騰訊混元於 2026 年 8 月 28 日發布並開源 Hy4 預覽版，定位係一款面向生產力工作的下一代大型語言模型。佢採用混合專家（Mixture of Experts，MoE）架構，總參數達 7700 億，但每次文字請求約有 490 億參數被啟用；上下文窗口則超過 100 萬 token。換句話講，Hy4 想處理嘅唔只係一問一答，而係大型 codebase、成批文件、長篇研究材料，以及需要跨文件整理嘅工作流。 1314

不過，Hy4 初期最值得留意嘅地方，未必係「全面碾壓」其他模型。現有證據主要來自騰訊自己嘅規格介紹及內部測試，顯示佢具備龐大規模、超長上下文、產品整合同相對低嘅報告價格；至於能否喺各種獨立 benchmark 及真實工作中普遍勝出，暫時仍然未有足夠證據。

Hy4 預覽版有咩特別？

7700 億總參數，但每次只啟用約 490 億

MoE 架構嘅重點係，7700 億係模型全部參數嘅總數，而唔係每次處理請求時都會完整運算。單一文字請求約啟用 490 億參數，理論上可以喺維持超大模型容量嘅同時，控制每次推理所需嘅計算量。不過，實際部署成本、反應速度同吞吐量，仍然要視乎推理系統、硬件及並發量而定。 1

超過 100 萬 token 上下文

Hy4 支援超過 100 萬 token 上下文，針對嘅係較長、較複雜嘅工作，例如一次過閱讀大量研究文件、分析多個程式檔案，或者將一個大型項目嘅資料放入同一個工作流。

當然，超長上下文唔等於模型一定可以準確搵到每一份資料，亦唔代表跨文件推理必然可靠；但至少佢提供咗處理短上下文模型難以容納嘅資料量嘅基礎。 39

騰訊形容 Hy4 係頂級開源模型，並強調模型規模、上下文長度及訓練數據都有擴大。呢啲屬於公司定位及宣傳說法；目前較有把握確認嘅，係其規格同目標用途，而唔係一個獲獨立驗證嘅全行業排名。 56

主打 coding，而唔係只做聊天機械人

騰訊列出嘅主要使用場景包括：

• 軟件工程及 agentic coding
• 前端工程
• 辦公室及知識工作
• 金融分析
• 科學研究
• 遊戲開發
• 跨文件及數據分析

路透社亦獨立報道，Hy4 主要瞄準軟件工程、研究及金融分析；騰訊官方資料及其他發布報道，則將範圍延伸至辦公室工作、coding 同科學研究。 169

呢個定位之所以重要，係因為 Hy4 並唔係一個脫離產品單獨推出嘅 API 模型。騰訊表示，團隊正同 WorkBuddy 及 CodeBuddy 一齊設計及調校 Hy4，務求改善 agentic coding 同其他生產力場景。模型同產品同步開發，可以令騰訊直接喺軟件工程及知識工作環境中測試模型，而唔係只睇一張 benchmark 成績表。 2614

內部盲測：Hy4 僅以些微差距領先

騰訊以 163 名內部專家，針對 203 項工程任務進行盲測 side-by-side 評估，結果如下：

• Hy4 預覽版： 2.99／4.00
• Kimi K3： 2.94／4.00
• GLM 5.3： 2.92／4.00

按騰訊公布嘅數據，Hy4 對 GLM 5.3 嘅勝率係 46.8%，對 Kimi K3 嘅勝率係 51.2%；其餘結果包括和局及落敗。 530

數字上，Hy4 的確略勝兩款模型，但差距相當有限。測試由騰訊內部專家進行，題目亦係工程任務，因此唔能夠單憑呢次測試推論 Hy4 會喺獨立 benchmark、其他領域或所有真實工作中表現更好。

較穩妥嘅結論係：Hy4 預覽版喺騰訊自家測試中表現有競爭力，並以小幅優勢領先 GLM 5.3 及 Kimi K3，而唔係已經證明自己全面超越對手。 530

模型據稱參與改善自己嘅開發流程

Hy4 發布中另一個比較特別嘅說法係，模型曾經參與改善部分自身開發流程。騰訊表示，Hy4 協助優化訓練方法、數據策略、評估流程、底層算子及推理系統，形成一個初步嘅遞歸式自我改進循環：模型提出或分析改動，再由系統進行實驗及評估。 14

騰訊亦表示，模型分析推理瓶頸後，團隊針對算子融合及通信效率進行多輪優化，令端到端推理吞吐量較基線提升 31.8%。但呢個係騰訊公布嘅工程結果，現有資料未有顯示經獨立審核或第三方重現，因此應該視為騰訊研發方法嘅一項報告，而唔係普遍獲驗證嘅性能數字。 56

去邊度可以用 Hy4？

Hy4 預覽版已經以開源模型形式提供，亦接入騰訊自家產品及第三方 API 平台。發布時列出嘅入口包括：

• WorkBuddy
• CodeBuddy
• 元寶
• ima
• 騰訊雲 TokenHub
• OpenRouter

WorkBuddy 同 CodeBuddy 發布初期提供兩星期免費試用；開發者就可以經 TokenHub 或 OpenRouter 接入 API。不過，實際可用性、配額及產品功能，可能因地區及平台而異。 5914

報告中的 API 價格

據報國際版 TokenHub 收費如下：

• 輸入： 每百萬 token 0.834 美元
• 輸出： 每百萬 token 2.501 美元
• 緩存輸入： 每百萬 token 0.042 美元

對於經常重複提交同一個 codebase 或文件庫嘅應用，緩存輸入價格尤其值得留意。不過，實際成本仍然會受 prompt 長度、輸出量、緩存命中率、並發請求數量，以及實際服務供應商影響。 1114

點解 WorkBuddy 係今次發布嘅核心？

Hy4 其實係騰訊「模型加產品」策略嘅一部分。按提供嘅發布背景，WorkBuddy 於 2026 年 3 月推出，目標係將混元能力放入日常工程及知識工作。騰訊及部分報道將 WorkBuddy 形容為中國版 Codex，但呢個屬於定位語言，唔係獲獨立驗證嘅市場排名。 3

WorkBuddy 亦有助解釋 Hy4 發布初期點解受到關注。有報道指，Hy4 於 8 月 28 日接入 WorkBuddy 後，需求急升，導致任務排隊，騰訊其後擴充推理容量。排隊反映初期使用需求，但本身唔可以用作衡量模型質素。 4

發布節奏同樣係一個值得觀察嘅訊號。有報道指，混元自 2 月重建基礎設施後，平均約每兩個月推出一次大型版本；Hy4 就被形容為騰訊約半年內推出嘅第三個主要模型版本。騰訊亦表示，下一個 Hy4 版本將於短期內推出，但現有資料未有確認確實日期或最終規格。 23

總結：Hy4 真正嘅賣點係工作流，而唔係單一分數

Hy4 預覽版嘅意義，主要來自四樣嘢結合：7700 億總參數嘅超大模型規模、超過 100 萬 token 上下文、直接面向生產力 agent 嘅定位，以及透過騰訊產品同 API 夥伴提供使用入口。

佢喺騰訊內部盲測取得 2.99／4，略高於 GLM 5.3 同 Kimi K3，但呢個結果唔足以證明 Hy4 廣泛領先。對開發者而言，真正值得測試嘅問題係：超長上下文、coding 表現、API 價格，以及同 WorkBuddy 或 CodeBuddy 嘅整合，究竟可唔可以改善自己手頭上嘅具體工作。

至於研究人員及企業買家，下一步最重要嘅證據會係獨立測試、更清晰嘅部署及推理文件，以及模型喺騰訊內部任務集以外嘅表現。

騰訊混元於 2026 年 8 月 28 日發布並開源 Hy4 預覽版，定位係一款面向生產力工作的下一代大型語言模型。佢採用混合專家（Mixture of Experts，MoE）架構，總參數達 7700 億，但每次文字請求約有 490 億參數被啟用；上下文窗口則超過 100 萬 token。換句話講，Hy4 想處理嘅唔只係一問一答，而係大型 codebase、成批文件、長篇研究材料，以及需要跨文件整理嘅工作流。 1314

不過，Hy4 初期最值得留意嘅地方，未必係「全面碾壓」其他模型。現有證據主要來自騰訊自己嘅規格介紹及內部測試，顯示佢具備龐大規模、超長上下文、產品整合同相對低嘅報告價格；至於能否喺各種獨立 benchmark 及真實工作中普遍勝出，暫時仍然未有足夠證據。

Hy4 預覽版有咩特別？

7700 億總參數，但每次只啟用約 490 億

MoE 架構嘅重點係，7700 億係模型全部參數嘅總數，而唔係每次處理請求時都會完整運算。單一文字請求約啟用 490 億參數，理論上可以喺維持超大模型容量嘅同時，控制每次推理所需嘅計算量。不過，實際部署成本、反應速度同吞吐量，仍然要視乎推理系統、硬件及並發量而定。 1

超過 100 萬 token 上下文

Hy4 支援超過 100 萬 token 上下文，針對嘅係較長、較複雜嘅工作，例如一次過閱讀大量研究文件、分析多個程式檔案，或者將一個大型項目嘅資料放入同一個工作流。

當然，超長上下文唔等於模型一定可以準確搵到每一份資料，亦唔代表跨文件推理必然可靠；但至少佢提供咗處理短上下文模型難以容納嘅資料量嘅基礎。 39

騰訊形容 Hy4 係頂級開源模型，並強調模型規模、上下文長度及訓練數據都有擴大。呢啲屬於公司定位及宣傳說法；目前較有把握確認嘅，係其規格同目標用途，而唔係一個獲獨立驗證嘅全行業排名。 56

主打 coding，而唔係只做聊天機械人

騰訊列出嘅主要使用場景包括：

• 軟件工程及 agentic coding
• 前端工程
• 辦公室及知識工作
• 金融分析
• 科學研究
• 遊戲開發
• 跨文件及數據分析

路透社亦獨立報道，Hy4 主要瞄準軟件工程、研究及金融分析；騰訊官方資料及其他發布報道，則將範圍延伸至辦公室工作、coding 同科學研究。 169

呢個定位之所以重要，係因為 Hy4 並唔係一個脫離產品單獨推出嘅 API 模型。騰訊表示，團隊正同 WorkBuddy 及 CodeBuddy 一齊設計及調校 Hy4，務求改善 agentic coding 同其他生產力場景。模型同產品同步開發，可以令騰訊直接喺軟件工程及知識工作環境中測試模型，而唔係只睇一張 benchmark 成績表。 2614

內部盲測：Hy4 僅以些微差距領先

騰訊以 163 名內部專家，針對 203 項工程任務進行盲測 side-by-side 評估，結果如下：

• Hy4 預覽版： 2.99／4.00
• Kimi K3： 2.94／4.00
• GLM 5.3： 2.92／4.00

按騰訊公布嘅數據，Hy4 對 GLM 5.3 嘅勝率係 46.8%，對 Kimi K3 嘅勝率係 51.2%；其餘結果包括和局及落敗。 530

數字上，Hy4 的確略勝兩款模型，但差距相當有限。測試由騰訊內部專家進行，題目亦係工程任務，因此唔能夠單憑呢次測試推論 Hy4 會喺獨立 benchmark、其他領域或所有真實工作中表現更好。

較穩妥嘅結論係：Hy4 預覽版喺騰訊自家測試中表現有競爭力，並以小幅優勢領先 GLM 5.3 及 Kimi K3，而唔係已經證明自己全面超越對手。 530

模型據稱參與改善自己嘅開發流程

Hy4 發布中另一個比較特別嘅說法係，模型曾經參與改善部分自身開發流程。騰訊表示，Hy4 協助優化訓練方法、數據策略、評估流程、底層算子及推理系統，形成一個初步嘅遞歸式自我改進循環：模型提出或分析改動，再由系統進行實驗及評估。 14

騰訊亦表示，模型分析推理瓶頸後，團隊針對算子融合及通信效率進行多輪優化，令端到端推理吞吐量較基線提升 31.8%。但呢個係騰訊公布嘅工程結果，現有資料未有顯示經獨立審核或第三方重現，因此應該視為騰訊研發方法嘅一項報告，而唔係普遍獲驗證嘅性能數字。 56

去邊度可以用 Hy4？

Hy4 預覽版已經以開源模型形式提供，亦接入騰訊自家產品及第三方 API 平台。發布時列出嘅入口包括：

• WorkBuddy
• CodeBuddy
• 元寶
• ima
• 騰訊雲 TokenHub
• OpenRouter

WorkBuddy 同 CodeBuddy 發布初期提供兩星期免費試用；開發者就可以經 TokenHub 或 OpenRouter 接入 API。不過，實際可用性、配額及產品功能，可能因地區及平台而異。 5914

報告中的 API 價格

據報國際版 TokenHub 收費如下：

• 輸入： 每百萬 token 0.834 美元
• 輸出： 每百萬 token 2.501 美元
• 緩存輸入： 每百萬 token 0.042 美元

對於經常重複提交同一個 codebase 或文件庫嘅應用，緩存輸入價格尤其值得留意。不過，實際成本仍然會受 prompt 長度、輸出量、緩存命中率、並發請求數量，以及實際服務供應商影響。 1114

點解 WorkBuddy 係今次發布嘅核心？

Hy4 其實係騰訊「模型加產品」策略嘅一部分。按提供嘅發布背景，WorkBuddy 於 2026 年 3 月推出，目標係將混元能力放入日常工程及知識工作。騰訊及部分報道將 WorkBuddy 形容為中國版 Codex，但呢個屬於定位語言，唔係獲獨立驗證嘅市場排名。 3

WorkBuddy 亦有助解釋 Hy4 發布初期點解受到關注。有報道指，Hy4 於 8 月 28 日接入 WorkBuddy 後，需求急升，導致任務排隊，騰訊其後擴充推理容量。排隊反映初期使用需求，但本身唔可以用作衡量模型質素。 4

發布節奏同樣係一個值得觀察嘅訊號。有報道指，混元自 2 月重建基礎設施後，平均約每兩個月推出一次大型版本；Hy4 就被形容為騰訊約半年內推出嘅第三個主要模型版本。騰訊亦表示，下一個 Hy4 版本將於短期內推出，但現有資料未有確認確實日期或最終規格。 23

總結：Hy4 真正嘅賣點係工作流，而唔係單一分數

Hy4 預覽版嘅意義，主要來自四樣嘢結合：7700 億總參數嘅超大模型規模、超過 100 萬 token 上下文、直接面向生產力 agent 嘅定位，以及透過騰訊產品同 API 夥伴提供使用入口。

佢喺騰訊內部盲測取得 2.99／4，略高於 GLM 5.3 同 Kimi K3，但呢個結果唔足以證明 Hy4 廣泛領先。對開發者而言，真正值得測試嘅問題係：超長上下文、coding 表現、API 價格，以及同 WorkBuddy 或 CodeBuddy 嘅整合，究竟可唔可以改善自己手頭上嘅具體工作。

至於研究人員及企業買家，下一步最重要嘅證據會係獨立測試、更清晰嘅部署及推理文件，以及模型喺騰訊內部任務集以外嘅表現。