腾讯称 Hy4 正式版相较 Hy4 preview 在多项内部评测和产品场景结果上提升,并已通过腾讯云、OpenRouter 等渠道提供;页面列出若干量化结果,但未完整披露测试集、基线配置和评测流程,不能据此推断所有任务表现。
适合判断的任务:了解腾讯公布的 Hy4 正式版能力方向、官方及合作方报告的特定场景结果、上线渠道和 API 价格。
不适合外推的任务:推断未披露基准上的表现、所有用户任务的成功率,或与采用不同数据集和评测流程的模型直接比较。
适用的模型版本:Hy4 正式版;文中多数对比基线为 Hy4 preview。
测试环境或客户端:腾讯内部测试、腾讯产品场景及合作方自有评测;具体模型参数与运行环境多未注明。
推理档位和参数:未注明。
发布页汇总了腾讯内部和产品团队评测,也引用金融、投研合作方结果。可见的量化评测包括:金融众测、内部 IRAB、TenureTrail 科研任务、WorkBuddy 综合评测,以及元宝、王者荣耀、QQ 等产品场景。各项结果的任务构成、样本选择、评分细则、重复次数和统计不确定性披露不一;以下按原文口径记录,不将它们合并为同一基准。
金融众测:腾讯称由 213 位专家参与,其中 153 位来自外部头部金融机构,约七成有五年以上工作经验;基于 579 个真实金融任务,Hy4 得分为 3.04/4,高于页面列出的 DeepSeek-V4.1-Flash-1017(2.97/4)、Kimi K3.1 Pro(2.68/4)和 GLM-5.3(2.68/4)。原文称 Hy4 综合表现位居开源模型第一。
金融搜索与事实一致性:腾讯自建测试中,Hy4 相比 Hy4 preview 的幻觉率由 15.76% 降至 5.45%,猜测导致的错误率由 23.1% 降至 5.6%。页面未给出测试集规模和指标定义。
讯兔科技 IRAB:合作方称以 101 道真实投研任务评测 Hy4 正式版,综合得分 61.63,较 Hy4 preview 提高 12.03 分。页面未列出分数满分、题目构成或评分细则。
科研任务:腾讯称在内部 TenureTrail 评测中覆盖 7 个学科、123 项可执行研究任务,Hy4 在数学构造、物理建模、地球环境、系统工程和社会经济决策等领域位居开源模型第一。原文未提供各学科分数。
WorkBuddy:页面报告综合评测平均分 83.18、通过率 96.15%;12 个场景中,Hy4 在 9 个场景位列国内模型第一。样本与评分说明未在页面给出。
元宝:内部评测得分由 Hy4 preview 的 65.25 升至 72.53;多轮记忆提升 6.67 分,写作多样性提升 10.89 分。多模态 Agent 任务完成度提升 36.8%,多模态问答提升 15.8%(原文未进一步说明这些百分比的计算口径)。
王者荣耀:20 类游戏配置场景准确率由 91.74% 升至 97.28%,经 Agent 自主校验修复后为 99.32%;Bug 根因分析准确率由 59.5% 升至 73.8%。原文称工具调用深度为 preview 的 3.7 倍,耗时与 Token 消耗未见明显增长。
其他产品场景:和平精英 AI NPC 人工评分均值 2.91/3,情绪价值分项 2.96/3;QQ 整体满意率由 90.11% 升至 93.10%;企业微信指令跟随提升 13.5%、复杂信息检索提升 12.7%、消息会话综合效果提升 8.5%;腾讯新闻盲测称端到端答案质量提升 36%。以上为各产品各自评测口径,不能横向比较。
安全评估:Hy-BioExperimentBench 开放式实验设计得分为 30.4/100。页面称内部安全审计未发现 Hy4 在加密算法逆向、对抗二进制混淆、漏洞利用等进攻性能力上展现突出风险;这些为腾讯披露的内部评估结论。
| 项目 | 页面披露值 | 页面所述范围或对照 |
|---|---|---|
| 金融众测 | Hy4 3.04/4;DeepSeek-V4.1-Flash-1017 2.97/4;Kimi K3.1 Pro 2.68/4;GLM-5.3 2.68/4 | 579 个任务;213 位专家参与 |
| Hy4 幻觉率 | 15.76% → 5.45% | Hy4 preview → Hy4;腾讯自建测试 |
| 猜测导致的错误率 | 23.1% → 5.6% | Hy4 preview → Hy4;腾讯自建测试 |
| TenureTrail | 7 个学科、123 项任务 | 腾讯内部评测;未披露分数 |
| WorkBuddy | 平均效果 83.18;通过率 96.15% | 12 个场景,9 个场景国内模型第一 |
| 元宝内部集合 | 65.25 → 72.53 | Hy4 preview → Hy4 |
| 王者荣耀配置准确率 | 91.74% → 97.28% → 99.32% | 20 类场景;最后一项为 Agent 自主校验修复后 |
| Hy4 API 价格 | 缓存输入 ¥0.3;输入 ¥6;输出 ¥18 | 每百万 Tokens |
页面称 Hy4 已在腾讯云与 OpenRouter 上线,也可在 WorkBuddy/CodeBuddy、元宝、ima 等产品体验。页面链接中显示腾讯云 modelId=hy4,OpenRouter 页面路径为 tencent/hy4。API 价格与正式发布信息见原文。
这是厂商发布材料,适合确认官方发布时间、可用渠道、公开价格及腾讯披露的评测结果。部分合作方数据来自其自有业务或评测框架,且不少指标没有完整的方法说明;“第一”“提升”等结论仅适用于原文限定的样本、场景和口径。发布页也明确承认 Hy4 与顶尖闭源模型仍有差距,尤其在前沿数学、长程开发、模型迭代和视觉问答等内部高难度测试中。不同评测的分数和百分比不可直接比较,也不能当作对任意使用场景的性能保证。
在 Tabbit 打开腾讯混元官方原文,核对标题、发布日期、正文和页面中直接列出的渠道链接;本记录采集于 2026-11-16。发布页未提供足以复现上述多数结果的完整测试集、提示、模型参数及评分代码;因此本文记录原始报告口径,不声称独立复现。
Hy4