从视觉理解到电脑任务:Hy4正式版发布,首次跻身最强开源模型之列

相比于 Hy4 preview，Hy4 显著扩展了预训练和后训练规模，首次引入了视觉能力，并大幅提升了指令遵循、长文理解、长程任务、深度研究等各项综合能力。 

基础能力的全面提升以及和腾讯内部众多产品与业务的持续合作，让 Hy4 解锁更多真实生产力场景。

视觉与电脑任务

Hy4 首次引入视觉能力，可以结合感知、推理和工具调用，进行细粒度图像处理、复杂图表分析和数学视觉推理等任务。Hy4 也首次支持电脑操作，可以灵活地结合使用命令行和图形界面。我们针对 Blender、CAD 等专业软件和跨应用长程任务开展了专项训练，持续优化专业任务的规划与执行力。

· 通过随拍照片，确定地理位置并核实信息

· 跨软件实现DIY装修程序

前端与游戏开发

视觉理解的引入也使 Hy4 的前端与游戏开发能力显著提升。我们对前端的复杂交互、业务逻辑、状态管理、前后端联动等方面进行了针对性优化，让模型生成的界面除了好看也功能完整且可用。在游戏开发场景，我们与腾讯 IEG 专业游戏开发者合作，持续优化数据和评测质量，重点提升了游戏功能实现、玩法逻辑、状态理解和资产处理等能力，实现了对 UE、Unity、Godot 等主流引擎的深度适配，并开始扩展至多人联机游戏开发。相比 Hy4 preview，Hy4 在 GameDev 和 GameLogic 评测中分别提升 19.1% 和 9.8%。

· 用 Three.js 构建一个「腾讯企鹅岛 3D 数字沙盘」

· 制作一个可实际游玩的「QQ 欢乐街机厅」

· 给一张生物课本图片，生成3d的讲解网页，清晰展示与讲解知识点

金融与办公场景

我们基于真实金融场景构建了数千个工作空间和上万个高质量任务，让模型充分学习基金研究、证券分析、量化策略、资产配置、公司金融、财税会计等方向的专业流程与规范。我们联合腾讯金融科技 FiT 开展了 213 位专家的金融众测，其中 153 位来自外部的头部金融机构，且七成拥有五年以上工作经验。基于 579 个真实金融任务的结果显示，Hy4 综合表现位居开源模型第一（众测得分：Hy4 3.04、Kimi K3.1 Pro 2.68、GLM-5.3 2.68、DeepSeek-V4.1-Flash-1017 2.97）。此外，在金融智能体公司讯兔科技的内部评测 IRAB 中，Hy4 较 Hy4 preview 提升 12.03 个百分点。

为了提升金融等各类办公场景的实用性，我们还启动了针对时效检索、多源信息整合与事实一致性校验的专项搜索优化。在自建测试中，Hy4 的幻觉率从 preview 的 15.76% 降至 5.45%，猜测导致的错误率从 23.1% 降至 5.6%。此外，Hy4 还重点提升了办公场景中的人机双写能力，支持用户与 Hy 实时协作编辑 Word、Excel、PPT 等办公文件。盲评显示 Hy4 相比 Hy4 preview 在文档美观度、稳定性和可用性上均有明显提升。

· 金融估值建模及个股研究报告

科研与模型研发

Hy4 将复杂推理、科学编程与长程任务执行相结合，进一步提升端到端推进科研工作的能力。在涵盖 7 大学科、123 项可执行研究任务的 TenureTrail 内部评测中，Hy4 在数学构造、物理建模、地球环境、系统工程和社会经济决策等领域展现出扎实的科研能力，位居开源模型第一。

Hy4 也在为递归自我改进（RSI）做准备，提升各种模型研发任务的能力。结合 Hyra2.0 脚手架，Hy4 优化了内部同架构小模型的预训练基础设施，并自动训练出在多项评测中优于官方的 Jev 模型。同时，我们也开源了由 Hy4 协同 Hyra2.0 研发的单细胞表征基础模型 HyCell 和物理场基础模型 HyPDE，希望将模型辅助科研的成果转化为社区可复用的工具。

以下是 Hy4 在科研场景下的初步成果展示：

在小鼠胚胎三维重建任务中，面对包含 699 万个细胞的 84 张无序二维切片，以及其中的镜像翻转问题，Hy4 在离线、无专用配准工具、无细胞类型标注的条件下，于 1.5 小时内完成了切片对齐与三维重建，全程无人干预，效果优于常用配准工具的默认流程，展现了在复杂数据与受限工具环境下自主推进科学计算任务的能力。

· Hy4 单机 1.5 小时完成 700 万细胞小鼠胚胎三维重建

· Hy4 完善数学猜想

在与北京大学数学团队合作的研究中，Hy4 成功找到了 Méndez–Pinto–Villarreal 猜想的反例，并进一步提出新的条件完善了该猜想，并对相关证明进行 Lean 形式化验证，完成了从反例发现、命题修正到证明验证的完整研究流程。

· Hy4 定位模型训练性能瓶颈，完成模型训练

配合 Hyra 2.0，Hy4 自动完成了 Jev 模型的训练，得到的 Hyra-Jev 在 8 项基准评测中有 6 项优于官方 Jev。

· Hy4 参与细胞和物理模型研发

长期个人助理

Hy4 的上下文学习能力持续提升，能更好地理解多源复杂信息。借助 WorkBuddy的企业微信套件，Hy4 可以连通聊天记录、邮件、文档、日程与会议等日常工作信息。多个项目并行推进时，Hy4 能理清各项目的推进历史与最新进展，识别待跟进的任务、需要准备的会议和临近截止的事项，及时提醒用户并协助安排优先级。此外，由 Hy4 支撑的团队协作功能将随新版「项目」在 Workbuddy 上线。

· 从各类信息源整理关注事项

· 综合多年记录分析健身情况

在正式发布之前，不少伙伴提前测试体验了Hy4。

外部产品反馈（左右滑动查看更多）：

☜左右滑动查看更多

腾讯司内产品反馈（左右滑动查看更多）：

☜左右滑动查看更多

我们充分意识到模型的网络和生物等能力潜在的安全风险，并致力于以更负责任的方式进行训练、开源与发布。

在 Hy4 训练阶段，我们仅纳入与 PoC 生成、漏洞修复相关的防守性网络安全数据，同时剔除漏洞利用、逆向、渗透等攻击性训练内容，力求避免潜在进攻性能力的提升。我们组织来自腾讯玄武和科恩实验室的内部安全专家，围绕密码分析、逆向工程、漏洞利用等方向进行审计，结果表明：Hy4 在加密算法的逆向求解、对抗二进制混淆、漏洞利用等进攻性能力上未展现出突出风险。

在生物方面，Hy4 的开放式实验设计能力与前沿模型存在明显差距（Hy-BioExperimentBench: 30.4/100），我们组织了内部专家对轨迹进行审计，发现模型基础生物知识的掌握能力较强，但将知识转化为可执行实验方案的能力仍然有限，尚未发现其能够显著降低实施生物化学危害行为的门槛。

Hy4 已在腾讯云和 OpenRouter 上线，并可在 CodeBuddy / WorkBuddy、元宝、ima 等产品上体验，性能显著超过 Hy4 preview 的同时维持相同 API 价格。

我们计划开源模型权重，并已联合 vLLM/SGLang 社区以及 Inferact Inc. 提供开源生态支持。我们计划届时也发布模型系统卡片，包括更全面的安全评估等细节。

尽管 Hy4 已经是目前最强的开源模型之一，其与顶尖闭源模型仍然存在较大差距，尤其在我们内部构建的前沿数学、长程开发、模型迭代、视觉问答等领域的高难度测试集上。我们将持续稳健地扩展预训练和后训练规模，努力缩小和顶尖闭源模型的差距。

另一方面，我们计划近期发布 Hy4 flash，会显著提升模型性价比和推理速度，并更加高频地和产品协同迭代，不断提高实用性。

Bench 附录：