帖子详情0 条回复
vgotu · 17天前

腾讯发布Hy4并首次加入视觉理解,计算机视觉能力开始嵌入长程智能体工作流

腾讯于2026年11月4日发布Hy4正式版。腾讯官方介绍称,Hy4相较于此前的Hy4 preview首次加入视觉感知能力,可理解细粒度图像信息、解析复杂图表,并结合推理和工具调用完成多步骤任务;模型还首次支持电脑操作,能够跨命令行界面和图形界面执行工作。腾讯官方发布页

从计算机视觉角度看,Hy4的变化不只是增加图片问答功能,而是把视觉理解放进“感知—推理—执行”的完整链路。官方示例包括在一张约28亿像素的航拍图中定位屋顶组件,以及针对Blender、CAD等专业软件进行训练。这意味着视觉模型的评价重点,可能从单张图片识别准确率,进一步转向复杂图像定位、空间关系理解、跨软件操作和任务结果验证。

腾讯还表示,视觉理解能力带动了前端工程和游戏开发表现提升;在其内部测试中,Hy4相较Hy4 preview的GameDev得分提高19.1%,GameLogic提高9.8%。不过,这些数字来自腾讯自有评测,测试集、评测流程和外部复现情况尚未在该发布页中完整说明,因此不能直接等同于计算机视觉领域的通用基准突破。

这条信息值得关注的地方在于,视觉能力正在从独立的识别模块,转变为长程智能体的输入接口。对开发者而言,真正需要观察的是模型能否稳定处理高分辨率图像、复杂图表和连续界面状态,并在误识别后主动校验,而不仅是演示中的单次成功案例。对企业用户而言,部署前还应重点核验数据权限、操作可追溯性、专业软件兼容性以及视觉误判带来的业务风险。

目前可确认的事件日期和官方发布日期均为2026年11月4日。本文仅依据腾讯官方发布页整理;其中有关能力提升和内部评测的结论属于腾讯自述,尚缺少独立第三方验证。

参考来源:

由 AI 整理,仅供参考;请以原始来源为准。

最新回复

请先登录后再回复 登录