腾讯于 2026 年 8 月 28 日发布 Hy4 Preview,这是一款低成本、开放权重 AI 模型。该模型面向软件工程、办公效率、游戏开发和科学研究,并与 GLM 5.3 及其他前沿系统竞争。腾讯公布的基准测试显示,Hy4 Preview 在部分测试中优于 GLM 5.3,但 GLM 5.3 在多项评测中仍然领先。
腾讯开发 Hy4 Preview 时,将其设计为一款权重公开、可供下载并独立部署的模型。该模型也可通过腾讯云、OpenRouter 和腾讯的 AI 应用使用。开发者可以通过 Hugging Face、ModelScope、GitCode 和 CNB 下载其权重,并使用 vLLM 和 SGLang 等工具进行部署。
Hy4 Preview 采用混合专家架构,总参数量为 7700 亿,每个代币激活 490 亿个参数。它支持 100 万代币的上下文窗口,并基于 Apache 2.0 许可证发布。腾讯同时提供标准版和 FP8 版本。
该模型包含 78 层,其中包括 77 个 MoE 层,每层有 256 个路由专家和一个共享专家。它会为每个代币激活 8 个路由专家,并采用 Gated DeepSeek Sparse Attention、identity Hyper-Connections 和 Multi-token prediction。
腾讯将 Hy4 Preview 与 GLM 5.3、DeepSeek V4 Pro、Kimi K3、GPT-5.6 Sol 和 Claude Opus 5 进行了对比,评测涵盖软件工程、智能体和推理基准。
在 SWE-bench Multilingual 上,Hy4 Preview 得分为 82.9,GLM 5.3 为 81.3。在 SWE-bench Pro 上,Hy4 Preview 得分为 65.7,GLM 5.3 为 64.6。在 SWE Atlas: Codebase Q&A 上,Hy4 Preview 得分为 64.0,GLM 5.3 为 55.8。Hy4 Preview 在 SWE Atlas: Test Writing 和 SWE Atlas: Refactoring 上分别得分 57.8 和 53.3,而 GLM 5.3 分别为 49.6 和 51.9。
GLM 5.3 在 DeepSWE 上仍然领先,报告得分为 66.9 / 68.1,而 Hy4 Preview 为 64.3。GLM 5.3 在 Terminal-Bench 2.1 上也报告了 88.2 / 88.3,高于 Hy4 Preview 的 85.4。腾讯表示,部分竞争对手在不同评测配置下报告了两个分数,并保留了其公布的原始数据。
这些对比数据由腾讯报告,并非独立排名。Claude Opus 5 在 SWE-bench Multilingual 上的表现优于 Hy4 Preview,而在 Terminal-Bench 2.1 上,有几款竞争模型报告了更高的成绩。
腾讯还将 Hy4 Preview 与上一代 Hy3 进行了比较。在 SWE-bench Multilingual 上,得分从 75.8 提升至 82.9。SWE-bench Pro 从 57.9 升至 65.7,DeepSWE 则从 28.0 升至 64.3。
SWE Atlas: Codebase Q&A 的得分从 30.8 提升至 64.0,SWE Atlas: Test Writing 从 35.9 升至 57.8,SWE Atlas: Refactoring 从 32.9 升至 53.3。Terminal-Bench 2.1 从 70.8 提升至 85.4。
腾讯还报告了其他基准的提升:ProgramBench 从 3.0 升至 17.5;CyberGym 从 51.8 升至 78.4;Toolathlon-Verified 从 56.2 升至 74.1;APEX-Agents 从 24.4 升至 37.1;JobBench 从 34.6 升至 61.7。
腾讯将这些提升归因于更大规模的训练,以及对真实工程任务的更多运用。该公司表示,模型规模、上下文长度和训练数据均有所增加,同时也扩大了预训练和后训练规模。
在信息搜索、文档处理和外部工具任务方面,Hy4 Preview 的表现也优于 Hy3。使用工具时,它在 OneMillionBench 上的得分从 Hy3 的 51.5 升至 65.4。WideSearch 从 81.9 升至 83.9,OfficeQA Pro 从 54.1 升至 66.2,MCP-Atlas 从 75.0 升至 83.7。
在这些评测中,GLM 5.3 使用工具时在 OneMillionBench 上得分为 64.5,在 WideSearch 上为 83.2,在 OfficeQA Pro 上为 66.2,在 MCP-Atlas 上为 81.9。Kimi K3 在相同基准上的报告得分分别为 63.5、81.0、65.4 和 84.2 / 82.8。
Hy4 Preview 在 Toolathlon-Verified 上得分为 74.1,在 APEX-Agents 上为 37.1,在 JobBench 上为 61.7,在 WorkspaceBench 上为 60.2。GLM 5.3 在 APEX-Agents 上以 38.1 领先,在 WorkspaceBench 上以 68.2 领先。根据列出的评测配置,Kimi K3 在 APEX-Agents 和 MCP-Atlas 上报告了更高的分数。
在一项由 163 名内部专家针对 203 项软件工程任务开展的盲测中,Hy4 Preview 的平均得分为 2.99(满分 4 分),GLM 5.3 为 2.92,Kimi K3 为 2.94。Hy4 对阵 GLM 5.3 的胜率为 46.8%,对阵 Kimi K3 的胜率为 51.2%。这项评测由腾讯内部开展,因此无法独立证实 Hy4 Preview 整体上优于其他模型。
腾讯在开发 Hy4 Preview 时,参考了软件工程师、游戏开发者、金融分析师和安全专家的意见。该模型报告的软件工程能力包括代码理解、规划、调试、测试和前端开发。
腾讯展示了一个交互式 Three.js 查看器,其中包含七座中国历史建筑。该展示符合多项要求,包括三栏布局、纸张风格背景、衬线字体和交互式模型控件。
在办公效率方面,腾讯展示了 Hy4 如何依据政策、预算、发票和邮件审核 24 份报销申请。模型需要先审阅多个版本的政策、员工记录、预算、发票和邮件,再给出审核决定和解释。金融分析能力包括计算、公式、财务模型和文档验证,其中包括识别报销申请中的错误、疑似欺诈和缺失证据。
在游戏开发方面,Hy4 创作了一款卡通冒险游戏,主角是一只在雪原探索、收集浆果、打开宝箱并与怪物战斗的企鹅。该原型包含菜单、动画、物品管理、任务信息、音乐和音效,并使用 Unity/Tuanjie 构建。
在科学研究方面,腾讯报告称 Hy4 已用于 AI 研究、分子动力学、凝聚态物理和纯数学。在一项小模型后训练实验中,Hy4 同时管理了多个 Codex 会话。腾讯表示,在该实验包含的全部 8 项基准测试中,Hy4 的表现都优于独立运行的 Codex。
腾讯推出了 Hy4 Preview 的按量计费 API。每百万个缓存输入代币收费 $0.042,标准输入每百万个代币收费 $0.834,输出每百万个代币收费 $2.501。腾讯表示,缓存输入价格更低,是因为可以重复使用此前处理过的信息。
用户可通过腾讯云 TokenHub 和 OpenRouter 使用该模型的 API。CodeBuddy 提供 AI 编码辅助,WorkBuddy 支持职场效率,元宝是腾讯的 AI 助手,ima 支持信息和知识管理。Hy4 Preview 发布后,腾讯还通过 CodeBuddy 和 WorkBuddy 提供了为期两周的免费使用体验。
腾讯指出,预览版存在两个局限:推理过度和重复验证。模型有时会在复杂任务上耗时过长,也可能对已经完成的工作进行不必要的反复检查。这些行为可能延长响应时间并影响效率。
腾讯发布预览版是为了收集反馈并发现问题。该公司表示,计划通过进一步训练以及与内部团队和腾讯产品合作,持续改进模型。腾讯还表示,实际表现可能与受控基准评测的结果有所不同。
Hy4 Preview 在 SWE-bench Multilingual、SWE-bench Pro、SWE Atlas: Codebase Q&A、SWE Atlas: Test Writing 和 SWE Atlas: Refactoring 上的表现都优于 GLM 5.3。根据列出的评测配置,GLM 5.3 在 DeepSWE、Terminal-Bench 2.1、APEX-Agents 和 WorkspaceBench 上报告了更高的分数。
GLM 5.3 报告的 DeepSWE 得分为 66.9 / 68.1,Hy4 Preview 得分为 64.3。腾讯表示,部分竞争对手在不同评测配置下报告了两个分数,并保留了其公布的原始数据。
Hy4 Preview 每百万个缓存输入代币收费 $0.042,每百万个标准输入代币收费 $0.834,每百万个输出代币收费 $2.501。
相关快讯