腾讯混元Hy4正式发布:770B参数、原生视觉与电脑操作能力同步开源
腾讯混元Hy4正式版发布,总参数770B、激活参数49B,首次引入原生视觉理解与电脑操作能力,指令遵循、长文理解和长程Agent能力同步升级。模型已在腾讯云TokenHub、WorkBuddy等产品上线,权重将于近期开源。
腾讯混元Hy4正式版已对外发布。与此前的preview版本相比,此次正式版在预训练与后训练的数据和规模上均有明显扩展,并引入与一线业务的Co-Design联合打磨机制。模型总参数770B、激活参数49B,首次具备原生视觉能力与电脑操作(CUA)能力,长文理解、指令遵循及长程Agent任务表现同步升级。
目前Hy4已上线腾讯云TokenHub、WorkBuddy/CodeBuddy、元宝、企业微信智能助理大圆、ima等产品,API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,模型权重将于近期开源。
在能力细节上,Hy4的视觉理解可精细到在28亿像素航拍图中定位约2米大小的屋顶构件。实测中,模型依据一张设计截图完成复古音乐播放器的页面还原与功能搭建,并自主在沙盒环境中用无头Chrome对UI逐项点击、截图比对,最终59项测试全部通过,控制台报错与运行时异常均为零。面向长程任务,模型可在执行中阶段性自检、定位问题并修改方案后重新验证。
专业场景方面,Hy4围绕时效检索、多源信息整合与事实一致性校验优化搜索链路,内部测试中幻觉率由preview版的12.95%降至7.2%,推测类错误率由23.1%降至5.6%。金融方向基于真实场景构建数千个工作空间、上万个高质量任务,213位专家参与众测(七成来自外部头部金融机构),579个真实金融任务测试中综合表现位居开源模型第一。科研方向上,模型在TenureTrail内部评测的7大学科、123项可执行研究任务中展现数学构造与物理建模能力,并与北京大学数学团队合作找到Méndez–Pinto–Villarreal猜想的反例。此外,主打极低推理成本、面向端侧与高并发Agent编排的Hy4 flash已在筹备中。