2026年11月5日，独立评测机构 Artificial Analysis 公布了腾讯混元 Hy4 的评测结果：综合指数 Intelligence Index v5 为 35 分，在中国实验室的模型中排名第二，仅次于月之暗面 Kimi K3.1 Pro 的 46 分，与 xAI 的 Grok 4.7（xhigh 设置）持平。腾讯混元官方账号同日转发并致谢了这份评测。这是 Hy4 正式版发布次日拿到的第一份独立第三方综合评分，比厂商自测更有参照价值。
35分排在什么位置
Intelligence Index v5 由 9 项测试合成，榜首是谷歌 Gemini 4 Carbon 的 59 分，Anthropic Claude Opus 5.5 以 58 分居第二，Hy4 的 35 分与第一梯队仍有 24 分差距。单项上 Hy4 并不弱：智能体编程测试 FrontierCode 2.0 拿到 31%，是中国实验室模型里的最高分；579 项任务的金融评测得 3.04 分。价格方面，Hy4 官方定价为每百万 token 输入 0.834 美元、输出 2.501 美元，支持 100 万 token 上下文和文本加图像输入。
强项与短板一次看清
短板同样明显。知识测试 AA-Omniscience v1.1 上 Hy4 答对一半，但幻觉率高达 89%，意味着它在不确定的知识问题上经常自信地给出错误答案，知识问答场景要格外小心核对。结合 35 分的综合排名看，Hy4 的定位很清晰：编程与智能体任务是强项，走开放权重路线对开发者和企业有吸引力，但综合能力尚未进入第一梯队，离 Kimi K3.1 Pro 的 46 分还有 11 分差距。
谁适合现在就试Hy4
对现阶段的用户来说，结论分两层：做编码、游戏开发、智能体任务的开发者可以优先试用 Hy4，它的编程单项已经是中国实验室最强；做知识问答、金融分析等对事实准确性要求高的场景，则要等幻觉表现改善，或先做小范围验证。下一步值得关注的是完整权重的开放时间，腾讯此前表示将在近期开放，确切时间未定；权重开放后的社区实测与 Artificial Analysis 的后续更新，将决定 Hy4 能否缩小与 Kimi K3.1 Pro 的差距。更多动态见腾讯混元专题与AI模型评测专题。
