《Hy4能力有多强？》
腾讯混元Hy4正式版发布后，官方口径是“跻身最强开源模型之列”。但如果把问题拆开看——Hy4的能力究竟强在哪里，又强到了什么程度——答案比一句“最强”要复杂得多。核心跃升：从“能读”到“能看能动手”
Hy4最实质的升级，不在参数规模上。它的底座仍然是770B总参数、49B激活的MoE架构，和preview版一致。真正跨过去的两道坎，是视觉理解和计算机操作（CUA）。
此前的Hy4 preview是“瞎子”，图片丢进去读不了；正式版第一次接上了视觉能力，截图、图表、界面、报错信息都能直接感知，带图的数学推理也能完成。视觉一通，Computer Use随之解锁：模型可以自己开浏览器、点按钮、敲命令，命令行和图形界面混着用，还针对Blender、CAD这类专业软件做了专项训练。用实测者的话说，以前的AI是“军师”，动嘴不动手；Hy4开始试着当“赛博替身”，直接坐到你工位上敲键盘。
数字上的“强”：有亮点，也有前提
官方评测给出的成绩单确实有分量：平均效果得分83.18分，任务通过率96.15%，12个场景中9个排名国内第一。在Agent Arena基于8.5K真实长程会话的排名中，Hy4从preview的第25位升到总榜第13，开源模型第一。单项上，E-Bench 2.0拿到70.0分，压过GPT-6.1 Sol的66.8，只输给Opus的80.0。在金融专家盲测中，Hy4的综合得分也位列开源模型第一。
但“强”的另一个侧面同样值得留意。Artificial Analysis的独立评测给Hy4的智能指数是35分，位居中国实验室第二，次于Kimi K3.1 Pro的46分。更值得警惕的是幻觉率：在AA-Omniscience知识基准上，Hy4的准确率为50%，但幻觉率高达89%——也就是说，它不知道答案的时候，绝大多数情况下不会“承认不知道”，而是会给出一个看起来像样的错误答案。对照之下，Kimi K3.1 Pro的幻觉率为37%。官方自评中也坦承，Hy4在复杂任务上仍有“过度自我验证”、思维链效率偏低的问题。
开放性的“折扣”
Hy4被冠以“最强开源模型”的名号，但截至目前，模型权重尚未真正放出，官方只说“近期开源”。这意味着现阶段要使用Hy4，主要途径仍然是通过腾讯云或WorkBuddy付费调用。所谓“开源”，目前更多是一张已画出的饼，而非可以直接下载验证的现实。
短评
Hy4的能力确实有了质的扩展：视觉和Computer Use的加入，让它在“感知—决策—执行”这条链上向前跨了一步，在办公、金融、专业软件操作等生产力场景中拿出了可验证的增量。但它还不是一个可以无条件信任的“全能选手”：幻觉率是一块明显的短板，开源承诺有待兑现，第三方独立评测的排名也说明它与真正的头部模型之间仍有距离。Hy4“有多强”的准确答案或许是：在它新长出的那几项能力上，强得让人认真对待；在它尚未补齐的短板上，也弱得不能掉以轻心。
我用 Hy4 一次就生成了这样的页面：点击查看