图片：METAL
摘要
- 腾讯混元发布了开源大语言模型Hy4预览版，总参数7700亿，激活参数490亿，上下文长度超过100万token。
- 腾讯表示，该模型在SWE-bench Pro测试中取得65.7%的成绩，超过了GPT-5.6 Sol（64.6%）、GLM-5.3（64.6%）、Kimi K3（63.3%）和DeepSeek V4 Pro（60.3%）。
- 腾讯介绍称，该模型还直接参与了自身训练方法与推理基础设施的优化过程，将吞吐量提升了31.8%。
总参数7700亿，激活参数490亿，上下文窗口超过100万token，规模相当可观。腾讯表示，在编程与软件工程基准测试SWE-bench Pro中，该模型取得65.7%的成绩，小幅超过了OpenAI GPT-5.6 Sol（64.6%）和智谱AI的GLM-5.3（64.6%）。
这次发布正值中国开源大语言模型竞争激烈之际。此前8月18日，智谱AI发布了GLM-5.3 API，仅通过后训练就将Terminal-Bench分数从4.6提升到28.3；月之暗面（Moonshot AI）的Kimi K3和DeepSeek的V4 Pro也已相继开源。
性能对比
除了SWE-bench Pro，腾讯还公布了自行开展的盲测评估结果。据称，163名专家对203项实际工程任务进行评分后，Hy4预览版在满分4.00中获得2.99分，略高于GLM-5.3（2.92分）和Kimi K3（2.94分）。不过需要注意的是，这两项评测数据均由腾讯自行测得。
| 基准测试 | Hy4 preview | GPT-5.6 Sol | GLM-5.3 | Kimi K3 | DeepSeek V4 Pro |
|---|---|---|---|---|---|
| SWE-bench Pro | 65.7% | 64.6% | 64.6% | 63.3% | 60.3% |
| 评测（满分4.00） | Hy4 preview | GLM-5.3 | Kimi K3 |
|---|---|---|---|
| 专家盲测评估 | 2.99 | 2.92 | 2.94 |
腾讯在发布文章中将该模型描述为"跻身顶级开源模型之列"。
模型参与自身研发的说法
混元团队表示，Hy4预览版还直接参与了自身的研发过程。该团队介绍，模型首次参与了训练方法、数据策略、评估框架以及底层算子自动化优化，能够自主提出方法并进行实验，再将实验结果反馈到下一轮探索中，由此形成了一个初步阶段的递归式自我改进循环。
换句话说，腾讯的意思是，Hy4预览版能够自行试验并改进自身的训练方法和推理速度——这标志着业界刚刚开始尝试让AI模型在没有人类研究人员帮助的情况下自主提升性能的递归式自我改进实验。
腾讯还表示，该模型自主分析了自身推理系统的瓶颈，并多次迭代进行算子融合和通信优化，最终使端到端吞吐量比基准提升了31.8%。腾讯补充说，这一提升幅度在不同上下文长度和并发请求数下均保持一致。
如何使用
Hy4预览版可以直接在编程智能体Cline中试用，也可以通过腾讯的WorkBuddy、CodeBuddy应用以及元宝（Yuanbao）、ima应用访问。如果想通过API接入，可以经由腾讯云TokenHub或OpenRouter完成。
- 在Cline或CodeBuddy应用的模型列表中选择Hy4 preview即可。
- WorkBuddy和CodeBuddy应用从8月29日起提供两周免费使用，此前模型Hy3的免费使用期限也延长至9月30日。
- 若要直接通过API接入，可以通过腾讯云TokenHub或OpenRouter申请密钥，费用为每百万输入token 0.834美元，输出token 2.501美元，缓存命中token 0.042美元。
腾讯表示，开源权重面向全球用户开放下载，可在自有服务器上运行，云端应用渠道同样面向全球开放。腾讯举例的应用场景包括需要长上下文的调试和代码审查、涉及文档、表格、演示文稿的跨应用办公任务，以及仅凭一句自然语言请求即可生成可玩游戏原型的开发工作。
据韩国媒体报道，腾讯云此前一直以实用型低成本AI而非顶级模型来开拓韩国企业市场，而Hy4预览版低廉的API定价和开源发布，正与这一策略方向一致。
编辑视角
中国开源阵营如今已经不再满足于用几个百分点的基准分数差距来证明自己追平了GPT级模型，而是开始让模型自己动手改进训练方法和推理基础设施。Hy4预览版的自我改进循环说法虽然还带着“初步阶段”的限定语，但这类将训练流程优化交给模型而非人类的实验，能够出现在正式产品发布文案中，这一事实本身就说明这股趋势已经走出了实验室。
从代际对比来看，也有值得关注的细节。腾讯把上一代模型Hy3的免费使用期延长至9月30日，同时又给新模型Hy4开放两周免费试用，这清楚体现出一种“预览优先”的策略：把真实用户的反馈直接吸收进下一轮训练。先以预览版形式推出、再通过正式版打磨完善的做法，对混元来说并不是第一次，而是一贯的节奏。
从实际使用的角度看，有两点需要分开来判断。一是基准数据本身——SWE-bench Pro和内部盲测评估都是腾讯自行测得的结果，在得到独立验证之前应保持一定谨慎。二是价格——每百万输入token 0.834美元的定价，对需要长期运行编程智能体的团队来说能明显降低成本，值得实际接入Cline或CodeBuddy的工作流程来验证效果。
腾讯已经预告“Hy4系列的下一批模型即将推出”，这意味着几周内很可能会看到正式版或后续预览版。眼下与GLM-5.3、Kimi K3的基准差距已经缩小到1到2个百分点左右，接下来的比拼重点恐怕不再是分数本身，而是自我改进循环到底能成熟到什么程度。
评论