騰訊混元 Hy4 正式版於 2026 年 11 月發布（掘金一篇發布於 11 月 9 日的一手實測文章近日在技術社羣流傳，本文以此為事實基礎）。相比先前的 preview 版本，正式版擴大了預訓練與後訓練規模，首次加入原生的多模態視覺能力與 Computer Use 能力，同時維持與 preview 相同的 API 價格，並計劃開源模型權重。
對每天用 AI 工具寫程式、做內容的人來說，真正值得停下來看的，是「能力變強、價格不變」這個組合。
跑分到底說了什麼
先看可確認的數字。官方基準測試顯示：
- Terminal-Bench 4.0（Agentic Coding 方向）：從 preview 的 26.3 提升到 44.4
- WebCraftBench（網頁生成）：從 52.7 提升到 78.9
- 3DArena-Modeling（三維代碼建模）：從 23.4 升到 37.1
- 與騰訊 IEG 聯合打磨的 GameDev 與 GameLogic 評測：分別提升 19.1% 與 9.8%
這些名字聽起來技術味很重，但翻譯成日常工作就是三種情境：在終端機裡讓 AI 自己跑任務、讓 AI 生成一個能看的網頁、讓 AI 產出三維模型代碼。跑分漲幅最兇的正好是網頁生成與三維建模，也就是一般開發者最常外包給 AI 的那類工作。
另一組數字更有參考價值。Agent Arena 基於全球用戶 8500 多次真實長程 Agent 任務的評測顯示，Hy4 每個任務成本約 0.55 美元，比 Kimi K3.1 Pro 的 1.46 美元低約 62%，在產出品質與成本的取捨上落在所謂的「帕累託前沿」。
用日常比喻：兩家搬家公司品質相近，一家按趟收費 550 元，一家收 1460 元。當 Agent 任務從偶爾試玩變成每天跑幾十次的生產工具，單價差距就會直接反映在月底帳單上。這也是為什麼成本曲線上的位置，現在成了挑模型的硬指標，而不只是跑分榜上的名次。
實測情境：從物理教案到一分鐘影片
該篇實測的作者用 WorkBuddy 搭配混元 Hy4 正式版，做了一支講解歐姆定律的一分鐘教學影片。流程大致是：讓 Agent 先梳理知識點產出 markdown 文件，套用先前寫好的「一分鐘影片」Skill 生成文字稿，稿件甚至引用了《歐姆定律教案》與《電阻》詞條等資料，再合成音訊、產出成片。
這個案例值得注意的地方不在影片本身，而在工作流程的結構。Skill 只維護一份、透過軟連結供多個 Agent 共用的做法，等於把「個人工作流程」變成可重複使用的資產。這與我們先前分析過的XXL-AI 桌面客戶端把 Agent 戰場拉回本機硬碟是同一個方向：Agent 工具的重心正在從雲端對話框，移向使用者自己管理的專案目錄與技能庫。
實測中還提到一個細節：模型在回應時出現「別擔心，我辦事，你放心」這類口語化訊息，作者認為「人味」明顯。這屬於個人使用感受，能否成為普遍優勢仍待更多驗證，但對話語氣確實會影響長時間協作的工具選擇，這點在 Agent 從「問答工具」變成「工作夥伴」的過程中會越來越重要。
所以呢：三個實際判斷
第一，如果你的工作包含大量網頁生成、三維代碼或終端自動化，這次升級的跑分增幅落在你實際會用到的方向，值得排進下一次工具評估。
第二，成本優勢要放在使用量之下看。偶爾用一次，0.55 美元和 1.46 美元的差距無感；一旦 Agent 任務進入日常排程，這個差距就是選型時的第一道篩選條件。
第三，「計劃開源模型權重」是官方說法，落地時間與授權條款尚未公布。對需要在地部署或自行微調的團隊，這是後續追蹤的訊號，此刻還不能當作已兌現的事實。
模型競賽打到這個階段，單看跑分榜的意義已經有限。跑分漲幅、單任務成本、可重複的工作流，這三件事擺在一起，才看得出一家模型廠在爭的是研究室排行榜，還是開發者每天打開的那個視窗。