8 月 28 日，腾讯混元发布并开源新一代大语言模型 Hy4 preview。规格摆得相当直白：总参数 770B，激活参数 49B，上下文长度突破 1M。定价延续普惠路线——输入 6 元/百万 tokens，输出 18 元/百万 tokens，缓存命中 0.3 元/百万 tokens。模型已在 WorkBuddy、CodeBuddy（国内版与国际版）、元宝、ima 等腾讯产品同步首发，开发者也可通过腾讯云 Tokenhub 与 OpenRouter 接入 API。
一、770B 配 49B：把模型养大，按出勤结账
总参数 770B、激活 49B 的组合，延续了这一年主流的 MoE 选择：把模型整体养大，但每次推理只唤醒一部分专家。总参数量决定它「见过多少世面」，激活参数量决定算一个 token 花多少钱。相比稠密模型，相当于从全员上班改成按出勤结账，规模还能继续往上堆。
1M 上下文是另一件硬通货。这个长度意味着它可以一次吞下整个代码仓库、一整套项目文档或几十万字的资料合集，再开始动手。对长程开发任务而言，能不能「一次看完全貌」，往往直接决定 Agent 是帮你干活还是帮倒忙。
二、不刷榜，评的是「能不能交付」
腾讯给 Hy4 preview 的定位是「为生产力而生」。训练数据来自与软件工程、游戏、金融、安全等领域内部专家的高质量共建，并与 WorkBuddy 等产品做了深度协同（Co-Design）。
最能说明这套打法的，是官方披露的一场内部盲测：163 名内部专家、203 个工程任务，Hy4 preview 均分 2.99（满分 4），略优于 GLM-5.3 的 2.92 与 Kimi K3 的 2.94。分数咬得很紧——差距都在小数点后两位。
但需要如实标注：这是腾讯自行组织的内部盲测，不是第三方公开榜单。它的参考价值更多在于「任务类型选得对不对」——评委是自己人、任务是真活儿，水分挤得比较干净；但外部可验证性有限，不宜当作跨模型排名的依据。
三、四条场景线：软工、办公金融、游戏、科研
具体落点上，官方列了四个方向。软件工程侧，增强长程开发任务的理解、规划、调试与验证能力，并提升前端开发的视觉审美与交互质量；办公分析侧，提升复杂办公环境理解与金融分析能力，着重优化数据分析与跨文件协作，完成从信息处理到文档、表格与演示文稿交付的完整流程；游戏开发侧，增强一句需求直接生成可玩原型的能力，并能熟练使用游戏引擎，通过多轮交互持续完善复杂项目；科学研究侧，覆盖 AI 研发、分子动力学模拟、凝聚态物理与基础数学等场景。
这个组合很「腾讯」——不追通用榜单上的单点分数，而是往自家业务最强的几个方向压。
四、最值得琢磨的：它参与了造自己
这次发布里真正新鲜的部分，其实不在参数表上。腾讯披露，Hy4 preview 首次参与了自身研发的全链路：训练方法、数据策略、评估体系与底层算子的自动优化，它都插了一手。流程是它提方案、跑实验、根据结果继续迭代，实验产生的代码、日志与反馈进入下一轮探索。官方把这套机制称为「初步的递归自我改进闭环」。
更具体的一项成果落在推理基础设施上：模型自主分析推理系统的瓶颈，围绕算子融合、通信优化等方向开展多轮优化，端到端吞吐相较基线提升 31.8%，且在不同上下文长度与并发度下均取得稳定收益。
31.8% 这个数字值得单独拿出来说，因为它是可量化、可归因到具体工程动作的结果，而不是「模型更强了」这种模糊表述。
五、客观看：闭环是真的，但别急着叫「自我进化」
措辞上需要克制。所谓递归自我改进，目前仍停留在「在人类设定的搜索空间内做工程优化」这一层——优化算子融合、调整数据配比、迭代评估方案，这些都是有明确目标函数、可自动验证的任务。它离「模型自主提出新的架构范式」还有相当距离，官方用的也是「初步」二字。
但方向确实变了。过去模型是训练流程的产物，现在它开始成为训练流程的参与者。对 Agent 赛道而言，这意味着「AI 参与造 AI」不再是论文里的设想，而是已经进了大厂的研发流水线。
节奏上，自今年 2 月重建基础设施以来，混元采用 preview 先行、正式版跟进的方式，平均每两个月迭代一个大版本。按此节奏，Hy4 的下一版模型将在近期上线，具体时间官方尚未公布。另据官方信息，Hy4 preview 在 WorkBuddy 与 CodeBuddy 上提供为期两周的限时免费体验，Hy3 在这两个平台的免费使用期限延长至 9 月 30 日。