腾讯混元Hy4 preview正式发布并开源，770B参数，权重全放，搞得WorkBuddy紧急扩容，并且限免到9月10号。

WorkBuddy + Hy4的组合很明显，腾讯要重磅押注AI办公赛道。

Hy4 preview

总参770B，每token激活49B，1M上下文，78层，第一层标准FFN，后面77层全是MoE。

这是目前开源阵营里参数最大的Apache 2.0模型。

一份几百页的财报，一本几万行的员工手册，几十个部门的报表，一次全塞进去，不用拆，不用先处理再喂。

能撑起这么长的上下文，靠的是架构。

它的注意力用Gated DSA，就是DeepSeek那套稀疏注意力的改良版，粗扫一遍知道内容在哪，需要的时候再精读，长文本的成本就这么被打下来了。

残差侧用了iHC超连接，让信息在层与层之间跑得更顺。官方自己写得很老实，受DeepSeek和GLM启发。

主干之外还内置了MTP投机解码，推理的时候带着你一路快跑。

Hy4的生产力

Hy4 preview 的官方定位有四个方向，软件工程、办公分析、游戏开发、科学研究。

• 软件工程：增强长程开发任务的理解、规划、调试与验证能力，进一步提升前端开发的视觉审美和交互质量；

• 办公分析：复杂办公环境理解和金融分析能力，着重优化数据分析、跨文件协作，完成从信息处理到文档、表格与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能力，并能熟练使用游戏引擎，开发者可以通过多轮交互持续完善复杂游戏项目；

• 科学研究：提升复杂科研问题的理解、推理与求解能力，模型在 AI 研发、分子动力学模拟、凝聚态物理、基础数学等各类场景中均有长足进步。

二、处理一页文档，到底要花多少钱

作为打工人，比较关心在WorkBuddy上，处理一页文档，到底要消耗多少token，要花多少钱，值不值得用。

先搞清楚，一页文档是多少token

要算钱，先算token。

一页A4的中文文档，排版乱一点、带表格的，提取出来大概1000到1500个token。

如果直接截图喂给视觉模型，按 DeepSeek V4 Flash Vision 的算法，一张图最多算384个token。

Hy4 preview 的账本

Hy4 preview 是文本推理模型，6元进18元出，缓存命中0.3元。

假设它读一页提取好的文本，一千五百个token进去，0.9分钱。再让它出一段分析，300~400百个token，约6厘钱。

加起来，一页大约1分5厘钱。

100页的报告，一块五。1000页的招股书，15块。

跟文档解析老玩家的成本对比

自建的 MinerU 和 PaddleOCR，软件免费开源，但你要自己养服务器和GPU。

PaddleOCR 一个CPU就能跑，一页几乎不要钱，可它只认字不认结构，干不了分析。

MinerU 强在结构，但用VLM后端处理一页要六千多个token，这个量级喂给大模型，token钱哗哗的。

视觉直读这条路，DeepSeek V4 Flash Vision 一页图最多384个token，按 V4-Flash 的价格，一页输入不到一厘钱，加上输出，三厘钱封顶。

三百页的古籍扫描件，一块钱以内搞定，这是实测过的数字。

GLM-5.3-Flash 更狠，原生多模态，阿里云百炼上输入0.8元输出2.8元，还在半价促销，一页的成本同样低到可以忽略。

谁更划算

这么一比，结论其实很清晰。

识别这层，视觉模型最划算。DeepSeek V4 Flash Vision 和 GLM-5.3-Flash，一页几厘钱，自建的OCR甚至不要钱，但只负责"看清"。

分析这层，才是 Hy4 preview 的菜。

它不跟你抢识别的活，它贵在"读懂加想明白加交付"，一页1分5厘钱，换来的是一个能直接用的结论。

所以真正的成本优势，不在某一个模型身上，在流水线上。识别交给便宜的那层，分析交给 Hy4，一整套下来，100页的报告成本不超过3块钱，还不用自己养服务器。

这个账，算到这儿，就知道该怎么选了吧。

三、办公AI的下半场，是"读懂"而不是"识别"

从"识别"到"读懂"

我一直觉得，AI办公的这十年，其实就一个词，从识别到读懂。

早期OCR，是把纸上的字识别出来，一个字一个字。后来文档解析，是识别结构。再往后，多模态是看见。

而 Hy4 preview 这种，是读懂，理解了，还能接着干活。差别在哪，OCR告诉你发票上有"某某公司"四个字，读懂是告诉你，这张发票跟另一张对不上，可能是重复报销。

再比如，OCR能告诉你合同里写着"违约金20%"，读懂是告诉你，这条跟前面的付款条款打架，真要照这个签，你大概率要吃亏。

这就是"认识一个字"和"明白一句话"的区别，也是办公AI和以前的文档工具的分水岭。

文档这个东西，从纸张、到电子文档，一直是人类文明的载体。以前技术只能让机器看见文档，现在终于有东西开始读懂文档了。这个转变，比参数大小重要得多。。。

再说说腾讯手里的牌

腾讯跟其他模型厂最大的不同，是手里攥着一整套办公场景。WorkBuddy、腾讯文档、企业微信、元宝，全是现成的入口。

Hy4 preview 往 WorkBuddy 里一塞，文档、表格、PPT一条龙，用户都不用换习惯，在原来的界面里就把活干了。

模型开源，权重全放，等于把底座也交出去了。开发者拿着这个底座，接上自己的文档解析、OCR、多模态工具，能拼出无数种办公方案。

这在闭源模型那里是想都不敢想的。

还有一件事别忘了，腾讯这次给了两个礼拜的免费期，到9月10号，每天还有免费额度，摆明了是让你先白用，用顺手了后面再掏钱。这套"先免费后收费"的打法，跟当年微信抢用户是一个路数。

收个尾

说一说我对AI办公的一些理解。

• AI办公正在从"单点工具"走向"流水线"。文档解析管结构，视觉模型管读图，推理模型管分析，谁能把这三层捏合成一个顺手的流程，谁就赢了。
• 文档解析、OCR、多模态这些方向，不会因为大模型变强就消失，反而会变成大模型的"眼睛"和"手"，越卷越重要。

以前AI是帮你查资料的助手，现在它开始替你读完和干完。当模型能把几十份文档读懂，再把活干完交给你，办公这件事的规则，就真的变了。

谢谢你看我的文章，我们下次再见。

https://github.com/Tencent-Hunyuan/Hy4-preview/tree/main https://hy.tencent.com/research/hy4-preview