Hy4 正式版上线：数字、承诺与缺口

11 月 4 日，腾讯混元发布 Hy4 正式版，官方页开篇原句是：“今天，我们发布 Hy4 正式版。随着模型能力的再次全面跃升，Hy 首次跻身最强开源模型之列。”这一天真正上线的部分是：API（腾讯云、OpenRouter）与产品体验入口（WorkBuddy/CodeBuddy、元宝、ima）。官方价格表：输入 6 元、缓存命中 0.3 元、输出 18 元（每百万 token），官方称与 Hy4 preview 同价。相比 8 月 28 日的 preview（770B 总参数、49B 激活、1M 上下文），官方称显著扩展了预训练与后训练规模，首次引入视觉能力与电脑操作（命令行＋图形界面），并对 Blender、CAD 等专业软件与跨应用长程任务做了专项训练。

“最强开源模型之列”这句话目前要拆开读。权重没有开源：GitHub 的 Tencent-Hunyuan 组织名下只有 Hy4-preview 仓库（最后代码提交 8 月 28 日）；Hugging Face 的 tencent 名下只有 tencent/Hy4-preview 与 Hy4-preview-FP8——本站 11 月 4 日晚经 GitHub API 与 HF API 复核。官方的表述是“我们计划开源模型权重”，系统卡片“届时也会发布”——“计划”与“届时”是承诺，不是今天的事实。OpenRouter 已挂牌 tencent/hy4（1M 上下文，本站观察价 $0.417/$1.2505 每百万 token，与官方表折算不一致，各平台定价独立）。

第三方口径同样缺位：本站晚间复核 Artificial Analysis 综合榜，无 Hy4 行，Tencent 名下只有一条未计分的 Hy3 行。所以“首次跻身最强开源模型之列”当天没有任何第三方公开分数可核。这不否定官方的说法，但把它放回应有的位置：一句官方定性，等权重、系统卡片与第三方榜单把数字补上。

官方附录总表按 8 类 35 行基准列出 7 个模型（Hy4、Hy4 preview、GLM 5.3、DeepSeek-V4.1-Flash-1017、Kimi K3.1 Pro、GPT-6.1 Sol、Claude Opus 5.5），每行带 harness 注记：多数模型用 Claude Code harness、GPT 系列用 Codex，OSWorld 等 Agent 任务在沙箱内最多 500 轮、13 小时。挑几行看形状：DeepSWE v1.1 从 preview 64.3 到正式版 74.9；Terminal-Bench 4.0 从 28.3 到 44.4；OSWorld 2.1（Full, partial score）78.9——三个都居对比集开源侧第一，但 Opus 5.5 分别是 72.6+、66.4+、81.8，GPT-6.1 Sol 也多行在前。

表注里有两处值得记：星标基准（如 ProgramBench、FrontierCode 2.0、Goal2Repo）“发布时首次评测”，preview 无可比较的旧分数；以及一句少见的诚实——“某些 Hy4-preview 分数可能因评测框架、裁判模型与反作弊机制的更新，与此前公布的结果不同”。金融场景的数字另成一组：213 位专家（153 位来自外部头部金融机构、七成五年以上经验）众测 579 个真实任务，Hy4 3.04/4、DeepSeek-V4.1-Flash-1017 2.97/4、Kimi K3.1 Pro 与 GLM-5.3 各 2.68/4；GameDev/GameLogic 较 preview +19.1%/+9.8%；自建测试幻觉率 15.76%→5.45%。全部为官方或合作方自报，本站未复现。

官方把安全措施放在“负责任的开源和发布”一节：训练阶段仅纳入与 PoC 生成、漏洞修复相关的防守性网络安全数据，剔除漏洞利用、逆向、渗透等攻击性内容；组织腾讯玄武和科恩实验室的内部专家围绕密码分析、逆向工程、漏洞利用审计，官方判 Hy4 在加密算法逆向求解、对抗二进制混淆、漏洞利用等进攻性能力上“未展现出突出风险”；生物侧 Hy-BioExperimentBench 30.4/100，官方判“尚未达到高风险阈值”，并注明模型基础生物知识扎实、但把知识转化为可执行实验方案的能力有限。数字与结论均为官方口径。

承诺部分要和站内先例放在一起看。Kimi K3.1 Pro 曾承诺“11 月 4 日前”开放完整权重，截止已过而未发，用户实际只能走 API——本站 11 月 4 日晨已复核闭环。Hy4 正式版现在是同型承诺：“计划开源权重”“届时发布系统卡片”，外加 flash “近期”。承诺与事实之间的窗口没有固定长度，站内做法是用观察记录接住：权重仓库、系统卡片、第三方榜单行出现时接回目录、版本行与本文，不改旧日期。作为官方页上的参照，Hyra 2.0（11 月 2 日官方页）展示了这个家族把研究脚手架做成可检验成果的做法：Overall/Mission/Worker 三层 harness，HyInv、HyPLM-Flash、HyQEC 与旋梯手成果在 hyra-results 仓，Hy4 页写明结合该脚手架自动训练出“优于官方的 Jev 模型”。

官方在“局限性和未来展望”里写得很直接：“尽管 Hy4 已经是目前最强的开源模型之一，其与顶尖闭源模型仍然存在较大差距”，并点名内部构建的前沿数学、长程开发、模型迭代、视觉问答高难度测试集。官方局限图给的是同一口径的四个测试：Hy-FrontierMath T5 13.0（GPT-6.1 Sol 97.5、Opus 5.5 91.3）、Goal2Repo 23.2（Opus 5.5 74.0）、Foundation Model Bench 28.1（Opus 5.5 55.4）、BuddyVQA Atlas 无工具 55.6（Opus 5.5 75.3）——四题里 Hy4 都居开源侧最高，与闭源旗舰之间隔着数倍到数十倍。这些是官方内部测试集，口径即官方；站内不作排名，只按来源记录形状：开源侧位次有表可查，与闭源的差距有官方自认。

下一步看四个信号：权重仓库出现（“计划开源”兑现）、系统卡片发布（含更全面安全评估）、Hy4 flash 上线（性价比线）、以及第三方榜单（如 AA）出现 Hy4 行。四个信号出现任一，同轮接回目录条目、腾讯版本行与本文；没有出现之前，价格表与产品入口是本站能核到的全部事实，其余留在官方口径与观察记录里。Jev 1.14 Preview 已在站内条目中，官方“自动训练出优于官方的 Jev 模型”一说给它添了官方来源的来历注脚。