AI开始自己改进自己:腾讯混元Hy4,一个会调参的模型

8月28日，腾讯混元发布了新一代大模型Hy4 preview，770B参数、1M上下文。但最值得说的不是参数，而是它干了一件以前模型没干过的事——参与了自身的研发优化。它自己提方案、自己跑实验、自己看结果、自己调下一轮参数。简单说，模型开始自己改进自己了。

先看硬指标：从"通用"到"干活"

Hy4 preview的参数规模相比上一代Hy3跳了一大步：

说实话，参数从295B涨到770B，上下文从256K拉到1M，这在今年不算稀奇。真正有意思的是定位变了——Hy3还是个"什么都能聊"的通用模型，Hy4 preview直接锁定了四个干活场景：写代码、做表格PPT、搞游戏开发、跑科学模拟。

说白了，不再比谁聊天更厉害，开始比谁干活更靠谱。

盲测成绩：2.99分，力压GLM-5.3和Kimi K3

腾讯内部组织了163名专家，对203个工程任务做盲测。规则很简单：专家不知道哪个回答来自哪个模型，打分满分4.00。

差距不大——0.05分和0.07分。但能排在第一，说明在真实工程任务上，Hy4 preview确实有东西。胜率分布是46.8%胜、12.8%平、40.4%负，不是碾压，但够稳。

更有意思的是科研上的突破：Hy4 preview配合Hyra模型，在三维Blaschke-Lebesgue这个百年几何难题上，把体积下界从0.380799推进到了0.41104，距离最终证明的Meissner四面体猜想只差约2%。在32512原子的磷脂双分子层模拟中实现了2.0倍提速，达到54.9ms/step。

这不是刷分，是真在解题。

四个场景：不聊虚的，直接干

软件工程：从"写个函数"到"管一个项目"

以前的大模型擅长写单个函数、补几行代码。Hy4 preview强化的是长周期开发的理解、规划、调试和验证能力。也就是说，你给它一个比较大的开发任务，它能理解上下文、规划步骤、发现bug、自己验证结果。前端开发的视觉审美和交互质量也管了。

办公分析：从"帮我写段话"到"帮我交一份报告"

不是帮你润色一段文字就完了。Hy4 preview能从数据分析到文档、表格、演示文稿做完整交付，跨文件协作也能打通。复杂办公环境的理解和金融分析能力都有提升。

游戏开发：一句话出可玩原型

给一句话需求，直接生成可玩原型，能熟练使用游戏引擎（支持通过MCP接入Unreal5和团结引擎）。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：真去解百年难题

分子动力学模拟、凝聚态物理、基础数学——这些不是营销话术，是Hy4 preview真正在跑的任务。前面说的百年几何难题突破就是在这里出的成果。

真正的新东西：模型自己调自己的参数

这部分是我觉得整件事最值得关注的地方。

Hy4 preview首次参与了自身研发的全链路过程——训练方法、数据策略、评估体系、底层算子的自动优化。模型自己提出方案、自己运行实验、自己根据结果迭代。实验产生的代码、日志和反馈，进入下一轮探索。

翻译成人话：

以前调模型，是工程师定参数、跑训练、看指标、改参数。现在变成了模型自己提方案、自己跑实验、自己看结果、自己调下一轮参数。这个环转起来了，叫"递归自我改进闭环"。

不只是说说。Hy4 preview还自己分析了推理系统的瓶颈，围绕算子融合和通信优化做了多轮优化，端到端吞吐比基线提升了31.8%。在不同上下文长度和并发度下都稳定有效。

这是第一次有国产大模型在这个方向上跑出了可量化的结果。

老实讲，这个闭环还很初步。腾讯自己也说了，Hy4 preview只是Hy4的早期版本，预训练和后训练都有改进空间，复杂任务会想太久、过度自我验证。但方向对了——模型从"被调"变成"自己调"，这件事的意义不在于今天提升了多少，而在于这个环一旦转起来，迭代速度会和以前完全不在一个量级。

定价和开源：不藏着掖着

Hy4 preview已经开源，HuggingFace、GitHub、ModelScope、Gitcode上都有。API定价：

同时，WorkBuddy和CodeBuddy开了两周免费体验。用户在元宝、ima等产品里也能直接用。从2月重建基础设施以来，混元平均每两个月迭代一次大版本。按这个节奏，Hy4的下一版也不远了。

这件事意味着什么

第一，模型从"被调"变成"自己调"。以前是工程师定参数、跑训练、看指标。现在模型自己提方案、跑实验、看结果、调下一轮参数。这个环转起来了。虽然还很初步，但方向对了。

第二，不比聊天比干活。Hy4直接锁定写代码、做表格、写游戏、搞科研四个场景。大模型竞争从"谁分数高"变成"谁真能干活"。盲测不是考聊天，是考203个工程任务。

第三，开源加惠民，不玩藏着掖着。770B参数直接开源，输入6元、输出18元/百万Tokens，缓存命中0.3元。WorkBuddy和CodeBuddy还免费两周。

从今年8月看，大模型的竞争已经不卷参数了。DeepSeek V4 Pro卷智能体能力，Qwen3.8卷全模态性价比，GLM-5.3卷代码效率，现在Hy4 preview卷的是自我迭代。

每家都在找一个不同的突破点。这比大家一起刷分有意思多了。

图片来源：腾讯混元官方发布 / 人民网 / AIBase / 环球网