八月二十八日那版 preview 我写过一次，当时记的是开源和编程跑分。十一月四日这个正式版，骨架几乎没动：七千七百亿总参数、四百九十亿激活、一百万上下文，跟 preview 是同一套。真正换掉的是另外两件东西——它第一次能看懂图表，也第一次能把鼠标点下去。
这就有点意思了。参数不涨、价格不涨，能力却换了个方向。上一次国产模型这么干，是把上下文从几十万拉到一百万；这次腾讯动的是「眼睛」和「手」。
参数没换，换的是输入和输出
先说清楚变了什么。
输入侧多了一双眼睛。Hy4 正式版首次引入视觉理解，能处理细粒度图像、复杂图表，也能做带图的数学推理。这不是简单的识图，官方强调的是「感知 + 推理 + 工具调用」连起来用，比如把一张财报截图拆成数字，再去查、去算。
输出侧多了一双手。它首次支持电脑操作，可以同时走命令行和图形界面。针对 Blender、CAD 这类专业软件，以及跨应用的长程任务，混元做了专项训练。官方举的场景是：在一个软件里取数，切到另一个软件里画图，再回到文档里排版，中间不用人接管。
这两件事必须一起看。只看得懂屏幕不会动手，那是个更聪明的截图工具；只会动手看不懂界面，那是个宏录制器。合起来，才叫「替你坐在电脑前」。
另外扩的是预训练和后训练规模，官方说指令遵循、长文理解、长程智能体都有提升。这部分没有可核实的数字，只能算定性描述。
官方给的数字，得分三档看
发布会上的数字很多，可信度不一样。我按老规矩分三档。
第一档，能核实的。总参数七千七百亿、激活四百九十亿、上下文一百万；TokenHub 侧最大输入约九十六万 token、最大输出约六万四千；输入每百万六元、输出每百万十八元、缓存命中每百万三毛，与 preview 完全一致；腾讯云 TokenHub 即日起到十二月三十一日按刊例价五折；WorkBuddy 和 CodeBuddy 在十一月四日到十五日给一定额度免费；已经上线的入口包括元宝、ima、企业微信智能助理「大圆」、OpenRouter、Hermes、OpenCode。这些都是可查的账。
第二档，只有厂商说法。办公场景平均八十三点一八分、通过率九成六、十二个场景里九个国内第一；金融众测三点零四分、开源模型第一，参与的两百一十三位专家里一百五十三位来自外部机构、七成有五年以上经验；游戏开发两个基准相对 preview 分别涨了百分之十九点一和百分之九点八；科研评测 TenureTrail 覆盖七大学科一百二十三项任务，自称开源第一；幻觉率从一成三降到七点二，猜测导致的错误从两成三降到五点六。这些数字的测试集大多是自己搭的，没人复现过，看趋势可以，当结论不行。
第三档，还没发生。模型权重「近期」开源，系统卡片「届时」发布。这里有个口径要留意：八月那版我们写的是「Hy4 开源」，这次官方说法变成「将于近期开源权重，并同步发布模型系统卡片」。同一个模型，两次说法不一样，要么当时是误传，要么计划改过。在权重真的挂出来之前，就别把它当开源模型用。
电脑操作这件事，难的不是点鼠标
很多人以为 Computer Use 的难点是坐标定位，其实不是。
真正的难点是长程任务的误差累积。点错一个按钮，后面十步全废，而且模型未必知道自己错了。界面还会变：同一个功能，今天在左边菜单，明天更新挪到右上角；弹窗位置随机；验证码、二次确认、加载超时，全是意外。
所以评估这类能力，看一次演示没意义，要看它能连续跑多久、失败后能不能自己发现。第一财经旗下甲子光年做了一组测试：四个任务，从零做 3D 赛车、给十四平米卧室加床、清洗近千条烂账、帮北大团队给数学猜想找反例；其中一个任务跑了四小时、调用工具一千四百九十二次。这个调用次数比结果更有信息量——它说明长程任务的瓶颈不在智商，在每一步的容错。
顺带说一句，这条赛道上个月已经有人打过价格。GPT-6.1 Terra 那篇里我算过，电脑操作被打到半价，但出错率那一栏更该盯。Hy4 这次没给电脑操作的独立成功率，只给了办公场景的整体分，这个空白值得等第三方补。
770B 开源，开给谁的
这是我最想聊的一点。
「开源权重」四个字很容易被读成「我能自己跑」。七千七百亿总参数、四百九十亿激活，就算只算激活部分，权重按 FP8 存也在几百 GB 量级；要跑得像个样子，至少是多机多卡。个人开发者拿一块消费级显卡，连加载都过不去。
所以这次开源的真正受益者是三类：云厂商（可以自己托管、自己定价）、有大内网的头部企业（数据不出门是硬需求）、做推理优化的团队（官方点名联合了 vLLM、SGLang 社区和 Inferact）。对普通开发者，开源的实际意义是「以后可能有更便宜的第三方托管」，而不是「明天就能下载」。
这跟另外两条路线正好凑成对照。MiniMax M3.1 Flash走的是「小激活、大总量」，让单机也能撑；LFM3 那篇更极端，六个模型全压到二十亿参数，直接住进手机。Hy4 反过来，把能力上限往上顶，把部署门槛也一起顶上去。三种选择，其实是三种成本结构，没有谁替代谁。
对三种人的影响
独立开发者和小团队：现在是最划算的窗口。五折到年底，加上两周的免费额度，足够把手上最烦的那个长流程跑一遍，看看能不能接。建议只试「错了他自己能发现」的任务，比如整理表格、批量改图、跨软件搬数据。
企业采购：Hy4 的卖点是国产、可自托管承诺、办公和金融场景。但权重没到、系统卡片没到，安全评估那部分现在是空的。走合规评审的话，这一项过不去，只能先按 API 接。
同行和开源社区：真正被推高的是工程门槛。以前「开源第一梯队」比的是跑分，现在还要比谁能把七百七十亿的 MoE 稳稳跑起来、把长文本缓存和集群调度做便宜。这部分活儿，模型厂自己干不完。
老达点评
腾讯这次押的不是模型，是场景。
WorkBuddy、元宝、企业微信、ima，这些产品先存在，模型再进去长。官方自己用的词是模型和产品深度协同设计——说白了就是拿真实办公流当训练场。这条路跟卖 API 的公司不一样：它有场景，所以知道该往哪儿使劲；但也因为它有场景，评测很容易变成自己出题自己考。
两条风险得说清。第一，今天披露的分数几乎全是内部集，外部只有零散实测，办公八十三分这种数字，换个任务集就可能换个排名。第二，电脑操作出错的代价比答错一句话高得多，而默认权限怎么设、误操作能不能回滚，发布会没讲。这两件事，等系统卡片出来再看。
至于要不要现在用：能用，但别把关键流程押上去。五折期适合试错，不适合托付。真正值得等的不是权重文件，是那份系统卡片里的安全评估——那才是这类「能动手」的模型该被审的地方。
想继续看智能体怎么落地，AI 智能体与自动化专题按场景分得比较细；关心它跟编程工具怎么配合，可以看 AI 编程工具专题。另外三篇可以对着读：八月那版 Hy4 preview是这次的起点；DeepSeek 开源 Super-agent讲的是另一种分工——不靠单模型变强，靠角色拆开；还有 混元图像 3.5，那是这家在图像侧的上一张牌。
