騰訊混元Hy4實測：多模態Agent交付力強

視覺感知還原精細界面

Hy4首次引入視覺理解，可在28億像素航拍圖中定位約兩米的屋頂構件。實測中，模型依據一張設計截圖製作復古風格音樂播放器，先拆解配色、字體與布局，連側欄像素寬度亦逐一量度，然後才開始編碼。

成品高度還原設計圖，導航、歌單與播放區域位置準確，播放、切歌、拖動進度、音量調節一應俱全。測試曲目由模型以瀏覽器原生WebAudio實時合成，用戶毋須提供任何音頻文件即可試聽。

自檢環節中，模型在沙盒環境拉起無頭Chrome瀏覽器，逐個點擊、拖拽界面按鈕並截圖比對。首輪51項測試通過48項，它自行揪出播放列表邊緣情況的邏輯漏洞並修正，最終59項測試全部通過，控制台報錯與運行時異常均為零。

平面圖變可漫遊園區

模型再依一張遊樂場平面圖把園區立體化：設施位置與道路走向照圖還原，摩天輪與旋轉木馬均可運轉。經幾何體建模、著色器配置與攝像機綁定，低多邊形風格的遊樂園成形，小賣部、樹木與草皮全按比例呈現。

場景右上角配備小地圖，標示設施、道路與用戶所在位置；支持鍵盤移動、鼠標轉向及加速鍵，並提供沿道路自動巡遊的一鍵導覽，逛累了亦可返回入口，導覽服務一同交付。

Agent長程交付表現

針對重點強化的長程任務能力，模型依產品資料製作一套約十五頁的新品簡報，直接以代碼繪製風格統一的矢量示意圖，圖表保留可編輯形式。第4頁文字超出安全邊框時，它在後台即時把單欄重構為卡片流，校驗通過才繼續推進，最終交付16頁。

按全新暗黑高對比模板重刷時，模型先挑一頁試套確認無誤，再批量修改其餘頁面。這種小步試錯、驗證通過再推進的方式，大幅減少返工，是長程執行能力的亮點。

自主開發批處理工具

模型又接受開發高可用圖片批處理工具的任務，先研讀開源標杆Squoosh與ImageWorkspace的設計，借鑒對比滑桿與預設工作流方案，再拆分出上傳流、處理流、WebWorker多線程並行、Canvas圖形管線與ZIP歸檔模塊並直接編碼。

成品支持整批拖入圖片、統一設置裁切尺寸壓縮與格式，內置社交頭像1:1、電商主圖等常用配方，滑桿可實時預覽畫質損失，一鍵打包ZIP下載。模型還示範新加入的電腦操作能力，在瀏覽器畫圖軟件中以鼠標臨摹表情包並錄製過程。

訓練加碼與排名變化

相比Preview版，Hy4大幅擴展預訓練與後訓練的數據及規模，並與一線業務聯合打磨。前端優化細化至複雜交互與狀態管理，辦公場景圍繞時效檢索與事實一致性校驗強化搜索鏈路，內部測試幻覺率由12.95%降至7.2%，推測類錯誤率由23.1%降至5.6%。

金融方向，訓練覆蓋基金研究、證券分析、量化策略等領域，基於真實場景構建數千個工作空間與上萬個任務，213位專家眾測中七成來自外部頭部金融機構；579個真實金融任務測試中，Hy4綜合表現位居開源模型第一。

科研測試中，模型在無配準工具與標注的條件下，耗時1.5小時自主完成699萬個單細胞的小鼠胚胎切片空間對齊與三維網格重構，全程零人工干預；亦與北京大學數學團隊合作，找到Méndez–Pinto–Villarreal猜想的反例並以Lean形式化驗證。

應用層面，Hy4已在騰訊雲TokenHub、WorkBuddy、CodeBuddy、元寶等產品上線，API同步接入OpenRouter等平台，模型權重將於近期開源；主打極低推理成本的Hy4flash亦在籌備中。