11月16日,腾讯混元发布Hy4 Flash模型。该版本保留Hy4的视觉理解与Agent等核心能力,重点降低延迟和调用成本,官方将其定位为“迄今为止最高性价比的Hy模型”。此前,Hy4正式版在Artificial Analysis智能指数中位列中国模型第二,在Agent Arena中位居开源模型第一。随着Hy4 Flash的发布,混元形成旗舰模型与高效模型的产品组合:旗舰模型负责提升智能上限,Flash则聚焦于以更低成本和延迟支撑更大规模的调用。
这一产品策略背后,是AI模型竞争重心的转移。当模型能力达到一定水平后,能否以可接受的成本稳定支撑大规模、长链路的真实任务,成为更核心的问题。对腾讯而言,这一挑战尤为现实。自Hy3 preview开始,混元陆续进入WorkBuddy、元宝、企业微信和QQ等多个产品,覆盖搜索问答、办公、编程、企服与社交等场景,其中不少产品拥有千万级乃至国民级用户规模。这类产品的调用需求对模型实用性提出更严苛要求:效果是否稳定、响应是否足够快、单次任务的综合成本能否得到控制。
模型分层并非简单缩小参数规模。研发团队需要首先识别哪些能力必须保留、哪些计算可以压缩、不同任务如何分配资源,其前提是旗舰模型具备足够强的智能水平并构建了清晰的能力边界。今年2月重建基础设施后,混元从Hy3 preview重新起步,过去半年的迭代大致经历两个阶段:先提高已有能力的任务成功率,再扩大模型能够承担的任务范围。Hy3正式版未显著增加参数规模,提升主要来自数据质量、后训练和强化学习。官方评测显示,Hy3在SkillsBench上的得分由29.1提高至55.3,SWE-bench Pro由46.0提高至57.9。在WorkBuddy内部评测中,Hy3的任务解决率从72%提高至90%,平均耗时缩短34%。对Agent产品而言,任务成功率本身即是效率指标,提高首次完成任务的概率,往往能同时降低Token消耗、工具调用和用户等待时间。
到Hy4 preview阶段,混元进一步抬高智能上限,模型容量和上下文窗口得到扩展,为代码工程、多文档研究和长程Agent任务提供基础。Hy4正式版又加入视觉理解和Computer Use能力,并针对Blender、CAD等专业软件及跨应用流程展开训练。现实工作中的信息并不都存在于文本和标准化接口中,大量内容分散在图片、网页和软件界面里,许多专业工具也缺少可直接调用的API。模型只有理解界面、判断状态并完成操作,才能从“提供建议”走向“交付结果”。相比Hy4 preview,Hy4正式版在指令遵循、复杂检索、游戏开发和逻辑实现等任务上提升约10%至20%。
在专业场景方面,混元组织的一次金融众测中,579个真实任务由153位外部头部金融机构专家参与评估,覆盖基金研究、证券分析、量化策略和财税会计等领域,Hy4获得3.04分,在参评开源模型中位居首位。这类任务考察的不只是金融知识,也包括信息检索、分析验证和结果交付,要求模型给出的不只是一个看似合理的答案,还要有明确的证据边界。在自建测试中,Hy4因无依据猜测导致的错误率由23.1%降至5.6%。
模型进入产品后,成本的计算方式随之改变。数据显示,Hy4 preview曾在OpenRouter单周处理约14.7万亿Token,Hy4正式版发布首周的处理量约为12.8万亿Token。增长的不只是调用次数,还有任务链路的长度。一次Agent任务可能包含多轮规划、检索、工具调用、状态判断和结果验证,任何一个中间环节出现错误,都可能触发重新规划和执行。围绕降低完成任务总成本的目标,混元逐渐形成三层效率体系。第一层是架构效率,采用MoE架构将模型总容量与单次推理负担分开:Hy3总参数为295B,每个Token激活约21B参数;Hy4总参数扩大至770B,每个Token激活49B参数。第二层是任务效率,减少完成任务所需的Token和调用次数。9月7日,混元与WorkBuddy联合团队宣布完成专项优化,通过Benchmark和人工评测双重监控,在任务效果基本稳定的前提下减少执行轮次以及输入、输出Token消耗。第三层是系统效率,通过缓存、模型分层与自动路由为不同任务匹配合适资源。Hy4的缓存命中价格为普通输入价格的二十分之一,Hy4 Flash则补上了模型分层的一环,产品可根据任务难度、执行效果和等待时间动态调整模型。
腾讯在AI领域的优势之一是其庞大的用户规模和产品矩阵,其价值不只在于把模型分发给更多用户,还在于持续检验模型在真实任务中的实用性。腾讯允许业务和用户自主选择模型,多模型接入与自动路由也是其Agent产品的基础能力,这意味着即使进入腾讯自有产品,混元仍要与其他模型同台竞争。在WorkBuddy主动选择模型的用户中,Hy3占比达到60%;接入ima Copilot后,Hy3在72小时内成为平台上的主要选择之一。真实的产品反馈正在成为混元校准模型能力与效率的重要依据。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。