腾讯混元发布Hy4正式版：首个兼具视觉理解与电脑操作能力的开源大模型

SmartHey11月4日消息，腾讯混元于今日正式发布最新一代大语言模型Hy4。官方表示，随着模型在多项核心能力上的全面升级，Hy4首次跻身全球最强开源大模型行列。该模型权重将于近期开源，并同步发布详尽的模型系统卡片；腾讯强调将秉持‘更负责任的开源’原则，重点加强在网络空间安全、生物安全等关键领域的风险评估与防控机制。

相较于此前发布的Hy4预览版，正式版显著扩大了预训练与后训练的数据规模与计算投入，并首次集成多模态视觉理解能力，同时在指令遵循、长文本理解、长程任务规划、深度科研推理等维度实现系统性提升。

Hy4的视觉能力支持感知—推理—工具调用闭环，可完成细粒度图像解析、复杂图表语义提取、数学公式与几何图形联合推理等高阶任务。此外，模型首次原生支持操作系统级交互，能够自主协调命令行工具与图形界面（GUI）执行真实电脑操作，如文件管理、软件启动、跨窗口协作等。

针对专业工作流，腾讯还专项优化了对Blender、CAD等工业设计软件的理解与控制能力，并强化跨应用长程任务的规划能力——例如自动完成‘从建模→渲染→PPT生成→邮件汇报’的端到端流程。

据官方介绍，Hy4面向真实生产力场景设计，已适配视觉分析与自动化办公、前端与游戏开发辅助、金融数据分析与报告生成、科研建模与实验推演、以及长期个性化智能助理等多种高价值应用方向。