混元Hy4正式发布，腾讯大模型首次跻身开源第一梯队，长程Agent能力实测达标

11月4日，腾讯正式发布其最新大语言模型混元 Hy4，模型权重将在近期开源，同时推出主打性价比的轻量版本 Hy4 Flash。这是腾讯首次明确将自身大模型定位为“最强开源模型之一”，标志着其从应用层（如 WorkBuddy Agent）向底层模型能力的系统性补强。

过去一年，腾讯在AI领域的公众可见度主要来自Agent类应用产品，而在基础模型层面声量较弱。Hy4 的发布，实质上是腾讯对“模型身位”问题的一次正面回应：它能否在开源赛道站稳脚跟？又是否具备支撑高阶生产力任务的能力？

从公开榜单看，Hy4 在多个开源基准测试中已进入第一梯队。例如，在腾讯联合金融科技 FiT 组织的金融众测中，Hy4 在579个真实金融任务上获得3.04分，高于 DeepSeek-V4.1-Flash（2.97）、Kimi K3.1 Pro 和 GLM-5.3（均为2.68），位列开源模型首位；在讯兔科技内部评测 IRAB 中，相较 preview 版提升达12.03个百分点。

更关键的是，Hy4 的能力提升不仅体现在分数上，更反映在对“长程 Agent”任务的实际承载力上。传统模型评测聚焦单轮问答或单一题目，而当前AI生产力的核心门槛已转向“把一整件事跑完”——即跨多轮、多步骤、长时间运行中维持目标一致性、容错自纠与逻辑闭环交付。

极客公园为此设计了一项贴近买方研究员真实工作的复合任务：要求 Hy4 扮演 AI 算力产业链研究员，围绕 CPO（共封装光学）赛道，产出一份面向投资决策委员会的深度研究报告及可复算估值模型，数据截至最近一个交易日。

该任务覆盖完整研究工作流：首先梳理CPO产业链图谱（上游光芯片、激光器、硅光；中游光引擎、光模块；下游交换机与云厂商），并生成可视化图表；其次厘清CPO与传统可插拔模块、NPO、OOI的技术差异、替代节奏与关键节点，引用英伟达Spectrum-X、博通Bailly、台积电COUPE等官方路线图；再者需整合中际旭创、新易盛、天孚通信等A股公司及英伟达、博通、Coherent、Lumentum等海外企业近3年财报、市值、毛利率与机构预期，严格标注来源、币种、单位，并区分实际值、预测值与假设；特别强调核实各公司是否真正进入海外巨头CPO供应链，明确区分“已量产”“送样测试”“仅披露合作意向”三类状态，剔除“蹭概念”标的。

在此基础上，模型需完成四项核心输出：① 选取4家A股代表公司做横向对比表；② 测算当前估值隐含增长预期，结合一致预期判断预期差；③ 给出乐观/基准/悲观三情景；④ 为其中一家公司构建未来三年利润表模型，关键假设集中管理并验证勾稽关系；最后直接回应投委会三大问题：当前是业绩兑现还是主题炒作？哪个环节弹性最大？若仅选一家应选谁？

实际运行中，Hy4 采用典型长任务处理路径：先拆解任务、列出执行计划，再分阶段推进，中间穿插阶段性自检。产业链图谱、技术路线分析、横向对比表与三情景测算依次落地，所有数据标注清晰，模型内勾稽关系可验证，最终交付PDF报告与XLS估值模型。

这一表现背后是腾讯在事实准确性上的专项优化。针对时效检索、多源信息整合与事实一致性，混元团队对搜索模块进行了重构，使 Hy4 的幻觉率从 preview 版的12.95%降至7.2%，因猜测导致的错误率从23.1%大幅压降至5.6%。这对依赖严谨数据的金融、法律、科研等专业场景至关重要。

值得注意的是，国家数据局数据显示，我国日均 Token 调用量已从2024年初的1000亿飙升至2025年7月的超500万亿，两年增长超5000倍。Token消耗狂飙的背后，正是Agent从技术概念加速转化为新型生产力形态的信号。在此背景下，模型能否稳定驱动端到端任务闭环，已成为衡量其工业级可用性的核心标尺。

Hy4 在长程任务中的稳定性，使其在垂直领域落地更具可行性。例如，腾讯已基于真实金融场景构建数千个工作空间与上万个高质量任务，覆盖基金研究、证券分析、量化策略、资产配置与财税会计等流程，并邀请213位专家参与众测，其中153位来自外部头部金融机构，七成拥有五年以上从业经验。这种“场景驱动+专家验证”的研发路径，显著提升了模型的实用边界。

不过，若将 Hy4 放入全球视野，与顶尖闭源模型（如 GPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Pro）相比，其在多模态理解、复杂推理链长度、跨语言泛化等方面仍存在可感知差距。尤其在无外部工具调用的纯语言推理任务中，闭源模型仍保有明显优势。

轻量版 Hy4 Flash 的同步推出，也反映出腾讯对部署成本与落地效率的重视。在边缘设备、私有化部署或高并发场景下，Flash 版本可在性能损失可控前提下显著降低算力需求，为中小企业与开发者提供更友好的接入路径。

总体而言，Hy4 的发布标志着腾讯大模型从“能用”迈向“好用”的关键一步。它未必是当前全球最强的模型，但在开源阵营中已确立第一梯队地位；其长程 Agent 能力经受住了真实工作流检验，为金融、咨询、研发等专业场景提供了可靠基座。下一步的关键在于：如何持续缩小与闭源顶流的差距，以及如何通过生态建设推动开发者与企业大规模采用。

模型能力的跃升终将服务于具体生产力。当一个AI能独立完成一份带数据溯源、逻辑自洽、可复算验证的行业研究报告时，它已不只是“助手”，而是可信赖的协作者。Hy4 的实测结果表明，腾讯正在这条路上稳步前行。