腾讯混元 Hy4：770B 参数、能操作电脑，权重即将开源

一句话总结：腾讯混元 11 月 4 日发布 Hy4，总参数 770B、MoE 架构，首次引入视觉理解、首次支持电脑操作（Computer Use），并宣布近期开源权重和系统卡片。金融场景做了 213 位专家、579 个真实任务的众测，Hy4 得分 3.04，高于 Kimi K3.1 Pro 和 GLM-5.3 的 2.68。

11 月 4 日下午，腾讯混元发了 Hy4。

我第一眼看的不是 770B 这个数字，是"支持电脑操作"这五个字。

参数大是常规进步，能操作电脑是另一回事——它意味着模型从"回答问题"跨到了"执行任务"。

一、Hy4 是什么：770B，第一次能操作电脑

按官方披露，这次的关键变化有四条：

图 1：两项是首次，两项是大幅提升，"首次"那两条才是分水岭

视觉理解首次引入。 能做细粒度图像处理、复杂图表分析、数学视觉推理。

电脑操作首次支持。 结合命令行和图形界面干活，针对 Blender、CAD 这类专业软件做了专项训练，还有跨应用的长程任务。

长程 Agent 能力大幅提升。 官方说数据规模和训练规模都扩了。

长文理解提升。 支撑"长期个人助理"这个定位。

参数 770B，MoE 架构。上代 Hy3 系列不到 300B，这一代翻了一倍多。官方还提了一句：下一代 Hy5 规模会更大。

节奏上，混元从今年 2 月重建基础设施之后，平均每两个月出一个大版本，先放 Preview，收反馈再发正式版。

二、参数爬到 770B，意味着什么

770B 这个数字，放到开源模型里是顶格的。

之前开源阵营的旗舰大概在这个量级：GLM 5.2 是 7440 亿总参数、400 亿激活；Mistral Large 4 大约 1T 总参数、激活 49B。Hy4 的 770B 落在中间偏上。

但参数大不等于好用，尤其是要开源的时候。

一个 770B 的 MoE 模型，就算把权重放出来，能跑起来的机构也不多。按 4bit 量化算，光权重就要 385GB 左右，至少得四张 H100 或者一整台八卡机。

循环架构那篇讨论过参数效率的另一条路：不堆参数，改深度。Hy4 走的是堆参数这条路，代价就是部署门槛。

所以"开源"这件事要分开看：权重开放了，但大部分人只能通过云服务用它。

不过话说回来，开源的真正价值不在自己跑，在于可审计、可微调、不被单方面掐断。这三条对企业和研究机构是刚需，跟能不能在单卡上跑没关系。

三、金融众测那组数字值得单独看

这次评测里有一组数据，方法比结果更有意思。

混元联合腾讯金融科技 FiT 做了金融场景众测：

• 213 位专家参与，其中 153 位来自外部头部金融机构
• 七成专家有五年以上工作经验
• 579 个真实金融任务
• 覆盖基金研究、证券分析、量化策略、资产配置、公司金融、财税会计

结果：Hy4 得分 3.04，Kimi K3.1 Pro 2.68，GLM-5.3 2.68，DeepSeek-V4.1-Flash-1017 2.97。

这个方法比跑分硬。 原因有三：

第一，任务是真实的，不是构造的。579 个任务来自实际业务场景，没有"为了让模型好答而设计"的空间。

第二，评价者是外部专家。153 位来自外部机构，且要求工作经验——这比内部工程师打分更接近真实使用。

第三，用的是绝对分不是相对分。3.04 分意味着什么水平，专家心里有数；"超过某某模型 5%"这种表述就没这个信息量。

当然也要打折：众测是厂商组织的，任务筛选和评分标准由它定。 外部专家只能保证"打分是真的"，保证不了"题目没有偏向"。

另外还有个办公场景的评测：Hy4 平均效果得分 83.18，任务通过率 96.15%，12 个场景里 9 个国内第一。这个数字来自 WorkBuddy 场景，属于自家产品的评测，参考价值有限。

四、Computer Use 是真正的分水岭

回到开头那句"能操作电脑"。

这件事的意义在于改变了模型和软件的关系。

过去模型要操作某个软件，得等那个软件提供 API。没有 API 就用不了。

Computer Use 绕过了这个前提：模型看屏幕、点鼠标、敲键盘，和人一样。任何能在屏幕上跑的软件，它都能操作。

这条路 OpenAI 和 Anthropic 都走过，但落地一直不顺。主要卡在三点：

认不准。 截图里的按钮长什么样、在哪、点了会怎样，视觉模型经常判断错。

接不住。 点完之后界面变了，模型手里的"世界状态"过期了，下一步就乱。

回不了头。 点错了没法撤销，尤其是在真实系统里（发出去的邮件、提交的订单）。

混元这次针对 Blender、CAD 做了专项训练，说明它选的是"专业软件"这个切口——这类软件界面复杂、没有 API、人工操作成本高，正好是 Computer Use 的价值区间。

无障碍树那篇算过另一条路：不读截图，读操作系统的无障碍树，token 省 5 倍且更确定。Hy4 走的是视觉路线，两条路各有取舍——视觉通用性强（任何界面都能看），树路线确定性强（但要求软件有无障碍支持）。

五、开源的分量

官方说"近期开源模型权重，发布模型系统卡片，并积极推进更负责任的开源，重点关注网络和生物安全等风险"。

这句话有三层意思：

开源是真的要开。 权重 + 系统卡片，这是完整开源的标准动作。

"更负责任"是个限定词。 可能意味着许可里有使用限制，比如禁止用于某些用途。

风险关注点是网络安全和生物安全。 这两类是当前监管最敏感的方向，主动写进声明，是给监管看的。

和前几天的 Qwen4 开源承诺、gpt-oss 开源放一起看，国产和国际大厂在同一个月集体转向开源。这个密度不像巧合。

六、常见问题

Hy4 能免费用吗？

权重开源之后可以自己部署。云服务侧的价格看官方定价，通常 Flash 版更便宜。

770B 需要什么硬件？

4bit 量化约 385GB 权重，至少四张 H100 或一台八卡机。个人机器跑不动。

Computer Use 能操作什么软件？

官方重点提了 Blender、CAD，也支持一般命令行和图形界面。实际覆盖范围要看系统卡片。

Hy4 flash 什么时候发？

官方说"近期"，没给具体日期。Flash 版主打低成本。

和 Hy4 preview 有什么区别？

数据和训练规模都扩了，加了视觉理解和 Computer Use，长程 Agent 和长文理解提升。

结语

这次发布里，770B 是给行业看的，"能操作电脑"是给用户看的。

真正的信号是后者。当模型能直接操作软件，软件的优势就从"功能多"变成"数据好在哪"——因为功能可以被绕过去，数据和流程不行。

开源那部分，我持谨慎乐观。权重放开是好事，但能不能真的被用起来，取决于许可条款有多宽。

参考资料

• 人民网：腾讯混元正式发布 Hy4 - 官方发布信息与能力说明
• 腾讯新闻：Hy4 发布与开源计划 - 770B MoE、Computer Use 与开源表态
• 读创：Hy4 首次进入最强开源模型梯队 - 金融众测数据与办公场景评测