490亿参数，但完整模型仍需被存储和提供服务。计划自建部署的企业需要准备充足的内存、网络和多 GPU 能力。

基准证据也存在边界。腾讯内部测试显示 Hy4 在工程任务上仅小幅领先 GLM-5.3 和 Kimi K3，而更广泛的对比结果会因基准不同而变化。因此，早期排名更适合作为方向性参考，而不是最终定论。8

此外，超长上下文也不等于可靠的长上下文推理。超过100万 token 的窗口是 Hy4 的重要规格优势，但实际效果仍会受到任务类型、提示词结构、检索策略和服务配置影响。

下一步可能如何改进？

腾讯目前公布的方向比正式路线图更清晰。公司提到将继续进行预训练和后训练，推动推理更快、减少重复思考，并通过 WorkBuddy 和 CodeBuddy 持续收集产品反馈；同时还会推进压缩和量化，以降低部署成本。8

这些改进将直接回应 Hy4 的核心取舍：它相比 Hy3 拥有更大的容量和更长的上下文，但“Preview”标签也意味着速度、效率和生产环境可靠性仍在打磨中。

结论：值得关注，但不宜过早封王

Hy4 Preview 相比 Hy3 是一次明显跃升：总参数从2950亿增至7700亿，激活参数从210亿增至490亿，上下文窗口也从262K扩大到超过100万 token。它还与腾讯的编程、办公、云服务和消费产品生态形成了紧密连接。812

对开发者而言，Apache 2.0 开放权重和配套部署工具让 Hy4 值得评估；对企业而言，通过腾讯产品和 API 托管使用，可能比自行部署更现实。

但现阶段最合适的评价仍应保持克制：Hy4 看起来是中国开放权重模型中面向编程和智能体生产力任务的强大第一梯队选手，而它能否形成持久领先，仍要等待独立基准测试和长期生产环境使用结果来验证。