11月4日,腾讯混元发布最新一代大语言模型Hy4。官方称,Hy4相较于Hy4 preview显著扩大了预训练和后训练规模,并首次引入视觉理解能力与电脑操作能力,模型可结合感知、推理和工具调用,处理细粒度图像、复杂图表和数学视觉推理任务。腾讯官方公告
从计算机视觉角度看,Hy4的重点不只是“能看图”,而是把视觉输入与后续行动连接起来。腾讯披露,模型可以结合命令行和图形界面执行任务,并针对Blender、CAD等专业软件以及跨应用长程任务进行专项训练。腾讯混元Hy4研究页面这意味着视觉模型的应用边界正在从图像分类、识别和问答,延伸到理解屏幕状态、定位操作对象、调用软件工具并持续完成多步骤工作。不过,官方演示和内部评测属于发布方披露,不能直接等同于独立第三方基准结果,实际效果仍取决于任务类型、工具权限和运行环境。
腾讯还表示,Hy4已在腾讯云TokenHub、WorkBuddy、CodeBuddy、元宝等产品或平台上线,并计划近期开放模型权重和发布系统卡片。腾讯官方公告在权重、系统卡片和安全边界尚未完全公开前,开发者更适合把它视为可调用的多模态服务,而不是已经完成本地部署验证的开放视觉底座。对行业而言,值得观察的是视觉理解、电脑操作和专业软件适配能否稳定转化为可复现的生产力,以及模型在屏幕误识别、错误操作、数据暴露和高风险自动执行方面的防护能力。
事件日期:2026年11月4日。报道及官方公告发布日期:2026年11月4日。上述能力、产品接入和后续开源安排主要依据腾讯官方披露,独立第三方验证情况未在本次资料中核实。
参考来源:
- 腾讯混元发布Hy4,跻身最强开源模型之列 2026-11-04
- Hy4正式发布 2026-11-04
由 AI 整理,仅供参考;请以原始来源为准。
帖子详情