騰訊混元 Hy4 Preview：7700 億參數開源模型，能否改寫 AI 生產力工具？

騰訊於 2026 年 8 月 28 日發布並開源混元 Hy4 Preview，將這款新模型定位為面向「生產力」的語言模型。它採用混合專家（Mixture of Experts，MoE）架構，總參數達 7700 億，但每次文字請求約啟用 490 億參數；上下文窗口則超過 100 萬 token。騰訊希望它處理的，不只是一般問答，還包括程式開發、科學研究、金融分析與其他知識工作。1314

不過，Hy4 Preview 的早期優勢需要看清楚前提：目前最亮眼的比較結果主要來自騰訊自行組織的評測，領先幅度也相當有限。這款模型真正受到關注的原因，在於超大模型規模、超長上下文、產品整合與相對低廉的使用價格，而不是現有證據已經證明它全面勝過所有開源模型。

Hy4 Preview 有何不同？

Hy4 Preview 的 7700 億參數是模型總量，並不代表每次請求都會動用全部參數。MoE 架構會針對特定輸入啟用部分專家，因此單次請求約使用 490 億參數。這讓騰訊能打造規模極大的模型，同時控制每個 token 的運算量；但實際部署成本、延遲與速度，仍取決於推理硬體和整套服務架構。1

另一項核心規格是超過 100 萬 token 的上下文窗口。對使用者而言，這意味著模型可望處理大型程式碼庫、多份研究文件、長篇資料，或需要跨檔案比對的任務。長上下文不等於模型一定能準確找出所有資訊，也不保證在整批文件中持續維持可靠推理，但它確實為超出一般短上下文系統限制的工作流提供了基礎。39

騰訊宣稱 Hy4 Preview 屬於頂尖開源模型，並強調模型規模、上下文長度與訓練資料都獲得擴充。現有發布資料較能支持其規格與目標場景，至於「普遍排名領先」則仍屬公司定位，不能當作已獲獨立驗證的結論。56

主打程式開發與知識工作

騰訊列出的主要應用場景包括：

• 軟體工程與代理式程式開發
• 前端工程
• 辦公與知識工作
• 金融分析
• 科學研究
• 遊戲開發
• 跨檔案及資料分析

路透社也指出，Hy4 Preview 的目標包括軟體工程、研究與金融分析；騰訊自身資料及相關發布報導則涵蓋更廣泛的辦公、程式設計與科學工作。169

這種定位之所以重要，是因為 Hy4 Preview 並非以獨立 API 模型的形式推出而已。騰訊表示，團隊正與 WorkBuddy、CodeBuddy 共同設計模型，利用實際產品工作流來優化代理式程式開發及其他生產力場景。換句話說，模型開發與應用產品彼此配合，讓騰訊能在軟體工程與知識工作環境中測試能力，而不只是把模型當成孤立的 API。2614

與 GLM 5.3、Kimi K3 的比較

騰訊以 163 名內部專家、203 項工程任務進行盲測，讓受測者以並列方式比較模型輸出。公布的平均分數如下：

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

在這項評測中，Hy4 Preview 小幅領先另外兩款模型。騰訊公布的勝率則是：對 GLM 5.3 為 46.8%，對 Kimi K3 為 51.2%；其餘結果包括平手與落敗。530

但這組數字應被視為早期訊號，而非確定的業界排名。評測由騰訊內部專家執行，題目也以工程任務為主；三者分數差距不大，勝率也代表不了所有工作負載。它不能證明 Hy4 Preview 在獨立基準測試、其他領域或每種真實應用中都會表現更好。

目前最穩妥的解讀是：Hy4 Preview 在騰訊這項內部測試中具競爭力，並以些微差距領先被點名比較的 GLM 5.3 與 Kimi K3。530

模型據稱參與優化自身開發流程

Hy4 Preview 發布中較特別的一項說法，是模型參與了部分自身開發流程的優化。騰訊表示，Hy4 Preview 曾協助改善訓練方法、資料策略、評估流程、底層算子與推理系統。這可視為一種早期的遞迴式自我改進：讓模型提出或評估改動，再協助優化訓練與運行模型所需的系統。14

騰訊也表示，模型引導的推理瓶頸分析促成多輪算子融合與通訊效率優化，使端到端推理吞吐量相較基準提升 31.8%。這是騰訊公布的工程結果，現有資料沒有提供獨立稽核或外部重現，因此更適合用來理解騰訊的開發方法，而不應視為已被普遍驗證的效能數字。56

如何使用 Hy4 Preview？

Hy4 Preview 已以開源模型形式提供，也可透過騰訊產品與 API 生態系使用。發布時列出的入口包括：

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

發布初期，WorkBuddy 與 CodeBuddy 提供兩週免費使用期；開發者則可透過 TokenHub 或 OpenRouter 串接模型。實際可用性、配額與產品功能可能因地區及平台而異。5914

API 價格

據報國際版 TokenHub 價格為：

• 輸入： 每百萬 token 0.834 美元
• 輸出： 每百萬 token 2.501 美元
• 快取輸入： 每百萬 token 0.042 美元

對於反覆提交相同程式碼庫或文件集合的應用，快取輸入價格尤其值得注意。不過，實際專案成本仍會受到提示詞大小、輸出長度、快取命中率、並發量，以及實際提供服務的平台影響。1114

為什麼 WorkBuddy 是這次發布的關鍵？

Hy4 Preview 是騰訊把模型研發與生產力應用綁在一起的策略一環。根據提供的發布背景，WorkBuddy 於 2026 年 3 月推出，目標是把混元能力放進日常工程與知識工作。騰訊及部分報導將 WorkBuddy 描述為「中國版 Codex」，但這是產品定位語言，不代表已經獲得獨立驗證的市場排名。3

這也解釋了為何發布首日受到高度關注。報導稱，Hy4 Preview 整合至 WorkBuddy 後需求上升，曾造成任務佇列積壓，騰訊其後擴充推理容量。排隊情況可以反映使用者與開發者的興趣，卻不能直接用來衡量模型品質。4

騰訊的發布節奏同樣值得觀察。相關報導指出，騰訊在 2 月重建基礎設施後，混元大型模型平均約每兩個月迭代一次重大版本；Hy4 Preview 被形容為公司約六個月內推出的第三個重大模型版本。騰訊也表示下一個 Hy4 版本很快會推出，但目前資料未確定具體日期或最終規格。23

結論：真正的看點是落地，而不只是參數量

Hy4 Preview 的意義，來自四項條件的組合：7700 億總參數的超大模型規模、超過 100 萬 token 的長上下文、直接面向生產力代理的產品定位，以及透過騰訊產品和 API 合作夥伴提供的開放使用方式。

它在騰訊內部盲測中的 2.99／4.00 平均分，確實略高於 GLM 5.3 與 Kimi K3，但這組結果不足以證明它在更廣泛的場景全面勝出。

對開發者而言，更實際的問題是：Hy4 Preview 的長上下文、程式能力、價格，以及與 WorkBuddy 或 CodeBuddy 的整合，是否能改善你的特定工作流。對研究人員與採購者來說，下一步更值得等待的證據，則是獨立測試、更清楚的部署行為文件，以及離開騰訊內部任務集之後的實際表現。