WORKBUDDY × HY4 混元 Hy4 preview 开始独立交活 49B 激活 · 1M 上下文 · 31.8% 提速 模型 × 产品 × 工作流，闭环交付 MODEL CAPABILITY · DELIVERY PARAMS 770B / 49B CONTEXT 1M WORK MODE SELF CHECK EXECUTION RUNTIME HY4 × WORKBUDDY REPORT PPTX WEB GAME

3 PARTS · CONTENT MAP

PART 01

发布拆解

770B、49B、1M

PART 02

四场景实测

研报、展馆与游戏

PART 03

独立交付

模型 × 产品 × 工作流

大家好啊，我是甲木。

这几天的模型发布是真的多...感觉这个月在扎堆发布新模型，而且国内一个比一个猛，

这段时间一直在 WorkAgent 里泡着。写蓝皮书那会跑了几十个任务，后面日常也在用，算是比较熟了。

8月28号腾讯混元发了 Hy4 preview，当天我就试了下。

提升幅度有点超预期。之前用 Hy3，我基本当它是“需要带教的新人”，简单杂活能接，但碰到多文件协作、稍微复杂的任务就得人盯着，经常中途卡住要救。

Hy4 preview明显不一样，会主动建校验脚本、会回头核数字，更像是能独立交活的人。

看一眼官方 benchmark，Hy3 到Hy4 preview几乎每项都是台阶式跳升：

而且最主要的是：WorkBuddy 又开了两周免费。现在干活多多少少都要用 AI，很多人等于花钱上班，WorkBuddy免费一开，大量办公族就涌进来了。

Hy3 那波也是这个打法，但 Hy3 能力上限摆在那，用户进来了，很多场景接不住。

Hy4 preview 的打击面不一样了，多文件、跨文档、长程任务都能接了。同样免费，能做的事多了一圈，留下来的概率就不同了。

模型升级 + 免费拉新，连续打，「为生产力而生」。

口号挺大的，先来看个创意前端：

这些都是 Hy4 在 WorkBuddy 里一句话跑出来的，我们直接拿真活试。

01

PART

这次发布讲了什么

Hy4 Preview · WHAT'S NEW

先简单过一遍发布内容。

770B 总参，激活 49B，上下文 1M。官方主推四个方向，除了我实在不太懂的科研..外，其他的都测了：

01

办公分析

数据分析、跨文件协作到文档/表格/PPT 完整交付。

02

游戏开发

一句话出可玩原型，多轮迭代。

03

软件工程

长程开发和前端审美。

04

科研

分子动力学、凝聚态物理这些，跳过。

有两个点值得单独提。

这个模型完成了自进化。
Hy4 preview参与了自身的研发：怎么训、用什么数据、怎么评估、底层怎么优化，它自己提方案、跑实验、看结果再改。之前 OpenAI 和 Anthropic 都提过类似的事，现在混元也做到了，官方第一次把这个写进发布口径。

还给自己提了速。模型自己找推理环节哪里慢，优化了六轮，整体速度比基线快了31.8%。

内部盲测：163 名专家、203 个工程任务，均分 2.99/4.00，略优于5.3和K3等其他几家模型。

定价：输入 ¥6，输出 ¥18，缓存 ¥0.3（每百万Token），这么来看Hy4 preview 在国内旗舰模型中定价是最低的了...

节奏上：2月重建基础设施到现在，混元平均两个月一个大版本，preview 先行、正式版跟进。

这个飞轮想清楚了其实挺恐怖的：模型越好 → 用户越多 → 数据越多 → 模型更好。

免费把人拉进来用，用的人多了，真实场景的数据和反馈就多了，下一版模型就训得更好，用户每隔两个月就感觉到“又变强了”，然后继续用，这就是一个正向飞轮~

02

PART

WorkBuddy + Hy4 preview四大场景实测！

WorkBuddy × Hy4 Preview · REAL TEST

CASE 01

AI 情报局：两份真财报 + 30 条热点 → 研究报告 + 汇报 PPT

给它腾讯和阿里的真财报 PDF 加本周 AI 热点 30 条，让它出研究报告（docx）和汇报 PPT（pptx），每个数字注明出处到页码。

45 分钟跑完。它自己建了校验脚本核数据，还建了渲染脚本把 PPT 逐页出图自查。复核轮查出阿里财报两处口径不一致，自动修正了。

CASE 02

青花志：非遗数字展馆

最近做case真的做到吐太多，模型要测了，也不知道做什么好。

正好看到官方推文做的是天坛，就想着我们也参考着做个非遗方向的，做一个青花瓷数字展馆。三个展厅从元代逛到清代，纹样全部程序画，不许贴图。

这个 case 最大的亮点是 SVG 能力。它自己画的青花瓷纹理非常好，缠枝莲、龙纹这些细节都能出来，比那种糊成一团的矢量图强太多了。

同样的 prompt 拿 Hy3 跑过一遍做对比：

CASE 03

弹窗大作战：复古 OS 梗

流氓弹窗疯狂蹦，关闭按钮会躲鼠标，点错原地分裂。撑过 90 秒不蓝屏就赢。全套 Windows 95 复古窗口，98.css 和像素字体全部内联，断网双击就能玩。

VIDEO · 16:9 横版视频

这个 case 的亮点在它的工作方式。它花了很长时间自己建测试、跑校验：三种打法各跑一局（认真撑、完全不管、专点身子触发分裂），确认三种结局都能跑通，还测了手机端触摸和 26 个弹窗同屏的压力上限。

对现在的顶级模型来说，这种"做完了自己检查、自己测"已经快成基本能力了。真正能拿来用的长程调度，就是这个样子。

CASE 04

窑变：烧瓷小游戏

和青花志组成非遗双 case。玩家当窑工，按住"添柴"控温，松手自然降温，90 秒烧完一窑。贴合度决定开窑成色：90% 以上发色纯正，中间档偏色带开片，烧过头直接窑塌给你一堆碎片。

03

PART

结语

Final Thoughts · 以上

办公 Agent 这个赛道，今年进入了拼交付的阶段。

之前各家发模型，比的是跑分、参数、上下文长度。但跑分高不代表能干活，很多模型拉到真实场景里，该卡的还是卡。

Hy4 preview这次让我觉得不太一样的地方是，它的工作方式变了。

AI 情报局那个 case，它自己建校验脚本核数据、自己渲染 PPT 逐页走查；弹窗大作战，它花了很长时间建三套测试方案，自己跑完确认没问题再交。这些事以前都是人盯着做的，现在它自己闭环了。45 分钟出两份能交差的文件，中间不用人插手。

「为生产力而生」这种口号谁都能喊。

但生产力落到实处，靠的是模型、产品、工作流三件事能对上。

腾讯现在的做法是把模型直接塞进 WorkBuddy，用户不用管底层换了什么，打开就是新的。

在最新的榜单中，腾讯混元 Hy4 preview 登上 Code Arena WebDev 榜单第 5 名，开源模型中位列第 3。

我们一直都说：让 AI 走进真实业务场景中。Hy4 preview已经基本能做到不需要回头再次 check，虽然还差最后几步。

毕竟还是 preview，复杂任务偶尔会过度自我验证，跑着跑着绕进去。

但按目前的迭代节奏，正式版应该不远了。

以上。

我是甲木，热衷于分享一些AI干货内容，同时也会分享AI在各行业的落地应用。觉得有用的话，点个赞、在看、转发三连，谢谢大家。