騰訊於 2026 年 11 月 4 日發布 Hy4，將它定位為不只處理文字的模型：新版加入視覺理解與電腦操作，也著重改善指令遵循、長上下文理解、推理效率，以及持續執行多步驟代理任務的能力。辦公、金融和科研評測結果頗具看頭，但都來自特定測試，不能直接解讀成 Hy4 在所有任務上都勝過其他領先模型。381820

Hy4 相較 Preview 有哪些變化？

騰訊表示，正式版擴大了預訓練與後訓練規模，並提升指令遵循、長上下文理解、推理效率和長程代理任務能力。38 最明顯的新功能，是能理解視覺輸入並操作電腦；也就是說，Hy4 不再只回應文字，還能處理影像並與軟體互動。5

騰訊及相關報導提到，Hy4 能解讀圖表和文件、跨多張圖片進行推理，也能操作命令列工具與圖形介面。騰訊另表示，模型曾針對 Blender、CAD 等專業軟體訓練，目標是支援更複雜、耗時較長的工作流程。525

公布的評測結果透露了什麼？

WorkBuddy：在特定辦公評測中表現突出

騰訊公布的 WorkBuddy 評測中，Hy4 平均分為 83.18、任務通過率為 96.15%，並在中國大陸市場的 12 個情境中有 9 個排名第一。25 這些數字反映 Hy4 在該評測中的表現，並不能證明它能同樣可靠地處理每家公司的工作流程，或各種未預先設定的辦公任務。

金融：在一組比較中領先

一項針對 579 項真實金融任務的眾測評估中，Hy4 得分為 3.04／4。報導列出的比較分數為：DeepSeek-V4.1-Flash-1017 得 2.97，Kimi K3.1 Pro 和 GLM-5.3 則各得 2.68。在這組比較中，Hy4 排名列入評測的開源模型之首。1819

騰訊也提到另一項與騰訊金融科技合作進行的盲測評估。25 不過，現有來源未提供足夠的測試流程或結果細節，無法獨立檢視。因此，3.04 分應視為上述 579 項任務評測的結果，不宜直接當成盲測分數。

科研：自家基準中的開放權重模型第一

騰訊表示，Hy4 在自家 TenureTrail 基準的開放權重模型中排名第一。該基準涵蓋 7 個學科、123 項可執行研究任務。20 公告提及數學構造、物理建模和系統工程等任務，但現有資料沒有提供數值分數。這是公司公布的內部基準結果，並非衡量整體科研能力的通用指標。

Hy4 算不算頂尖開放權重模型？

騰訊將 Hy4 描述為最強開源模型之列；目前公布的辦公、金融與科研評測，確實顯示它在若干特定項目具有競爭力。71820 不過，不同基準的領先者可能因任務而異，這些結果不足以建立跨模型的獨立整體排名。

還有一項重要區別：Hy4 正式版已透過騰訊產品及託管 API 提供使用，但發布當日的相關報導指出，最終模型權重與系統卡將於日後公布。相較之下，Hy4 Preview 先前已以開放權重形式發布。389 因此，發布公告中的「開源」定位，不代表正式版 Hy4 的權重在 11 月 4 日當天已可下載。

目前仍不清楚的部分

現有資料不足以核實 WorkBuddy 的具體任務案例或企業採用數字，也未充分說明 Hy4 支援哪些遊戲引擎，以及前端開發和遊戲開發評測的細節；Hy4 Flash 的推出時間與價格、未來模型尺寸及發布規劃也尚無法確認。

騰訊的 Hy4 網頁提到，內部專家曾針對部分具攻擊性的網路安全能力進行審查，並表示在檢視範圍內未發現顯著風險。21 這是公司公布的結果，不等同獨立安全評估；現有資料也無法證明 Hy4 已完成生物安全評估。

目前最明確的訊息是：Hy4 正朝向能理解視覺資訊、操作軟體，並支援長時間專業工作流程的方向發展。公布的評測結果值得關注，但談到整體排名時，仍應回到各項測試的具體範圍，並分清楚託管服務已上線與模型權重已公開，並不是同一回事。

騰訊於 2026 年 11 月 4 日發布 Hy4，將它定位為不只處理文字的模型：新版加入視覺理解與電腦操作，也著重改善指令遵循、長上下文理解、推理效率，以及持續執行多步驟代理任務的能力。辦公、金融和科研評測結果頗具看頭，但都來自特定測試，不能直接解讀成 Hy4 在所有任務上都勝過其他領先模型。381820

Hy4 相較 Preview 有哪些變化？

騰訊表示，正式版擴大了預訓練與後訓練規模，並提升指令遵循、長上下文理解、推理效率和長程代理任務能力。38 最明顯的新功能，是能理解視覺輸入並操作電腦；也就是說，Hy4 不再只回應文字，還能處理影像並與軟體互動。5

騰訊及相關報導提到，Hy4 能解讀圖表和文件、跨多張圖片進行推理，也能操作命令列工具與圖形介面。騰訊另表示，模型曾針對 Blender、CAD 等專業軟體訓練，目標是支援更複雜、耗時較長的工作流程。525

公布的評測結果透露了什麼？

WorkBuddy：在特定辦公評測中表現突出

騰訊公布的 WorkBuddy 評測中，Hy4 平均分為 83.18、任務通過率為 96.15%，並在中國大陸市場的 12 個情境中有 9 個排名第一。25 這些數字反映 Hy4 在該評測中的表現，並不能證明它能同樣可靠地處理每家公司的工作流程，或各種未預先設定的辦公任務。

金融：在一組比較中領先

一項針對 579 項真實金融任務的眾測評估中，Hy4 得分為 3.04／4。報導列出的比較分數為：DeepSeek-V4.1-Flash-1017 得 2.97，Kimi K3.1 Pro 和 GLM-5.3 則各得 2.68。在這組比較中，Hy4 排名列入評測的開源模型之首。1819

騰訊也提到另一項與騰訊金融科技合作進行的盲測評估。25 不過，現有來源未提供足夠的測試流程或結果細節，無法獨立檢視。因此，3.04 分應視為上述 579 項任務評測的結果，不宜直接當成盲測分數。

科研：自家基準中的開放權重模型第一

騰訊表示，Hy4 在自家 TenureTrail 基準的開放權重模型中排名第一。該基準涵蓋 7 個學科、123 項可執行研究任務。20 公告提及數學構造、物理建模和系統工程等任務，但現有資料沒有提供數值分數。這是公司公布的內部基準結果，並非衡量整體科研能力的通用指標。

Hy4 算不算頂尖開放權重模型？

騰訊將 Hy4 描述為最強開源模型之列；目前公布的辦公、金融與科研評測，確實顯示它在若干特定項目具有競爭力。71820 不過，不同基準的領先者可能因任務而異，這些結果不足以建立跨模型的獨立整體排名。

還有一項重要區別：Hy4 正式版已透過騰訊產品及託管 API 提供使用，但發布當日的相關報導指出，最終模型權重與系統卡將於日後公布。相較之下，Hy4 Preview 先前已以開放權重形式發布。389 因此，發布公告中的「開源」定位，不代表正式版 Hy4 的權重在 11 月 4 日當天已可下載。

目前仍不清楚的部分

現有資料不足以核實 WorkBuddy 的具體任務案例或企業採用數字，也未充分說明 Hy4 支援哪些遊戲引擎，以及前端開發和遊戲開發評測的細節；Hy4 Flash 的推出時間與價格、未來模型尺寸及發布規劃也尚無法確認。

騰訊的 Hy4 網頁提到，內部專家曾針對部分具攻擊性的網路安全能力進行審查，並表示在檢視範圍內未發現顯著風險。21 這是公司公布的結果，不等同獨立安全評估；現有資料也無法證明 Hy4 已完成生物安全評估。

目前最明確的訊息是：Hy4 正朝向能理解視覺資訊、操作軟體，並支援長時間專業工作流程的方向發展。公布的評測結果值得關注，但談到整體排名時，仍應回到各項測試的具體範圍，並分清楚託管服務已上線與模型權重已公開，並不是同一回事。