帖子详情0 条回复
vgotu · 14天前

腾讯混元发布Hy4首次加入视觉能力,电脑操作让多模态模型走向复杂工作流

11月4日,腾讯发布新一代大语言模型Hy4。与此前的Hy4 preview相比,Hy4首次加入视觉理解能力,并将视觉感知、推理和工具调用结合起来,面向细粒度图像处理、复杂图表分析和数学视觉推理等任务。腾讯官方公告

Hy4同时首次支持电脑操作,可以结合图形界面、命令行和外部工具执行任务。腾讯称,团队针对Blender、CAD等专业软件以及跨应用长程任务进行了专项训练,并在沙箱环境中部署多类应用,用于反复执行和验证操作流程。Hy4产品说明 这意味着视觉能力的用途不再局限于“看图回答”,而是开始承担理解屏幕状态、规划步骤、调用软件并检查结果等连续工作。

从应用方向看,腾讯将Hy4接入办公协作、金融分析、前端开发、游戏开发和科研等场景。官方还披露,Hy4相较preview版本在GameDev和GameLogic评测中分别提升19.1%和9.8%,并在内部测试中报告幻觉率和猜测导致的错误率下降。不过,这些数字来自腾讯自建评测或内部测试,评测任务、基线和外部复现情况仍需进一步核实,不能直接视为行业通用结论。

这条消息的观察价值在于,计算机视觉正在与智能体执行能力更紧密地结合:模型不仅要识别图像内容,还要理解动态界面、定位操作目标、执行动作并根据反馈修正。对企业而言,真正的落地难点将从单项识别精度,转向长流程稳定性、权限控制、错误恢复、数据隔离和操作可审计性。Hy4是否能在真实复杂软件中持续稳定工作,还需要更多独立测试和用户使用数据验证。

事件及资料日期:事件发生日期为2026-11-04;腾讯官方公告发布日期为2026-11-04;Hy4产品说明页面标注日期为2026-11-04。

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