北京
据Arena公告，腾讯混元新一代大语言模型Hy4拿下Agent Arena榜单的中国实验室头名，总榜排到第5。
这份榜单不跑题库，拼的是真实任务。基于超过1.2万条在真实场景里跑出来的长程智能体会话，Hy4拿到+5.4%的净改进，挤进Pareto前沿，单任务中位成本压到0.57美元。
11月4日，腾讯混元正式发布 Hy4，首次引入视觉理解能力和首次支持电脑操作，Agent Arena榜单的成绩，也为Hy 首次跻身最强开源模型之列提供了第三方背书。
回看时间线，这个“第一”来得并不突然。
自今年2月重建基础设施以来，腾讯混元大模型平均每两个月推出一个大版本，先以Preview形式开放，再根据用户反馈优化模型发布正式版。
今年8月28日，腾讯混元发布并开源新一代大语言模型Hy4 preview，总参数770B、激活参数49B，上下文长度突破1M。Hy4 preview在模型尺寸、上下文长度、数据规模上都进行了显著的扩展。
据《科创板日报》报道，上线当天 WorkBuddy 的模型任务页排起长队，有用户截图显示，前方约5354人在等。
几天前，在2026腾讯全球数字生态大会上，腾讯已经预告Hy4即将发布。相比Hy4 preview，Hy4实现了全面大幅提升，尤其强化了各类长程和真实生产力任务的能力，显著提升了思维链效率
那么，Hy4正式版升了什么？我们总结了几个重点：
首次引入视觉理解，首次支持Computer Use，模型能结合命令行和图形界面直接操作电脑，还针对Blender、CAD这类专业软件做了专项训练。
在官方自建测试中，幻觉率从preview 的12.95%降到7.2%，因猜测导致的错误率从23.1%降到5.6%。
办公场景上，Hy4全面提升了WorkBuddy的用户体验。Hy4在WorkBuddy评测中平均效果得分83.18，任务通过率冲到96.15%，在12个场景里9个拿到国内第一。
金融是重点强化的场景。混元联合腾讯金融科技FiT做了213位专家的众测，153位来自外部头部金融机构，七成有五年以上经验。基于579个真实金融任务，Hy4拿到3.04分，居开源模型第一；身后的Kimi K3.1 Pro和GLM-5.3同拿2.68，DeepSeek-V4.1-Flash-1017拿到2.97。
在前端与游戏开发场景，混元针对前端的复杂交互、业务逻辑、状态管理、前后端联动等进行了专项优化，让模型生成的界面不仅好看，而且功能完整可用。相比Hy4 preview，Hy4在GameDev和GameLogic评测中分别提升19.1%和9.8%。
排名之外，更有意思的是混元跑出这个成绩的方式。据媒体报道，混元的迭代链条是四步：发布、实战、反馈、再训练。模型不憋大招，每次发布都是收集真实反馈的入口。
而混元的更新频率已经逼近Anthropic、OpenAI和智谱这些第一梯队厂商的更新节奏。
此前，腾讯高级执行副总裁汤道生曾回应关于“腾讯AI慢了”的质疑，他认为“大模型这场竞赛，我更愿意把它看成一场马拉松，现在可能才跑完头一公里。”
起得早固然重要，熬得久才有机会接住持续冒出来的新机会。两个多月后，Agent Arena的中国第一，算是这句话的第一个阶段性回声。
目前，Hy4已经在腾讯云Tokenhub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理大圆、ima等产品上线，API同步接入OpenRouter、Hermes、OpenCode等平台。QQ、王者荣耀、和平精英、微信读书、腾讯新闻等腾讯系产品也在持续接入中。
Hy4 flash也将于近期发布。Hy4 flash在继承 Hy4能力的基础上，大幅减低任务成本，为用户提供极致性价比的模型。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
