11月4日，腾讯混元发布新一代大语言模型Hy4：总参数770B，首次加入视觉理解，也首次把“电脑操作”（Computer Use）写进基础模型的能力清单——结合命令行和图形界面直接操作软件完成任务。模型权重将在近期开源。对做企业软件的人来说，流程自动化的实现方式从此多了一个新选项。
先看数据。Hy4采用混合专家架构，总参数从Hy3的不到300B扩到770B，自今年2月重建算力底座后保持每两个月一个大版本的节奏。办公场景评测里，Hy4综合得分83.18分、任务通过率96.15%，12项测试中9项进入国内前列；金融投研方向，213位行业专家对579项真实业务任务盲测，Hy4在开源模型中排第一，经过事实校验优化，幻觉率从12.95%降到7.2%。游戏开发侧完成Unity、UE、Godot等主流引擎适配，相关指标较预览版最高提升19.1%。团队自认与顶尖闭源模型仍有差距。
值得细看的是电脑操作能力的实现方式。Hy4同时使用命令行与图形界面两条通道执行任务，针对CAD、Blender等专业软件做了专项训练，面向跨应用的长流程作业。这已经不是“截屏找按钮”的演示品——在专业软件里跑长链路，规划和纠错才是真正的难点。办公侧，模型已接入腾讯云TokenHub、WorkBuddy、CodeBuddy、元宝、企业微信智能助理等产品，可以顺着聊天记录、邮件、文档、日程把项目待办理出来。视觉理解是这一切的地基：细粒度图像识别、图表解析、数学视觉推理，看不懂图纸和报表，就谈不上替人操作软件。
行业里的真实情况是，电脑操作类Agent从“能跑通”到“能上生产”还隔着几道坎。它每走一步都要看屏、推理、点击，速度和token成本远高于一次API调用；界面布局一改、突然弹个窗，流程就可能跑偏，误点的后果还得有人兜底。取舍其实很实际：高频、涉及资金和核心数据的链路，必须走API或数据库直连——稳定、便宜、可审计；把电脑操作Agent留给那些跨系统、没有接口、量又不大的长尾活，比如从老旧ERP里抄月度数据进报表、在两三个没打通的后台之间搬运订单。真要上生产，底线动作有三条：用专用低权限账号、全程录屏留痕、删除和支付类动作留人工确认。这三条不做到，出了事故连复盘的依据都没有。
成本门槛也在松动。Hy4正式版定价与预览版持平，11月4日至15日开放免费试用额度，腾讯云接口年底五折，更低成本的Hy4 flash已经在路上。对中小企业来说，先用API把场景跑通、再评估私有化更稳——770B总参数的模型即便激活参数占比不高，全量部署也是真金白银的显存和机器投入。
另一条线是开源安全与科研外溢：Hy4训练中只纳入防守性网络安全数据，剔除漏洞利用、逆向、渗透类内容；团队还开源了单细胞表征模型HyCell与物理场模型HyPDE，并用Hyra2.0工具链为递归自我改进做储备。把这些放在一起看，Hy4的意义不在于“又一个最强开源模型”，而在于视觉理解加电脑操作正在变成开源模型的标配。企业设计流程自动化的起点，也该从“调API还是写脚本”，变成“这条链路适合API、脚本，还是让Agent直接操作软件”。
