騰訊混元Hy4正式版實測：幻覺率降至7.2%，金融任務開源第一
nashnova research
騰訊混元Hy4正式版發佈，770億參數、幻覺率從12.95%降至7.2%，金融任務綜合評測拿下開源第一——但騰訊自己亦承認，在前沿數學和長周期開發上與閉源頭部仍有明顯差距。
這個模型究竟有多大、能做甚麼？
Hy4正式版總參數770億，實際運行時激活49億參數（激活參數＝每次推理真正「開工」的部分，越少意味著推理成本越低）。
首次加入原生視覺理解和電腦操作（CUA）能力——模型不僅能讀文字，還能「看」圖片、操控電腦界面。
這意味著→ Hy4從純語言模型升級為多模態+操作型Agent，對標的不再只是聊天場景，而是自動化工作流。
幻覺率怎樣降下來的？
幻覺率從preview版的12.95%降至7.2%，推測類錯誤率從23.1%降至5.6%——兩項指標幾乎砍半。
簡單來說＝「幻覺」就是模型一本正經地編造事實；「推測類錯誤」是模型在沒有依據時強行猜測。兩個數字越低，輸出越可靠。
騰訊將改善歸因於預訓練與後訓練數據的大幅擴充，以及針對真實生產力場景的專項優化——不是靠換架構，而是靠餵更多、更乾淨的數據。
視覺和Agent能力到了甚麼水平？
視覺端：能在28億像素的航拍圖中定位約2米大小的屋頂構件，具備像素級感知精度。
實測中解析設計截圖的配色、字體、佈局，據此生成可交互前端頁面，59項測試全部通過，零報錯、零異常。
長程Agent任務方面，Hy4能在多步驟執行中自行檢查、定位問題、修改方案、重新驗證，直到交付無Bug結果。這意味著→ 模型開始具備「自我糾錯閉環」能力，而不只是一次性輸出。
金融場景憑甚麼拿開源第一？
專項訓練覆蓋基金研究、證券分析、量化策略、資產配置、公司金融、財稅會計六大方向，構建了數千個工作空間和上萬個高質量任務。
眾測環節213位專家參與，七成來自外部頭部金融機構、擁有五年以上經驗——不是內部自評，而是行業老手打分。
579個真實金融任務測試結果：Hy4綜合表現開源模型第一。這反映出騰訊在金融垂直場景上押注了大量專項數據和人力驗證。
和閉源頭部比，差距在哪？
騰訊稱Hy4在智能體編碼任務上超越Claude Opus 5.5，在智能體搜索和工作智能體任務上同時超越GPT 6.1 Sol與Claude Opus 5.5。
但騰訊自己坦承：在前沿數學、長周期軟件開發、模型迭代、視覺問答等高難度基準上，與領先閉源模型仍有相當大的差距。
說白了＝ 在「夠用」的工作場景裏，Hy4已經能和頂級閉源掰手腕；但在最硬核的前沿任務上，開源和閉源之間的鴻溝還未填平。
接下來看甚麼？
Hy4由前OpenAI研究員姚順宇主導研發，2025年底加入騰訊，直接向總裁劉熾平匯報——這一匯報層級說明騰訊對AI的戰略優先級。
輕量版Hy4 Flash已在研發中，主打極低推理成本，適合端側部署和高並發Agent編排。
開源權重的具體發佈時間尚未披露。這意味著→ 外部開發者目前只能看跑分，等權重放出後才能獨立驗證——這個時間節點才是真正的「交卷時刻」。
市场有风险，内容仅供研究参考，不构成投资建议。