Hy4 preview 模型介绍
一句话定位：腾讯混元 2026 年 8 月 28 日发布并开源的「为生产力而生」模型——不做单轮对话竞赛，把资源全押在 Agent、Coding 与真实办公交付上，1M 上下文、Apache 2.0 许可，API 定价 6 元 / 18 元每百万 tokens。
整理日期：2026-10-03 ｜ 资料来源见文末
| 项目 | 信息 |
|---|---|
| 模型 ID | hy4-preview |
| 发布时间 | 2026-08-28（发布即开源） |
| 厂商 | 腾讯混元（Tencent Hunyuan） |
| 定位 | Agent / Coding / 生产力（办公交付、游戏开发、科学研究） |
| 总参数 / 激活 | 770B / 49B（78 层，256 routed experts + 1 shared expert） |
| 上下文窗口 | 1,048,576 tokens（最大输入 960k / 最大输出 64k） |
| 架构变化 | 从 Hy3 的 GQA 改为 Gated DSA，新增 IndexCache + iHC |
| 模态 | ⚠️ 纯文本，无视觉能力 |
| 官方定价 | 输入 6 元 / 输出 18 元 / 缓存命中 0.3 元（每百万 tokens，国内） |
| 国际版定价 | $0.834 输入 / $2.501 输出（OpenRouter 实际挂牌） |
| 许可证 | Apache 2.0，标准无修改 |
| 自部署门槛 | FP8 约 758 GiB，官方 vLLM/SGLang 均要求 TP=8 |
| 协议兼容 | OpenAI Chat Completions / Responses / Anthropic Messages |
一、官方上线介绍
1.1 发布的两个核心动作
Hy4 preview 有两件事同时发生：发布 + 开源。权重在 HuggingFace、ModelScope、GitCode、CNB 同步上架（tencent/Hy4-preview 与 FP8 版本），并在腾讯云 TokenHub 和 OpenRouter 上线 API。用户可以通过 WorkBuddy / CodeBuddy（国内版与国际版）、元宝、ima 直接体验。
上线后在 WorkBuddy 和 CodeBuddy 上面向用户提供为期两周的限时免费体验，同时把 Hy3 的免费期延长到 9 月 30 日。
1.2 官方自述的核心提升
腾讯的叙事重点很明确——不卷对话卷生产力，分四个场景讲：
- 软件工程：增强长程开发任务的理解、规划、调试与验证能力；前端开发的视觉审美和交互质量提升。
- 办公分析：复杂办公环境理解 + 金融分析能力显著提升，优化数据分析与跨文件协作，能跑完「信息处理 → 文档 / 表格 / 演示文稿交付」的完整流程。
- 游戏开发：增强「一句需求直接生成可玩原型」的能力，并能熟练使用游戏引擎。
- 科学研究：复杂科研问题的理解、推理与求解能力提升，涉及 AI 研发、分子动力学、凝聚态物理、基础数学等场景。
1.3 一个很特别的点：模型参与了自己的训练
官方称 Hy4 preview 首次参与训练方法、数据策略、评估体系和底层算子的自动优化，形成「初步的递归自我改进闭环」。模型自主分析了推理系统瓶颈，围绕算子融合、通信优化做多轮优化，端到端吞吐较基线提升 31.8%。
配合 Hyra，三维 Blaschke–Lebesgue 问题的体积下界从 0.380799 推进到 0.41104（对比 Meissner 四面体猜想的 0.41986，剩最后约 2% gap）。⚠️ 此为厂商自报，未见第三方复现。
1.4 官方主动披露的已知问题（这份诚实值得点赞）
「Hy4 preview 是 Hy4 迭代的一个早期版本，预训练和后训练均仍有较大的提升空间，也有一些已知问题，如复杂任务的长思考和过度自我验证倾向，我们将持续敏捷迭代。」
这段话非常关键——它提前解释了后续所有用户吐槽的「慢」和「反复自我验证」，不是 bug 而是已知的设计倾向。官方还说明了发布 preview 的目的：希望通过尽快发布获得广泛的真实反馈，从而显著提升 Hy4 正式版。
1.5 官方内部盲测（以及它的水分）
腾讯组织了 163 名内部专家、203 个工程任务做盲测：
| 模型 | 均分 | 对比 Hy4 的胜/平/负 |
|---|---|---|
| Hy4 preview | 2.99 / 4 | — |
| Kimi K3 | 2.94 / 4 | 51.2% / 7.9% / 40.9% |
| GLM 5.3 | 2.92 / 4 | 46.8% / 12.8% / 40.4% |
⚠️ 这个「略优」需要打折看：两组对比的负率都在 40% 以上，意味着近一半任务不如对手；且全部数据来自腾讯内部专家、腾讯任务、腾讯 WorkBuddy 环境。
第三方按腾讯自己公布的附录逐行统计 46 项基准，结果是：Claude Opus 5 领先 28 项、GPT-5.6 Sol 领先 15 项、Hy4 preview 仅领先 1 项（SWE Atlas Codebase Q&A，64.0 vs 58.1）。
二、KOL / UP主 / 开发者实测感受
2.1 「周末加班的小林」（搜狐科技 / 微信公众号）— 唯一一篇 Hy4 vs GLM-5.2 vs GLM-5.3 的完整横向对照
这是目前信息量最高的中文横向实测。
游戏类任务（最能暴露真实差距）：
- 坦克大战：Hy4 还原度和完整性最好。GLM-5.3 画面同样还原，但「敌军坦克一直挤在地图上方开炮，基本不会主动游走，更不会下来追着玩家打」。
- 3D 像素赛车：Hy4 完胜。GLM-5.2「把左右方向做反了」；GLM-5.3 是俯视角，「镜头离赛车太远，操作时像在遥控一辆桌面小车」。作者原话：「整个游玩过程中，我没有碰到明显的 Bug，完成度和游戏体验都是三个模型里最好的。」
- 运动员动画：Hy4 的跑跨栏动作幅度最大；作者还发现 Hy4「偷偷给绿色运动员加了一段戏」——自行添加了「跨栏时绊倒栏架」的失败剧情（提示词并未要求）。
- 雪人兄弟：这一轮作者把票投给了 GLM-5.3（「冰冻效果更细腻」）。
办公任务：分析腾讯近三年营收，一次性交付 Excel + Word + PPT，约 30 分钟。作者随机点开几个引用链接检查，「这些链接都能正常访问，不是模型随手编出来的假链接」——这一点值得单独记下。瑕疵是「PPT 里有一页布局比较乱，表格挡住了部分文字」。
真实业务改需求：把三个简历网站的用户反馈需求交给它，Hy4 都是「先理解问题 → 给出方案 → 再改 → 交付验收」。作者评价「整个过程已经有点像在跟一个开发搭子配合了」。
总结判断：
「单看这两类任务，Hy4 preview 已经明显超过 GLM-5.2，而且和 GLM-5.3 的差距，比我预想中小很多。」「还记得 7 月实测 Hy3 时，它的能力也就勉强摸到 GLM-5.1。」
2.2 云原生君（腾讯云开发者社区）— Agent 视角 + 最狠的显存吐槽
定位判断很准：「腾讯这次没去卷单轮对话，而是押注 Agent 生产力。」实测了 Art Deco 风格网站的完整链路（「检查环境 → 做任务规划 → 开发 → 运行 → 看结果 → 找 JS Bug → 修改 → 再验证 → 最后交付」）、施瓦西黑洞（「表现非常不错，而且这个测评顺利完成的模型不多，svg 也能有动态效果」）、Three.js 可拆解飞机发动机。
但他泼了一盆很必要的冷水：
「770B 太大了……MoE 的显存占用看的是 770B 权重，不是 49B 激活参数。BF16 权重粗略就是 1.5TB 级别。即便 FP8，也接近 0.8TB 权重规模……这会限制 Hy4 开源权重的实际普及程度。」
2.3 晚点视角（腾讯新闻）— 四个缺点，说得很实在
「我本来是准备周五晚上好好测一下 Hy4 preview 的，结果排队排得特别厉害，偶尔还会直接报错。我看很多人在吐槽，说腾讯怎么算力都没准备好。」
逐条列出的缺点：
- 仍然会过度思考（Hy3 就有，此问题未解决）
- 古建孪生任务若不指定「通过 Canvas 程序生成 IBL 与纹理」，模型无法自己推测到这个技术栈
- 日程任务中「会忘掉前面一些约束条件」，生成页面出现基础显示 Bug
- 审美仍有提升空间
对比 Hy3 的结论是「有明显的代际差……Hy 的打法，真的越来越腾讯」。
2.4 什么值得买社区 — 罕见地给盲测打了折扣
「注意，是略胜，不是碾压——胜率没过半，两组负率都在四成以上。主场盲测该打多少折扣，各位心里可以有自己的判断。」
「盲测比刷榜难作弊，这个 2.99 的含金量可以排在 Terminal Bench 前面。」
三盆冷水：① preview 非正式版，官方自认长思考 + 过度自我验证；② 没有视觉，带图场景「直接绕道」；③ 盲测是腾讯主场，「第三方独立复测才刚开始。这不是说分数假，只是'交叉验证'这一步还欠着」。
2.5 自建 benchmark 的最差分（43 分）
一位独立测评者（自述「花了 10 块大洋耗掉 5 个小时」）的自建 benchmark 总分只有 43 分，分项：强约束指令遵循 8/10、24 点推理 5/10（「给出 3 组解法，仅第一组合规；解法越多出错越多」）、密码锁推理 10/10、macOS 风格网页 OS 8/10（「生成耗时超 1 小时，多次触发请求限额报错」）、Three.js 3D 赛车 5/10（「代码中途报错中断，项目未完成」）、原生 Trello 看板 7/10。
他的最突出痛点：「生成速度极慢，频繁触发请求限额。算力资源充足的前提下模型潜力可观。」
2.6 B 站一线观众（结论与通稿相反）
一位 UP 主用 Hy4 做古建筑群，「测出来一看，只有一个建筑，没有'群'」。结论是「运行效果有点普，果然不能只看第一波通稿评论」。
⚠️ 但这篇也提供了一个有价值的社区观察：模型灰测期只有 B 站长视频/直播承载得了，而「主播没跑出来，直播间其他人大概率还能给你复现」。
三、真实用户使用评价
正面
Hacker News（Hy4 主帖，387 分 / 249 条评论）
@vcryan：「I used Hy3 quite a bit for the type of tasks it was suited for. Excited about this. My one concern over Hy3 was speed.」（⚠️ 这条对速度的负面评价针对的是 Hy3，但恰好命中 Hy4 preview 被全网吐槽的同一痛点——说明是家族性问题而非偶发）
@eli：「Openrouter tracks what apps are using the model and the top ones for hy4 are all different coding harnesses... Hy3 was a very strong and underrated model.」
@alexfortin：「For the last few days I've been experimenting with the free version of Hy3 offered by Opencode Go and I was also surprised to see how (relatively) good it is on coding tasks too.」
关于 preview 版本值不值得用，HN 上有最直接的社区回答：
@Topfi：「In my evals, I saw an unprecedented jump between preview and final release on Hy3, from unusable to competitive. Did you see similar in preview vs release version?」
@vcryan：「Oh yes! I forgot about that. Yes, you can see this in benchmarks about hy3 preview and hy3 release still today because they measured them separately - it was significant.」
负面
@redox99：「The speed at which hy4 usage increased on openrouter, especially considering its not a cheap model, doesn't seem organic to me. Its already serving as much tokens/day as the incredibly cheap and good GLM 5.3 flash... Also those top 5 apps are just 1.58B tokens out of 1.54T tokens from yesterday. Negligible.」（另一条补充：「It's very likely tencent games those stats, buying their own tokens.」）
@redox99（另一条）：「i'd be curious if openrouter is just being gamed by these publishers by paying for the exposure. wouldn't trust they dont do Capitalism like the rest of the AI field.」
@petcat（抬杠「开源」二字）：「There are no open source models, at least not useful ones (yet). Open weight is not the same as open source. The current "open weight" models are just opaque binary blobs you can run on your own computer instead of through a web API.」
成本洞察（HN 里最实用的一条）
@sieve：「For me, an average long session results in about 200-300M cached input, 4-800K input, 2-400K output. Mostly the lower bound. Output depends on how much the model thinks. There are two problems here: cache hit pricing... and cache persistence time... A 500K token input repeatedly read by MS 1.2 for full input price 12 times an hour = $0.60. You would be expecting $0.012. So a 50x difference.」
@martinald：「Btw I still haven't came across any decent model that is <$0.01/MTok cache costs apart from deepseek thru their official API...」
@irthomasthomas：「Something is up. Deepseek cache hit rate on zenmux is 98%, but only 85% via openrouter.」（提醒：走 OpenRouter 这类中转时，路由抖动会吃掉缓存收益）
中文社区的普遍反应
首发周末大量用户吐槽排队。官方 8/31 发文致歉，腾讯公关总监张军微博致歉「实在对不住」；官方过渡方案是切回 Hy3（限免延至 9/30）或错峰使用。10/2 又宣布 Hy4 preview 夜间限免（23:00–次日 8:00）延期至 10/31。
四、核心优势
- 押注 Agent 的产品定位清晰：不做单轮对话竞赛，资源全投在长程任务、工具调用、跨工具协作——这在国内开源模型里是少数派但正确的判断。
- 1M 上下文 + 960k 最大输入：能吞下整个代码库或长文档，办公分析类任务的硬需求。
- Apache 2.0 标准许可：这是本轮国产开源模型里最干净的许可（对比 GLM-5.3 旗舰版的自定义条款）。MIT 和自定义协议都带额外限制，只有 Apache 2.0 是真·无修改。
- 游戏开发与前端审美明显强于同代国产模型：3D 赛车、坦克大战、像素画这类任务的完成度和 Bug 控制，是 Hy4 最被低估的部分。
- Office 交付链完整：能一次跑完「分析 → Excel + Word + PPT」，且引用链接真实可访问——这在国产模型的办公实测里不常见。
- 三种协议兼容：OpenAI Chat Completions / Responses / Anthropic Messages，能直接接进 Claude Code、Codex 等现成工具。
- 迭代节奏与 preview→正式版的历史跃升：HN 社区确认 Hy3 preview 到正式版有「从不可用到有竞争力」的显著提升，Hy4 正式版值得等。
- 跨产品生态：WorkBuddy / CodeBuddy（国内+国际）、元宝、ima、腾讯云 TokenHub、OpenRouter 全覆盖。
五、适合用在哪
- 长程 Agent 工作流：需要连续规划、执行、验证的复杂任务（官方自认的长处）。
- 游戏开发原型：从一句需求生成可玩原型 + 熟练使用游戏引擎，这是实测中表现最亮眼的场景。
- 办公 / 金融分析交付：需要一次产出 Excel + Word + PPT 的完整链路，且对引用真实性有要求。
- 前端开发与交互实现：实测中视觉审美和交互质量的提升被反复提到。
- 需要吃满 1M 上下文的代码库 / 长文档任务。
- 要在合规上要 Apache 2.0 的企业：这是它相对其他国产开源模型最硬的优势。
经验法则：把 Hy4 preview 当「工程型长任务的主力候选」，用之前先确认算力配额（首发排队和限额是真问题）；等正式版再上生产。
六、劣势与注意事项
- 🔴 没有视觉能力：Hy4 preview 本身是纯文本模型。腾讯自研的生图模型 HyImage 3.5 存在，但 Hy4 preview 挂不上；带图任务「直接绕道」。在 WorkBuddy 里调用生图/生视频会自动切到别的模型。腾讯以「为生产力而生」定位，这不算「先阉割后补上」，但对用户是实打实的能力缺口。
- 🔴 慢，而且官方自己承认：过度自我验证是已知设计倾向，不是 bug。实测：行业分析报告前后等了 43 分钟；macOS 网页 OS 生成耗时超 1 小时；自定义 benchmark 里多次触发请求限额。所有实测的「慢」都能归因到这一条。
- 🔴 会忘掉前面的约束条件：长任务中一致性下降，生成页面出现基础显示 Bug。24 点推理题 5/10 的失分也与此有关（「解法越多出错越多」）。
- 🔴 自部署事实上不可用：FP8 约 758 GiB、BF16 约 1,453 GiB，官方 vLLM/SGLang 都要求
--tensor-parallel-size 8。第三方算过：8×80GB H100 装不下，需要 8×B300 或 16×B200。这是典型的「Apache 2.0 很漂亮，但没人跑得起」——除非你是 8 卡以上的高端团队，否则请直接用 API。 - 盲测的「主场折扣」：均分 2.99 vs GLM 5.3 的 2.92，胜率 46.8% / 负率 40.4%——负率四成以上意味着近一半任务不如对手，且全部数据来自腾讯内部。
- 第三方独立复测严重不足：46 项基准中腾讯仅 1 项第一。Terminal Bench 2.1 的 85.4 虽是官方标「与 Claude Opus 5 持平」，但那是腾讯自己复现的（带星号的竞品数据非厂商自报）。
- 算力不足导致的可用性问题：首发当天 WorkBuddy 排队约 5354 人，8/31 官方致歉，10/2 仍在延期夜间限免。模型免费两周的策略把大量流量压在了同一个入口。
- ⚠️ 未发布任何安全文档：无 system card、无 RSP/ASL 框架、无网络安全 / 生物 / 自主性评估。第三方核查结论。对企业合规采购是明显缺口。
- 审美与语义完整性仍有余量：B 站实测古建筑群「只有一个建筑，没有'群'」；晚点评价「审美仍有提升空间」。
- OpenRouter 用量数据被质疑刷量：见上文 @redox99 的观察，不影响模型本身能力判断，但提醒第三方渠道的榜单/用量数据要打折看。
七、推荐总结
推荐给谁
| 你的情况 | 建议 |
|---|---|
| 需要长程 Agent / 复杂办公交付 / 游戏原型 | ✅ 值得作为候选，但要接受「慢」 |
| 需要视觉能力（出图、视频理解） | ❌ Hy4 preview 不行，换多模态模型 |
| 在意开源许可的干净程度 | ✅ Apache 2.0 是本轮最好的 |
| 打算自部署 | ❌ 除非你有 8 卡以上的高端集群 |
| 生产系统、要 SLA | ⚠️ 等正式版，preview 的算力问题会直接影响可用性 |
| 只想找个便宜的开源兜底 | ⚠️ 先对比 GLM-5.3-Flash（0.8/2.8 元）和 DeepSeek V4.1-Flash（闲时 $0.15/$0.60），Hy4 的 6/18 元并不便宜 |
结论
Hy4 preview 是一款方向正确、但明显还没调好的模型。
它押注 Agent 和生产力的判断是对的——实测中 3D 赛车、坦克大战、办公三件套交付都明显好过 GLM-5.2，与 GLM-5.3 的差距比预想小，还拿到了本轮最干净的 Apache 2.0 许可。
但它同时是本轮问题最集中的国产模型之一：慢（官方承认过度自我验证）、没视觉、自部署跑不起、算力不足导致首发排队、盲测有主场折扣、46 项基准里只赢 1 项、连安全文档都没发。
一句话建议：把它当 preview 试，不要当主力部署。重点关注两个信号——正式版发布后「过度自我验证」是否改善，以及视觉能力是否补上。这两点定了，Hy4 才真正具备和 GLM-5.3、Qwen3.8-Max 正面竞争的实力。
在珂艾网关怎么调
| 项目 | 值 |
|---|---|
| 模型 ID | hy4-preview |
| 计费 | 按量（token） |
| 上下文 | 1M（最大输入 960k / 最大输出 64k） |
| 协议 | OpenAI Chat Completions / Responses / Anthropic Messages |
| 分组 | hunyuan-1 |
⚠️ 站点倍率和加价会变动，实际单价以 https://turbo.apimax.host/pricing 实时价格页为准。
八、来源
官方
- 腾讯混元 — Hy4 preview 发布页（盲测数据、已知问题、定价）：https://hunyuan.tencent.com/research/hy4-preview
- 腾讯 — 腾讯发布并开源 Hy4 preview：https://www.tencent.com/zh-cn/tencent-releases-and-open-sources-tencent-hy4-preview/
- 新华社发布稿（递归自我改进、31.8% 吞吐提升）：https://www.news.cn/tech/20260828/b12d8417291b4193ba9e5d435a1a40db/c.html
- 腾讯云 — 混元调用指南（hy4-preview 规格与协议）：https://intl.cloud.tencent.com/document/product/1300/80695
第三方评测与核查
5. 云原生君（腾讯云开发者社区）— Agent 实测 + 显存吐槽：https://cloud.tencent.com/developer/article/2734321
6. 「周末加班的小林」（搜狐科技）— Hy4 vs GLM-5.2/5.3 横向对照：https://it.sohu.com/a/1069303466_122073250
7. 什么值得买 — 泼三盆冷水（盲测主场折扣、缺视觉）：https://post.smzdm.com/p/anvxn782
8. 独立测评者自建 benchmark（43 分详细分项）：https://openeuler.csdn.net/6a91ae5b2b83d06f0ec72058.html
9. PacketNebula — 逐行统计 46 项基准 + HF 仓库实际体积：https://packetnebula.com/articles/tencent-qwen-hy4-preview-one-top-score-in-46/
10. aitoolsreview — Apache 2.0 许可证核查、无安全文档：https://aitoolsreview.co.uk/insights/tencent-hy4-preview
11. Developers Digest — 部署经济账（利用率不足时 8 卡不如 API）：https://www.developersdigest.tech/blog/tencent-hy4-preview-770b-open-moe-2026
12. Opentryon — 权重 ID、FP8 显存、hy_v4 parser：https://tryonlabs.github.io/opentryon/local-models/hy4
社区声音
13. 晚点视角（腾讯新闻）— 真实评价四个缺点：https://news.qq.com/rain/a/20260830A06JW700
14. 今日头条 — 43 分钟报告实测、「慢纯卡」三宗罪：https://www.toutiao.com/a7680401251917365794
15. 今日头条 — B 站灰测观察：https://www.toutiao.com/a7679754866603934208
16. 今日头条 — 5354 人排队、官方致歉：https://m.toutiao.com/article/7680090445422150196
17. IT之家 — 夜间限免延期至 10/31：https://www.toutiao.com/article/7691876181365064232
18. Hacker News — Hy4 preview 主帖（387 分 / 249 评论，@vcryan / @Topfi / @redox99 / @sieve 原声）：https://news.ycombinator.com/item?id=49492632
说明：价格与基准多为厂商自报或第三方独立测算（已逐条标注）；模型迭代快，最终以官方页面与网关实时价格为准。