Hy4 正式发布！7700亿参数 MoE 加电脑代驾，万年“保守派”腾讯的逆袭

如果过去两年你经常混迹在国内外开源社区，对大模型厂商大概会有一种根深蒂固的刻板印象：深度求索（DeepSeek）是极客心中的神庙，动不动用几万行神仙代码和极致算力优化给硅谷同行上一课；阿里通义千问（Qwen）像个不知疲倦的劳模，隔三差五就在 Hugging Face 上倾泻全尺寸开源全家桶；至于腾讯，给大多数开发者的感觉更像个坐在角落里喝茶的中年大叔——手握全中国最庞大的社交关系链和算力底座，却在自研大模型上显得异常克制、甚至略带一点老派厂牌特有的迟钝。大家提起混元，第一反应往往是“腾讯自家的微信和会议用用就好”。

直到今天，腾讯突然毫无预警地把一张底牌直接砸在桌上，震得整个开源圈倒吸了一口凉气。

谁能想到，平时最沉得住气的企鹅，悄悄在工位下造了台重坦

今天上午，腾讯混元团队正式发布了新一代旗舰混合专家模型 Hy4 正式版。如果你只看名字，可能会以为这又是大厂惯例的“小修小补发版本”，但只要扫一眼核心参数和跑分表，你会发现这家平时把防御装拉满的巨头，这次几乎把能端上桌的重武器全亮出来了：

总参数 7700 亿（770B），单 Token 激活参数 490 亿（49B），原生支持 100 万（1M）Token 超长上下文。更让人始料未及的是，腾讯不仅宣布近期将直接按照 Apache 2.0 协议陆续开源完整权重，甚至在模型里首度塞进了国产大厂此前罕有正式端出的重磅功能——原生 Computer Use（电脑操作）。

在外界以为国内开源大模型格局已经定型的节骨眼上，万年“防守型选手”腾讯，突然在南极冰原下开出了一台装甲厚重、火力拉满的重型坦克。

别光看 7700 亿吓人，真正狠的是那 490 亿被激活的零件

在大模型参数通胀的年代，把总参数堆到几千亿已经吓不倒专业开发者了。真正决定一个巨型模型是“吞金怪兽”还是“实战利器”的，是它的推理效率和结构精巧度。

Hy4 选用的是混合专家（MoE）路线。简单来说，它把 7700 亿的总参数拆解成了一个极其庞大的专业智囊团，但在任何一个 Token 的推理瞬间，模型只会精准唤醒其中的 490 亿参数。这相当于用一个 50B 左右中型模型的推理开销与响应速度，撬动了近万亿级参数的知识储备和推理深度。

更值得玩味的是底层的架构细节： 1. 吸收开源精华的门控稀疏注意力（Gated DSA）：腾讯在 Hy4 中引入了门控稀疏注意力机制，明显融合并吸收了开源前沿在跨层稀疏索引与 KV 缓存复用上的解题思路，让模型在吞吐 100 万 Token 的巨型代码库或长财报时，不会让显存瞬间爆炸。 2. 跨层恒等超连接（iHC）：为了解决千亿级深层网络容易梯度弥散和信息衰减的老大难问题，Hy4 搭建了极深层间的信息直通桥梁，这也是它在超长思考链条下不容易“胡言乱语”的核心底座。 3. 软硬件协同的 Co-Design 压榨：不同于纯实验室的论文模型，Hy4 是直接在腾讯内部最严苛的业务算力集群里淬炼出来的，从底层算子到显存通信都做了深度重构。

这一套组合拳打下来，最直观的体现就是代码与工程测试集的惨烈打脸现场。在被称为大模型试金石的 SWE-bench Pro（端到端软件工程大仓库 Bug 修复） 上，Hy4 轰出了 65.7% 的分数；在更加苛刻的长链条代码基准 DeepSWE 上，它的成绩直接从前代的 28.0 翻倍狂飙到 64.3；而在考察命令行交互与系统操作的 Terminal-Bench 2.1 中，它跑出了 85.4% 的通过率。这表明它已经彻底脱离了“写两段排序算法”的代码补全阶段，具备了在真实复杂工程里跨文件排错、改动验证的独立工兵实力。

终于有人不把 Computer Use 当极客玩具，直接塞进了打工人的 CAD 和 Blender

如果说 770B MoE 和高跑分只是把“大厂及格线”拉到极致，那么 Hy4 这次真正具备颠覆意义的看点，是它端出来的 Computer Use（电脑操作）。

过去半年，海外以 Claude 3.5 为代表的电脑操作功能在极客圈掀起过狂潮，但很多人尝鲜后发现，实际落地往往停留在“让 AI 帮我在浏览器上点外卖”、“在终端敲两条 git pull”的玩具级别。一旦遇到复杂的企业生产力软件，坐标稍微偏移一两个像素，或者界面弹出一个未预料的提示框，AI 就当场卡死。

腾讯这次的思路异常务实，甚至带着一种浓烈的老派打工人特质。他们没有把 Computer Use 包裹成浮夸的概念，而是把靶心精准瞄准了两个最让人头秃的硬核重工业场景：Blender 3D 建模 与 CAD 工业设计。

在官方技术演示与内测实操中，Hy4 展现出了一种兼具“黑客敲命令行”与“手握鼠标点界面”的双轨操作流。面对一段“根据机械图纸生成连杆机构 3D 实体模型”的自然语言需求，模型不会干瘪地给你吐出几行 Python 脚本让你自己去粘，而是会直接启动 Blender 容器，一边在后台用 Python API 批量生成几何网格与物理约束，一边通过图形界面捕获视口、检查顶点拓扑、实时微调材质节点与坐标轴对齐。

这种“命令行执行硬逻辑 + 图形界面视觉闭环校验”的混合控制模式，把以前只存在于科幻演示里的“AI 代驾”，第一次拉到了真实制造业、建筑设计和游戏原型开发的粗糙地面上。

算力账单的残酷反差：三毛钱看一百万字，逼得闭源巨头心里发毛

极客看技术，企业看账本。任何脱离算力经济学的技术吹嘘，在工业界都活不过三个月。

随着 Hy4 正式版的发布，腾讯云 TokenHub 同步挂出了令人心跳加速的商业定价牌： 1. 常规推理输入：6 元 / 百万 Tokens。 2. 常规推理输出：18 元 / 百万 Tokens。 3. 缓存命中输入（Cached Input）：0.3 元 / 百万 Tokens。

这是什么概念？如果你把一个包含几十个源码文件、几十万行上下文的工程仓库挂载在上下文缓存中，模型每次复查代码、检索关联模块时的输入成本，只要 三毛钱人民币（0.3 元） 就能阅读一百万个 Token。对比海外前沿同档模型动辄数十美元、折合数百元人民币的百万 Token 报价，这种价格落差简直像是在算力市场掀起了一场价格核爆。

而且，普通用户根本不需要写任何代码去接入 API。今天上午，手机里的 腾讯元宝 App 已经在后台完成了 Hy4 的静默热替换升级。普通人点开元宝的深度推理和图像识别，背后运转的已经是这台 7700 亿参数的庞然大物。

左手用极致白菜价的 API 冲击企业服务市场，右手用免费的国民级 App 铺平用户入口，最后再把开源权重的达摩克利斯之剑悬在头顶——这种典型的“腾讯式推进打法”，看似温吞无奇，一旦闭环成型，对那些依赖昂贵封闭 API 维持利润的海外实验室而言，杀伤力几乎是窒息级的。

别高兴得太早：770B 的庞然大物，中小团队的显卡依然在流泪

在一片狂欢声中，作为一个严肃的科技观察者，我们必须泼一盆清醒的冷水：Hy4 很强，但它绝不是每个人都能轻易塞进机房的免费午餐。

首先是极度严苛的本地私有化部署门槛。总参数 770B 哪怕经过了 FP8 甚至 INT4 的激进量化，显存占用依然是一个让人眼晕的天文数字。对于预算有限的初创公司或个人独立开发者来说，想要在自己的工作站上把完整权重跑起来，没有多张专业级顶尖大显存 GPU 集群（如单机多卡 B200 级算力）基本只能望洋兴叹。这意味着在未来很长一段时间里，中小开发者最现实的使用姿势，依然是乖乖调用云端 API。

其次是长程思考模式下的“过度自我验证”惯性。根据早期测试者在超复杂任务上的反馈，Hy4 在开启深度思考和多步 Agent 协同排错时，偶尔会陷入反复回溯、自我怀疑并多轮重试的循环中。这种“慢工出细活”的设计虽然保障了高达 65.7% 的 SWE-bench 解决率，但也直接导致部分复杂请求的端到端耗时被大幅拉长，生成的中间思考 Token 数量急剧增加。

但无论如何，这场突袭彻底改写了国内乃至全球大模型的竞争剧本： - 对于普通用户：打开手机上的腾讯元宝，直接白嫖 7700 亿旗舰参数的深度思考与复杂图表分析，没有任何学习门槛。 - 对于独立开发者与初创企业：不要硬扛本地部署，利用 TokenHub 的 0.3 元缓存命中机制，把长文档问答、跨文件代码审查和 Blender 自动化做成轻资产落地产品。 - 对于整个行业：它宣告了国内开源大模型不再只是某一家或两家新贵的独角戏。当最擅长打阵地战的科技巨头脱下保温杯外衣、端出 770B 开源重炮入局，真正的算力大洗牌才刚刚开始。