2026年11月4日，腾讯混元发布Hy4正式版。与Hy4 preview相比，新版本扩大了预训练与后训练规模，首次引入视觉理解能力，并强化指令遵循、长文本理解、长程任务与深度研究。对使用者来说，关键变化在使用边界上：它开始能看图、看视频，还能直接操作电脑界面完成任务。
Hy4看图能做到什么程度
按官方文章的说法，Hy4支持图像与视频输入、多轮多图对话，图像最多60张，视频最长20分钟，可处理视觉数学、复杂图表与表格、文档OCR和界面元素定位。官方列出的评测数字包括MathVista 86.6、MMMU-Pro 60.0，并称在开源模型中领先或名列前茅。这些分数只对应所列视觉任务，不等于所有真实场景同样可靠，关键图表与文档仍需人工复核。
电脑操作是这次最值得试的部分
Hy4首次支持电脑操作，可直接操作图形界面，无需预设接口，能完成点击、拖拽、输入、滚动与截屏，从截图定位界面元素、规划任务、执行后检查并纠正错误，支持Windows、macOS与Linux。官方给出的OSWorld成绩为66.8%，OSWorld-Verified为69.1%，并称在开源模型中领先、接近闭源模型。它适合先试跑步骤固定、界面重复的操作，例如整理文件与跨应用搬运信息；涉及付款、删除数据或修改系统设置时，仍应保留人工确认。
上线渠道与还没给出的时间点
上线方面，Hy4已在腾讯云与OpenRouter上线，可在CodeBuddy、WorkBuddy、元宝与ima等产品中体验，API价格与预览版相同。腾讯混元同时推出轻量高速的Hy4 Flash预览版，面向高并发、低延迟场景，已在腾讯云、CodeBuddy与元宝上线。权重开源方面，官方只说计划开源模型权重，并联合vLLM与SGLang社区及Inferact提供生态支持，届时发布模型系统卡片，没有给出具体日期；想等开源权重本地部署的读者，需要等后续公告确认许可与发布时间。官方还提到，模型内置针对提示注入、越狱、有害内容与隐私泄露的防护，并经过多层审核与红队测试。
判断Hy4价值的关键，不是它列了多少评测，而是先在看图读表与电脑操作上小范围试用，再决定是否接入已有流程；开源权重与系统卡片公布后，才能完整评估部署成本与安全边界。
