腾讯混元Hy4正式版实测：幻觉率降至7.2%，金融任务开源第一
nashnova research
腾讯混元Hy4正式版发布，770亿参数、幻觉率从12.95%降至7.2%，金融任务综合评测拿下开源第一——但腾讯自己也承认，在前沿数学和长周期开发上与闭源头部仍有明显差距。
这个模型到底有多大、能做什么？
Hy4正式版总参数770亿，实际运行时激活49亿参数（激活参数＝每次推理真正"开工"的那部分，越少意味着推理成本越低）。
首次加入原生视觉理解和计算机操作（CUA）能力——模型不只能读文字，还能"看"图片、操作电脑界面。
这意味着→ Hy4从纯语言模型升级为多模态+操作型Agent，对标的不再只是聊天场景，而是自动化工作流。
幻觉率怎么降下来的？
幻觉率从preview版的12.95%降至7.2%，推测类错误率从23.1%降至5.6%——两项指标几乎砍半。
用大白话说＝ "幻觉"就是模型一本正经地编造事实；"推测类错误"是模型在没有依据时强行猜测。两个数字越低，输出越可靠。
腾讯将改善归因于预训练与后训练数据的大幅扩充，以及针对真实生产力场景的专项优化——不是靠换架构，而是靠喂更多、更干净的数据。
视觉和Agent能力到了什么水平？
视觉端：能在28亿像素的航拍图中定位约2米大小的屋顶构件，具备像素级感知精度。
实测中解析设计截图的配色、字体、布局，据此生成可交互前端页面，59项测试全部通过，零报错、零异常。
长程Agent任务方面，Hy4能在多步骤执行中自行检查、定位问题、修改方案、重新验证，直到交付无Bug结果。这意味着→ 模型开始具备"自我纠错闭环"能力，而不只是一次性输出。
金融场景凭什么拿开源第一？
专项训练覆盖基金研究、证券分析、量化策略、资产配置、公司金融、财税会计六大方向，构建了数千个工作空间和上万个高质量任务。
众测环节213位专家参与，七成来自外部头部金融机构、拥有五年以上经验——不是内部自评，而是行业老手打分。
579个真实金融任务测试结果：Hy4综合表现开源模型第一。这反映出腾讯在金融垂直场景上押注了大量专项数据和人力验证。
和闭源头部比，差距在哪？
腾讯称Hy4在智能体编码任务上超越Claude Opus 5.5，在智能体搜索和工作智能体任务上同时超越GPT 6.1 Sol与Claude Opus 5.5。
但腾讯自己坦承：在前沿数学、长周期软件开发、模型迭代、视觉问答等高难度基准上，与领先闭源模型仍有相当大的差距。
用大白话说＝ 在"够用"的工作场景里，Hy4已经能和顶级闭源掰手腕；但在最硬核的前沿任务上，开源和闭源之间的鸿沟还没填平。
接下来看什么？
Hy4由前OpenAI研究员姚顺宇主导研发，2025年底加入腾讯，直接向总裁刘炽平汇报——这一汇报层级说明腾讯对AI的战略优先级。
轻量版Hy4 Flash已在研发中，主打极低推理成本，适合端侧部署和高并发Agent编排。
开源权重的具体发布时间尚未披露。这意味着→ 外部开发者目前只能看跑分，等权重放出后才能独立验证——这个时间节点才是真正的"交卷时刻"。
市场有风险，内容仅供研究参考，不构成投资建议。