腾讯混元Hy4正式版现已上线WorkBuddy，相比此前的预览版，这代重点强化了Agent长程执行能力，新增视觉理解特性，在多项Benchmark中跻身开源模型第一梯队，成绩超过DeepSeek V4.1 Flash、GLM-5.3、Kimi K3.1 Pro等多款国产主流模型。

目前Hy4在WorkBuddy 11月4日-11月15日限时免费开放使用，API定价与预览版保持一致：缓存命中时输入价格0.3元/百万token，未命中为6元/百万token，输出价格18元/百万token。

网红难度测试：鹈鹕骑车也不翻车

“鹈鹕骑自行车”已经成了今年检验大模型生成能力的标配测试题，这次我们直接给Hy4上了地狱难度：不仅要做360°可交互的立体骑行动画，还要挑战“鹈鹕骑自行车、车上叠鹈鹕、鹈鹕再骑车”的无限嵌套任务。 我们只输入了一句“画出一只极其逼真的鹈鹕骑自行车可交互3D动画”的提示词，Hy4交出的成品完全追上了GPT-6、Claude Opus 5.5等海外第一梯队模型的观感：鹈鹕的毛绒质感、自行车金属反光都真实自然，还自带镜头控制、速度调节功能。

就算是逻辑复杂的无限堆叠挑战，Hy4也没有出现逻辑错误，层叠的自行车和鹈鹕结构清晰，彻底摆脱了上代模型效果粗糙、逻辑混乱的问题。

官方公布的跑分成绩也和实测体验吻合，在编程、Agent任务、终端操作、3D建模、网页交互等十余项专业评测中，Hy4的表现都稳居开源模型前列。

/goal锁定目标：长任务跑再久也不跑偏

本次Hy4更新的所有能力，核心指向都是让Agent能承接完整的真实工作：不再是一轮对话给一个漂亮答案，而是能读懂真实材料、操作真实软件，在几十上百步的连续流程里记住最终目标，出错了还能自动调整接着做。 使用/goal指令就能给模型锁定最终目标，我们首先测试了长流程游戏开发任务：要求Hy4从零制作一款写实风玻璃瓶射击游戏，需要覆盖金色黄昏后院场景、玻璃折射反射效果、慢动作镜头冲击、Web Audio合成音效、计分充值系统，从调研、开发、测试返修到最终交付全流程自动完成。

第一版成品已经实现了玻璃破碎、音效反馈、分数统计等基础功能，但整体“游戏感”不足。我们直接给Hy4发送了一段真实射击游戏的参考视频，要求它对照视频强化射击手感。 Hy4逐帧拆解了视频里的广角镜头、景深递进、弹壳抛出、枪口火花、场景层次等细节，回炉调整后的成品不管是射击反馈还是画面氛围都完全符合需求，繁杂的多轮修改也没偏离最初的目标。

长任务能力在应用逆向开发场景同样好用。我们在Mac上安装了以精致交互著称的实时航班追踪App Flighty，要求Hy4使用REA逆向工具1:1复刻整个应用，连付费Pro功能也要完整实现。

Hy4完整逆向了Flighty的所有功能，将其整合进了新应用Skyward中，但第一版UI有比较明显的“AI味”，缺少原版的高级质感。我们继续要求它对照原版审美调整，并且完成全简体中文本地化。 最终交付的版本，信息卡片、航线地图、飞行统计等功能都基本还原，只有需要调用第三方接口的实时航班数据需要额外配置，整体完成度远超预期。

视觉理解上线：发段视频就能做同款游戏

视觉理解是Hy4最具实用性的新能力：它不仅能识别图片、文字，还能直接解析录屏视频，逐帧拆解视觉信息转化为代码或操作指令，甚至可以自己给生成的结果截图、找问题、自我迭代优化，不用用户费劲用文字描述需求。 我们先做了个小测试：发送一张窗边阅读角的实拍图，要求Hy4把房间做成可在浏览器运行的微缩交互空间。它精准识别出了红色单人椅、木质书桌、书架、窗边绿植所有元素，生成的等轴测3D空间连暖黄光影的氛围都和原图一致。

最让我们惊喜的是游戏复刻测试：我们直接发送了一段《王者荣耀》的实机录屏，要求Hy4做一个打开就能玩的同款网页MOBA。

Hy4很快识别出了2.5D俯视峡谷、虚拟摇杆+技能轮盘、补兵清线、击杀播报、推塔破水晶等核心玩法，仅用30分钟就做出了完整可玩的迷你MOBA，打开网页就能直接操控英雄对线推塔。

我们还把海外热门的特斯拉工厂3D装配模拟的案例视频发给Hy4，它也顺利复刻出了带实时数据面板、生产流程控制的完整模拟页面，完成度不输海外头部模型的生成效果。

自我迭代能力也大幅降低了生成动画的门槛：仅靠一段文字提示，Hy4就能边生成边截图自检优化，直接做出了20秒的东京雨夜主题自动播放短片。撑伞的行人随信号灯移动、轨道列车疾驰而过、黑红青的配色风格完全符合描述，不需要额外调整。

能直接操控电脑：Blender建模全自动

视觉能力还让Hy4的电脑操作能力大幅升级，现在它可以在WorkBuddy里完成“看屏幕→识别按钮菜单→移动鼠标点击/滚动/输入→根据页面反馈调整操作”的全流程，无需人工值守就能操作本地软件。 我们要求Hy4自动操作本地安装的Blender，制作花园城市新加坡滨海湾的3D场景。它首先自动识别了Blender版本、检查了设备性能，随后自动编写脚本、调用软件功能逐步建模。

最终Hy4交付了标准.blend格式的3D资产，整个滨海湾概念场景包含约4550个对象，滨海湾金沙酒店、超级树、穹顶温室等地标都完整还原，打开文件就能直接编辑使用。

办公批量干活，硬核科研也能打

除了创意类任务，Hy4在最考验稳定性的日常办公场景进步尤其明显，Excel数据处理、PPT排版、Word写作的成品都达到了“直接能用”的水平。 我们准备了一个存放十多篇专业论文的文件夹，要求Hy4为每篇论文制作组会报告PPT、汇总所有论文信息整理成Excel表，最后基于这些论文写一份完整的研究报告。仅耗时半小时，Hy4就交付了14份PPT、1份论文信息汇总Excel、一份19页的Word研究报告。

其中Excel不是简单罗列论文标题，而是真正读懂了每篇论文的核心方法、数据集、实验结论，分门别类整理清晰；14份PPT版式统一、符合学术报告格式规范，几乎不用调整就能直接使用。

在高难度的科学研究场景，Hy4也已经能承接专业任务：它可以完成小鼠胚胎三维重建、参与细胞与物理模型研发，在多个数据集上的表现比现有SOTA模型误差更小、保真度更高。在和北大数学团队的合作中，Hy4还成功找到了Méndez–Pinto–Villarreal猜想的反例，并且完成了形式化验证。

稳定快速迭代，混元跻身第一梯队

混元大模型的迭代节奏一直非常清晰：预览版收集反馈、正式版打磨交付，基本保持4个月一个大版本预览、预览发布后3个月推出正式版的节奏。 从今年4月Hy3 preview、7月Hy3正式版、8月Hy4 preview到11月Hy4正式版，模型总参数从295B升级到770B，激活参数从21B升级到49B，上下文长度拓展到1M+，不到一年时间就已经跻身最强开源模型行列。

【编辑观察】 实测下来Hy4最惊喜的从来不是纸面跑分，而是和WorkBuddy工具链结合后的真实交付能力：日常写稿、做表、简单创意需求基本可以做到一次交付不用修改；涉及复杂流程的开发、建模任务，只要简单几轮引导就能拿到高完成度结果。 过去我们总调侃大模型“只会聊天不会干活”，现在从30分钟做可玩游戏、自动逆向App到批量处理办公文档，国产大模型已经真的能承接真实生产力需求，你甚至可以大胆把想玩的脑洞、干不完的活都丢给它试试。