上线当天就挤爆服务器，腾讯AI终于硬气一把

作者｜周末

原创首发｜蓝字计划

腾讯AI，彻底火了。

8月28日，混元Hy4 Preview在腾讯旗下AI办公工作台WorkBuddy首发接入。上线首日，任务队列就出现了排队；三天后，腾讯宣布紧急扩容推理集群，并把Hy3的限免期延长到9月30日，用来分流部分需求。

不过即便如此，高峰时段排队的情况还是避免不了。从当前的实际体验来看，在Workbuddy 上选择了混元Hy4 Preview之后，按道理来说日常处理2 分钟就能搞定的任务，现在经常需要 5 分钟以上。

速度还是比较慢

大家对Hy4 Preview的热情居高不下，排队情况也没见好转。如此盛况空前，对腾讯AI 来说确实比较少见。也许有人会说，Hy4 Preview的限时免费导致了高峰时段排队，但显然这只是其中一个因素。

性能更为关键。看看Hy4 Preview的“身份证信息”就知道了：

它是一款纯语言模型，主要升级集中在Agent、软件工程和办公任务上：总参数从Hy3的295B涨到770B，激活参数从21B涨到49B，上下文长度则从256K扩展到超过100万Token。

参数更大、上下文更长、能调用的能力也更多，腾讯也非常自信这款新模型，打上“为生产力而生”的标签。

这一次，腾讯真的追上来了吗？

老“御三家”之一，回来了

Hy4 Preview依然采用MoE架构，但模型规模已经完全不同。

总参数从Hy3的295B涨到770B，上下文窗口也从256K直接拉到1M。虽然总参数扩大了两倍多，每次推理实际参与计算的参数只有49B，并不需要把770B参数全部调用一遍。

简单说，Hy4可以把更多知识和能力装进模型里，真正回答问题时，只调动与当前任务相关的部分。这样既扩大了能力上限，也避免推理成本与总参数规模同步增长。

从官方公布的成绩来看，这次“加料”主要落在了软件工程和Agent任务上。

Terminal-Bench 2.1模拟的是AI在终端里完成真实任务：它需要读懂要求、输入命令、安装依赖、排查报错，再把任务完整跑通，Hy4在这项测试中从Hy3的70.8分提升到85.4分。

DeepSWE和SWE-bench Pro则更接近程序员的日常工作。它要求模型除了会写一段代码之外，还要读懂整个代码仓库，定位问题、修改多个文件并通过测试。

Hy4在DeepSWE上从28.0分升到64.3分，在SWE-bench Pro上拿到65.7分，已经进入GLM-5.3、Kimi K3和GPT-5.6 Sol所在的竞争区间。

跑分还是挺猛的 图源：混元官方账号

工具调用方面，Hy4在Toolathlon-Verified拿到74.1分，在APEX-Agents拿到37.1分。

腾讯还组织了163名内部专家，用203项真实工程任务进行盲测。Hy4平均得到2.99分，略高于Kimi K3的2.94分和GLM-5.3的2.92分。

虽然这些成绩都来自官方披露，还不能直接代替用户实测效果，但至少可以证明一件事：Hy4的进步集中在写代码、调工具和完成长流程任务上，腾讯已经把混元送到了开源模型的第一梯队。

这也解释了Hy4为什么强调“为生产力而生”。

生产力Agent，其实并没有太多的容错空间。大多数人给它布置了个任务之后，就放在一边干其他事情去了，过几个小时后之后再来“收菜”。

这就意味着，一旦Agent在十几个步骤中有某一步出错，前面已经完成的搜索、分析和操作都可能白费。因此，模型能不能把整条任务链跑通，比单次回答写得漂亮更加重要。

另一方面，除了模型能力的侧重之外，Hy4 Preview的定价明显也更侧重于实际生产力。

Hy4 Preview每百万Token的输入价格是6元，输出18元。

其中最关键的，是缓存命中只要0.3元/百万Token，仅为普通输入价格的二十分之一。

价格性价比 图源：混元官方账号

这对Agent尤其重要。一次几十万Token的长任务，模型往往要在多轮操作中反复读取同一批文档或代码，重复调用占比很高。缓存命中价格足够低，就能明显压缩这部分费用。

Hy4的输入和输出价格虽然不是市场最低，但也处在相对便宜的区间。再加上低至0.3元的缓存命中价格，开发者运行长上下文、多轮Agent任务时，整体成本会更容易控制。

正因如此，从参数、跑分到内部盲测，甚至是整体定价，腾讯这次已经追进了头部竞争区间。

这下，问题来了：

从Hy3 到 Hy4 只隔了一代，姚顺雨到底有什么魔法，让模型有那么大的进步？

腾讯找对了追赶方式

腾讯能在两代模型之间快速追上来，还和它重新组织模型研发的方式有关。

这一次，腾讯没有只让模型团队围着公开榜单准备数据。Hy4的高质量训练数据，还由腾讯内部的软件工程、游戏、金融和安全等业务专家共同参与建设。

这些部门给模型出的题，比单纯的“写一段代码”更有含金量。

软件工程团队会要求它读懂长代码仓库，完成规划、调试和验证；金融团队会让它分析多份文件和复杂数据；游戏团队则会测试它能不能从一句需求开始，调用引擎做出可以继续修改的原型。

腾讯内部数据共建 图源：混元官方账号

最终把这些需求放到WorkBuddy里之后，任务就会演变整理资料、分析表格和生成PPT。

所以，腾讯内部的业务由此成了混元最早一批测试用户。模型在哪一步卡住、哪类文件读不懂、调用工具时为什么中断，都可以变成下一轮训练和评测需要解决的问题。

这就是姚顺雨一直强调的Co-design。

模型先进入CodeBuddy和WorkBuddy完成真实任务，产品侧收集用户的使用方式与失败案例，再把这些反馈送回数据、训练和评测环节。Hy3时期，腾讯已经在模型与产品之间跑起了这套循环。

腾讯的产品数据循环

此外，Hy4 还有另一条研发链路，就是所谓的“自进化”。

按照腾讯的说法，Hy4已经开始参与大模型训练方法、数据策略、评测体系和底层算子的自动优化。模型可以提出方案、运行实验，再根据结果继续修改；实验产生的代码、日志和反馈，又会成为下一轮尝试的依据。

最终，WorkBuddy和CodeBuddy负责为模型带来真实的需求和任务，告诉研发团队模型哪里不好用；Hy4参与的自动化研发，则帮助团队更快地尝试解决方案。

前者提供问题，后者加快解题。

再者，在今年7月，腾讯把混元大语言模型部门与多模态模型部门合并为基础模型部，由姚顺雨统一管理。原本分别推进的语言、多模态和AI Infra能力，开始向同一套研发体系集中。

所以，Hy4 当前爆火的意义，不只是一张更好看的成绩单。

用户对Hy4的好评

腾讯把内部专家、真实产品、模型训练和基础设施逐渐接成了一条迭代链路，这就相当于为后续的模型训练搭了一座地基。

腾讯终于找到了一种更适合自己的追赶方式。

腾讯终于“站上船”了

在今年5月的腾讯股东大会上，马化腾曾说过一句话：

“原来一年前我们以为上了船，后来发现那个船漏水了。又开始换一艘船，现在感觉站上去了，还坐不下去，还是希望船速能快一点。”

现在Hy4 Preview发布之后热度高居不下，看来马化腾想要的那艘能站上去、船速还快的船，已经来了。

唯一的问题是，想上船的人实在太多。

热度太大

或许这就是大热国产模型的宿命吧。这很难不让人想起2025年初，DeepSeek-R1突然爆火，“服务器繁忙，请稍后再试”一度成了用户最熟悉的提示。

有人反复刷新，有人换到接入DeepSeek的第三方平台，还有人专门等到深夜再用。

从某种程度上说，这甚至可以算作一枚短期的荣耀勋章。只有用户真的愿意用，服务器才有机会被挤爆。

只是这枚荣誉勋章，也有保质期。

DeepSeek刚火的时候，“服务器繁忙”还能被理解为用户增长太快。时间一长，打不开、跑不动就会从“太受欢迎”，变成用户的抱怨了。

恰好Hy4面对的又是生产力场景。用户把工作交给Agent，本来就是想节省时间；如果每次都要先排队，本来节约时间的事情反而变成了更费时间，就有可能让一次满心欢喜的 Agent 体验，变成劝退了。

图源：Arena

毕竟哪怕在WorkBuddy 上都有这么多选择，用户也没必要一直守着同一个模型。

好在，腾讯解决这个问题的家底，要比DeepSeek充足得多。

腾讯自己拥有云服务和推理基础设施，2026年第二季度资本开支达到527.8亿元，同比增长176%，其中很大一部分都投向了AI基础设施。Hy4出现排队以后，腾讯扩容推理集群、动态调配资源的反应都非常迅速。

用户的一些期待

排队证明Hy4开了个好头，接下来要做的，就是趁早让这块“荣耀勋章”消失。

至少看到WorkBuddy门口排起长队这番风景，姚顺雨总算可以先长舒一口气了。

参考资料：

[1]腾讯科技：Hy4 preview上线！“在线考核”姚顺雨的新作业

[2]科技每日推送：Hy4爆火，终于轮到腾讯紧急扩容了

[3]极客公园：腾讯重金投入AI之后，混元Hy4 preview交出了什么

[4]量子位：姚顺雨空降腾讯半年，混元Hy4冲进第一梯队

[5]APPSO：实测混元Hy4 Preview：腾讯终于踩下油门，能杀入国模第一梯队吗？

[6]差评X.PIN：实测Hy4 preview，腾讯这次上强度了？

[7]腾讯：Hy4 preview登场：为生产力而生