实测腾讯新模型Hy4 preview：生成游戏能自行纠错

8月28日，腾讯混元发布并开源新一代大语言模型Hy4 preview。整个8月，中国模型界不断刷新上限，DeepSeek相继推出V4-Flash和V4 Pro正式版，千问推出Qwen3.8-Max大模型，智谱紧随其后推出GLM-5.3。临近月末，智谱和千问深夜推出最新Flash模型，意图划出新的“斩杀线”。

腾讯混元此次发布的Hy4 preview总参数770B、激活参数49B，上下文长度突破1M，在代码、办公、科学等真实生产力任务上展现出卓越能力。

Hy4 preview在模型尺寸、上下文长度、数据规模上都进行了显著的扩展，预训练和后训练的共同进步带来了智能水平的又一次巨大提升。腾讯也公布了Hy4 preview跟其他模型的对比成绩，目前稳居开源模型第一梯队。

走高性价比路线，价格低于高峰时段的DeepSeek V4 Pro

混元持续与 CodeBuddy、WorkBuddy等产品深度协同，优化生产力场景的真实用户体验。在腾讯内部组织的163名内部专家、203个工程任务的盲测中， Hy4 preview（均分2.99/4）略优于GLM 5.3（均分2.92/4.00) 和Kimi K3（均分2.94/4.00）。

同时，Hy4 preview登上专注评测coding能力的Code Arena WebDev榜单第5名，在开源模型中位列第3，稳居开源模型第一梯队。

据介绍，Hy4 preview定位“为生产力而生”的模型，通过与软件工程、游戏、金融、安全等顶尖腾讯专家的高质量数据共建，以及与WorkBuddy等产品的深度协同（Co-Design），模型在各类真实生产力任务上取得显著进步。

具体来看，在软件工程、办公分析模型增强了长程开发任务的理解、规划、调试与验证能力。在游戏开发场景中，增强了一句需求直接生成可玩原型能力，并能熟练使用游戏引擎，开发者可以通过多轮交互持续完善复杂游戏项目。

Hy4 preview也实现了模型自进化。据悉，Hy4 preview在自身研发的全链路过程中发挥了积极价值，首次参与训练方法、数据策略、评估体系和底层算子的自动优化。模型提出方案、运行实验并根据结果继续迭代，实验产生的代码、日志和反馈进入下一轮探索，形成初步的递归自我改进闭环。

在价格上，Hy4 preview继续走高性价比路线，输入6元/百万tokens，输出18元/百万tokens，缓存命中0.3元/百万tokens。这一价格低于高峰时间段的DeepSeek V4 Pro。

自2月重建基础设施以来，混元大模型平均每两个月迭代一次大版本。通过preview先行、正式版跟进的方式，混元把真实世界的反馈持续引入研发过程，让模型在解决实际问题中进步。按照这一节奏，Hy4的下一版模型也将在近期陆续上线。

实测：生成游戏能自行纠错，做行研像咨询公司 

南都N视频记者在WorkBuddy中实测Hy4 preview，要求其开发一款带物理碰撞和计分的3D弹球游戏。其能自己渐进修改并试运行和校验，比如，做出游戏基本样貌后，在WorkBuddy内运行时，模型自检验称物理验证暴露了几个严重问题（球会逃逸出球台、发球冲不上去、挡板打不飞），随后自己定位原因并进行了修正。

同时不断在任务运行时加入即时请求，比如要求“关卡设计为3个，不要太长”时，WorkBuddy在其中不断将需求实现。

最后游戏呈现基本实现了物理碰撞，没有发生“穿模”如球飞出球台的情况，且球触碰每个图片中灯柱都会引发光线变化，整体是一款完成度还不错的物理弹珠玩具。

另一场景是办公分析。近期，宇树科技上市成为了行业热点，南都记者请Hy4 preview分析宇树科技和其他两家已递表准备上市的机器人企业（云深处、乐聚机器人）的财务情况和市场潜力，并最终以输出一份演示文稿。

Hy4 preview判断这一需求属于典型的投研/行研场景，随后按照商务咨询风格来交付任务。并最终输出了一份商务咨询风格、共计19页的演示文稿。这份ppt从成长性、盈利质量、现金流安全、收入质量、技术护城河五维打分：云深处 3.6 分，乐聚 2.5 分（宇树 4.7 分为基准），并从风险和确定性等方向来评估另外两家机器人企业的潜力。

Hy4 preview输出的演示文稿。

同样的指令给到DeepSeek V4 Pro，其主要从财务角度给到判断，但整体判断的细化维度和视觉设计稍逊于Hy4 preview，对潜在风险点的判断标准和切入角度也较为单一。

DeepSeek V4 Pro输出的演示文稿。

8月25日晚，腾讯集团高级执行副总裁、云与智慧产业事业群（CSIG）CEO汤道生在腾讯内刊发文，针对外界质疑腾讯做AI慢了、腾讯的“底牌”等议题进行回应。

他谈到，过去因为算力等问题，腾讯的模型训练与产品发展，受到一定影响，但这种情况正在得到改善。比如混元大模型，经历了不同阶段、多次重构。

Hy4这次更新比Hy3又前进了一步，同时腾讯选择把场景、产品和模型绑在一起。在腾讯重建混元后，目前从场景到模型，一些结果正在显现，比如WorkBuddy目前在桌面办公 Agent 市场占有率上领先，混元大模型也正在缩小与顶尖大模型的差距，占据模型第一梯队。 

采写：南都N视频记者 林文琪