网硕互联帮助中心 /* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}
8 月 28 日 preview 直接放权重,11 月 4 日正式版反而先闭源——"最强开源模型"的头衔,挂在了一个还没开源的模型上。
腾讯混元 11 月 4 日发布 Hy4 正式版:相比 68 天前的 preview 扩大了预训练与后训练规模,首次引入视觉能力和电脑操作(细粒度图像处理、复杂图表分析、数学视觉推理,以及命令行+图形界面混合任务),1M 上下文保留,已在腾讯云和 OpenRouter 上线,元宝、ima、CodeBuddy/WorkBuddy(免费试用但有限额)可体验,OpenClaw 宣布支持,Chutes 即将上线。
但真正值得写下来的不是功能清单,而是三个官方话术盖不住的反常点。
一、开源旗舰,先闭源
| 参数规模 | 770B MoE / 49B 激活 | 官方未披露(“扩大规模”) | preview:官方 |
| 权重 | 发布即开源(Apache 2.0) | 目前为专有模型,权重"近期"开源 | Arena 官方明说"currently proprietary" |
| 视觉/电脑操作 | 无 | 首次引入 | 腾讯官方 |
| API 价格 | $0.834/M 输入、$2.50/M 输出 | 维持不变 | 腾讯云官方 |
| Agent Arena | 开源第 2 / 总榜第 10 | 总榜第 14,净提升 +4.7% | Arena(下详) |
8 月的 preview 是标准的开源打法:代码、文档、权重同日放出,Hugging Face 可下、vLLM/SGLang 可部。11 月的正式版把这个顺序倒了过来——API 先行,权重等"近期",外加一张承诺中的"模型系统卡片"。腾讯的 X 官宣写着"Firmly among the leading open models",但 Arena 的榜单备注很诚实:目前是专有模型。
这不是抠字眼。"跻身最强开源模型之列"是一个尚未验证的宣称——验证物(权重、许可条款、系统卡片)都还在期货状态。preview 的 Apache 2.0 会不会延续?正式版规模多大、部署门槛多高?这些直接决定"开源第一"是头衔还是营销词。参照我拆 Genie 4 时的结论:官宣期货和交付物之间,隔着一条"宣称-验证缺口"。
二、分数涨了,排名为什么跌了
Arena 公布的数据(基于 8.5K+ 真实长程智能体会话):Hy4 正式版净提升 +4.7%,进入 Pareto 前沿——但总榜排名从 preview 的第 10 掉到第 14。
不矛盾:榜单是移动靶。两个月里新模型陆续上榜,Hy4 自己在涨,名次却被涨得更快的挤下去了。把排名当叙事会得出"正式版不如 preview"的荒谬结论;把分数当叙事,才看得到真正的战场——
Arena 明说:权重开放后,Hy4 将与 Kimi K3.1 Pro 并列开源模型第一,两者得分相差不到 1 个百分点。也就是说,国产开源的"开源第一"之争,已经收敛到腾讯和月之暗面的两强内战,差距缩到一个百分点以内。
三、API 单价没变,任务成本翻倍
这是最容易漏掉的口径坑:
| API token 单价 | $0.834/M in、$2.50/M out | 完全相同 | 腾讯云官方 |
| Arena 单任务成本 | ~$0.26 / median task | ~$0.55 / task | Arena 实测口径 |
腾讯没说谎——token 单价确实没涨。但 Arena 口径下,跑完一个真实 agent 任务的账单翻了一倍:视觉输入的 token、电脑操作的循环调用、更长的会话,都在往任务里加 token。"单价不变"和"用得起"是两回事,这也是我在 Google Flash 定价线上反复提醒的:看单位价格,更要看单位任务的落地成本。
不过同一个数字反过来看是好消息:成本翻倍、分数涨得更多,Hy4 才得以进入 Pareto 前沿——性价比曲线是往上走的。对标 K3.1 Pro 的 $1.46/task,Hy4 低约 62%,这才是"开源第一"之争里腾讯真正的弹药:分数学个月内追平,价格先杀到位。
四、所以呢
数据来源与口径声明(按可信度分层):
① 官方口径(最高可信):11/4 发布、首次视觉+电脑操作、1M 上下文、GameDev +19.1%/GameLogic +9.8%(自家基准、vs preview)、API 价格维持不变($0.834/M 输入、$2.50/M 输出,preview 期腾讯云定价)、上线腾讯云/OpenRouter/元宝/ima/CodeBuddy/WorkBuddy、OpenClaw 支持、Chutes 与权重开源与系统卡片"近期"——腾讯混元官方公告、腾讯云文档、官方 X,经 PRNewswire/pandaily/biggo 等多源交叉。
② 第三方评测口径(高可信):Agent Arena 总榜第 14、净提升 +4.7%、8.5K+ 真实长程会话、进入 Pareto 前沿、当前专有模型身份、权重开放后与 K3.1 Pro 并列开源第一(分差 <1pt)、$0.55/task vs $1.46/task(低 62%)——Arena 官方榜单及官方 X。
③ 背景口径(中等可信):preview 开源状态(770B/49B、Apache 2.0、发布即开源)与上月榜单表现(开源第 2/总榜第 10、~$0.26/median task)——发布期官方信息及 Arena 引述;Hy4 Flash 即将推出——官方渠道转述,无定价与时间表;K3.1 Pro 2.8T/104B 参数为 7 月发布期口径。
口径警告:preview 的 $0.26 是 median task 成本,正式版的 $0.55 为 per task 口径,统计基准不完全一致,"成本翻倍"为方向性判断而非精确倍数;K3.1 Pro 另有 Max 变体 $1.03/median task 的旧口径,本文统一采用 Arena 当前页面的 $1.46/task 口径;GameDev/GameLogic 增幅基线为 preview,不可与第三方榜单分数换算。
评论前必须登录！
注册