腾讯混元Hy4正式版会看图能操作电脑，我把

11 月 4 号腾讯推了混元 Hy4 正式版，我当天就把它接进了自己的 AI 网关。

这版最大变化是会看图、能操作电脑。770B 参数、百万上下文，一次能吞下整份财报。OSWorld 2.1 跑出 78.9，开源 Computer Use 头一回踩进可用区间。价格也狠，折后输入 3 块、输出 9 块每百万 token。

我直接拿它当网关里的一个 worker。视觉理解、读报表截图、跨应用点界面，都往它这儿打。实测让它下载多年财报，自己搜集整理分析成稿，41 分钟产出 12 页 PDF、8 张图表，还带 183 个公式的底稿——真把事从头跑到尾了。

但它不是全能选手。编程短板明显，Terminal Bench 才 44.4，ProgramBench 30.0，跟第一梯队差着身位。而且权重还没放出，现在只能调 API，想私有部署还得等。

最要命的是安全。它能点按钮、跑命令，不套沙箱就是给 agent 一把没锁的刀。我的做法很硬：沙箱必开、网络默认拒、动作白名单、高危操作人工确认、最多走 20 步自动停。

以后模型越来越偏科，真正能落地的玩法就是把它们拼成一个网关，谁擅长啥就派谁上。Hy4 的价值，就是把视觉和电脑操作这两块，用低价补进了这个拼图。