騰訊於 2026 年 11 月 4 日推出 Hy4 正式版，重點不只在文字生成：新版本加入視覺理解和電腦操作，亦加強指令跟從、長文理解、推理效率，以及長時間執行代理任務的能力。38 騰訊公布的辦公、金融和科研評測結果頗為亮眼，但每項成績都有指定測試範圍，未能直接推論 Hy4 整體上勝過所有主流模型。1820

Hy4 比 preview 多了甚麼？

騰訊表示，正式版擴大了預訓練和後訓練規模，並提升複雜指令跟從、長上下文理解、推理效率及長流程代理任務表現。38 最容易察覺的新增能力，是模型可以處理視覺資訊，亦能操作軟件，不再只限於讀寫文字。5

據騰訊及發布報道所述，Hy4 可以理解圖表和文件、跨多張圖片推理，並操作命令列工具及圖形介面。騰訊亦稱，模型曾針對 Blender、CAD 等專業軟件訓練，目標是處理複雜、需要多步驟完成的工作流程。525

公布的評測成績，反映到甚麼？

WorkBuddy：指定辦公測試成績突出

騰訊公布，Hy4 在 WorkBuddy 評測中的平均分為 83.18，任務通過率為 96.15%，並在中國內地市場的 12 個情境中有 9 個排名第一。25 這些數字顯示它在該套評測中表現出色，但不能據此推斷它能同樣可靠地應付每間公司的工作流程，或所有沒有預設步驟的辦公任務。

金融：在一項比較中領先

一項涵蓋 579 項真實金融任務的眾測中，Hy4 得分 3.04／4。同一比較中，DeepSeek-V4.1-Flash-1017 得 2.97 分，Kimi K3.1 Pro 和 GLM-5.3 則各得 2.68 分。按這項測試的結果，Hy4 在受測的開放權重模型中排名第一。1819

騰訊亦提到，Hy4 曾與騰訊金融科技合作接受另一項盲測。25 不過，現有資料未交代足夠的測試方法和結果，無法獨立評估其表現；因此，3.04 分應理解為上述 579 項任務眾測的成績，不應當成盲測分數。

科研：內部基準上的第一名

騰訊表示，Hy4 在內部科研基準 TenureTrail 中，於開放權重模型之間排名第一。該基準涵蓋 7 個學科、123 項可執行研究任務。20 騰訊提到的題目包括數學構造、物理建模和系統工程等，但公開資料沒有列出數值分數。這是公司公布的內部基準結果，並非衡量科研能力的通用排行榜。

Hy4 算不算頂尖開放權重模型？

騰訊將 Hy4 定位為最強開源模型之列，而目前公布的辦公、金融和科研評測，確實顯示它在部分特定任務上具競爭力。71820 不過，不同基準測試的領先者可能各有不同；這些成績不足以建立一個獨立、涵蓋所有模型和任務的總排名。

發布狀態亦要分清楚：11 月 4 日，Hy4 已透過騰訊產品及託管 API 服務推出；但發布報道指出，正式版模型權重和系統卡將於之後提供。相比之下，Hy4 preview 早已以開放權重形式發布。389 因此，發布時的「開源」定位，不應被理解為最終版 Hy4 權重在 11 月 4 日已可供下載。

目前仍未清楚的地方

現有資料未有足夠細節核實 WorkBuddy 的具體任務例子或企業採用數字，也未能確認支援哪些遊戲引擎、前端開發表現，以及遊戲開發評測的詳細結果。此外，Hy4 Flash 的推出時間和定價，以及未來模型尺寸和發布節奏，亦未有足夠資料確定。

騰訊的 Hy4 介紹頁提到，內部專家曾審核模型部分網絡安全攻擊能力，並表示在檢視範圍內未發現突出的風險。21 這是公司公布的評估結果，不等於獨立安全審查；現有資料亦不足以證明其生物安全評估結果。

較穩妥的結論是：Hy4 正朝着能理解視覺資訊、操作軟件，並完成較長專業工作流程的方向發展。公布的評測成績值得留意，但評價其整體排名時，仍要看清楚測試範圍；同時亦要分辨託管服務已推出，與最終模型權重已公開，並不是同一回事。

騰訊於 2026 年 11 月 4 日推出 Hy4 正式版，重點不只在文字生成：新版本加入視覺理解和電腦操作，亦加強指令跟從、長文理解、推理效率，以及長時間執行代理任務的能力。38 騰訊公布的辦公、金融和科研評測結果頗為亮眼，但每項成績都有指定測試範圍，未能直接推論 Hy4 整體上勝過所有主流模型。1820

Hy4 比 preview 多了甚麼？

騰訊表示，正式版擴大了預訓練和後訓練規模，並提升複雜指令跟從、長上下文理解、推理效率及長流程代理任務表現。38 最容易察覺的新增能力，是模型可以處理視覺資訊，亦能操作軟件，不再只限於讀寫文字。5

據騰訊及發布報道所述，Hy4 可以理解圖表和文件、跨多張圖片推理，並操作命令列工具及圖形介面。騰訊亦稱，模型曾針對 Blender、CAD 等專業軟件訓練，目標是處理複雜、需要多步驟完成的工作流程。525

公布的評測成績，反映到甚麼？

WorkBuddy：指定辦公測試成績突出

騰訊公布，Hy4 在 WorkBuddy 評測中的平均分為 83.18，任務通過率為 96.15%，並在中國內地市場的 12 個情境中有 9 個排名第一。25 這些數字顯示它在該套評測中表現出色，但不能據此推斷它能同樣可靠地應付每間公司的工作流程，或所有沒有預設步驟的辦公任務。

金融：在一項比較中領先

一項涵蓋 579 項真實金融任務的眾測中，Hy4 得分 3.04／4。同一比較中，DeepSeek-V4.1-Flash-1017 得 2.97 分，Kimi K3.1 Pro 和 GLM-5.3 則各得 2.68 分。按這項測試的結果，Hy4 在受測的開放權重模型中排名第一。1819

騰訊亦提到，Hy4 曾與騰訊金融科技合作接受另一項盲測。25 不過，現有資料未交代足夠的測試方法和結果，無法獨立評估其表現；因此，3.04 分應理解為上述 579 項任務眾測的成績，不應當成盲測分數。

科研：內部基準上的第一名

騰訊表示，Hy4 在內部科研基準 TenureTrail 中，於開放權重模型之間排名第一。該基準涵蓋 7 個學科、123 項可執行研究任務。20 騰訊提到的題目包括數學構造、物理建模和系統工程等，但公開資料沒有列出數值分數。這是公司公布的內部基準結果，並非衡量科研能力的通用排行榜。

Hy4 算不算頂尖開放權重模型？

騰訊將 Hy4 定位為最強開源模型之列，而目前公布的辦公、金融和科研評測，確實顯示它在部分特定任務上具競爭力。71820 不過，不同基準測試的領先者可能各有不同；這些成績不足以建立一個獨立、涵蓋所有模型和任務的總排名。

發布狀態亦要分清楚：11 月 4 日，Hy4 已透過騰訊產品及託管 API 服務推出；但發布報道指出，正式版模型權重和系統卡將於之後提供。相比之下，Hy4 preview 早已以開放權重形式發布。389 因此，發布時的「開源」定位，不應被理解為最終版 Hy4 權重在 11 月 4 日已可供下載。

目前仍未清楚的地方

現有資料未有足夠細節核實 WorkBuddy 的具體任務例子或企業採用數字，也未能確認支援哪些遊戲引擎、前端開發表現，以及遊戲開發評測的詳細結果。此外，Hy4 Flash 的推出時間和定價，以及未來模型尺寸和發布節奏，亦未有足夠資料確定。

騰訊的 Hy4 介紹頁提到，內部專家曾審核模型部分網絡安全攻擊能力，並表示在檢視範圍內未發現突出的風險。21 這是公司公布的評估結果，不等於獨立安全審查；現有資料亦不足以證明其生物安全評估結果。

較穩妥的結論是：Hy4 正朝着能理解視覺資訊、操作軟件，並完成較長專業工作流程的方向發展。公布的評測成績值得留意，但評價其整體排名時，仍要看清楚測試範圍；同時亦要分辨託管服務已推出，與最終模型權重已公開，並不是同一回事。