腾讯Hy4调用爆量十倍扩容：Agent榜开源第一，单任务成本0.78美元

一款新模型上线首日，最怕的不是没人用，而是太多人同时用。11 月 4 日腾讯混元 Hy4 发布后，WorkBuddy 首日就遇到大量用户触及额度，腾讯随即把 Hy4 推理集群扩容十倍，并提高了免费体验额度。调用量激增，成了这款模型能力的一次压力测试。

更值得看的是海外评测给出的反馈。在 Artificial Analysis 最新智能指数榜单上，Hy4 在 724 款模型中跻身前列，位列中国模型第二，仅次于 Kimi K3.1 Pro，领先 Qwen 3.8 Max、DeepSeek V4.1 Flash 等模型；在更侧重真实智能体任务的 Agent Arena 榜单上，Hy4 位列总榜第 13 名，居全球开源模型第一。

一分钟速览

• Hy4 于 11 月 4 日发布，WorkBuddy 首发接入，首日调用激增，推理集群已扩容十倍。
• Artificial Analysis 智能指数中，Hy4 位列中国模型第二，与 Grok 4.7（xhigh）并列。
• 单任务成本约 0.78 美元，比 Grok 4.7（xhigh）便宜约 10 倍，比 Qwen 3.8 Max 便宜约 13 倍。
• Agent Arena 总榜第 13，开源模型第一，同时位于性价比帕累托前沿。
• 相比 Hy4 preview，正式版扩大预训练与后训练规模，首次引入视觉理解，并强化长程智能体能力。

“开源第一”到底意味着什么

Agent Arena 的评测方式，和传统跑分不太一样。它更关注模型在真实智能体任务中的表现：能不能理解目标、拆分步骤、调用工具、处理异常，并在多轮交互后把任务完成。这类评测更接近企业真正关心的场景，也更难靠单点能力刷分。

Hy4 在这个榜单上排名总榜第 13，居开源模型第一。第 13 名听起来不算炸裂，但放在“开源”这个限定里，意义就不同了：企业可以在可控成本下，获得接近闭源头部模型的 Agent 能力。对大量正在做私有化部署的团队来说，这比单纯的 benchmark 分数更有吸引力。

性价比是另一个关键变量。Artificial Analysis 提到，Hy4 单任务成本约 0.78 美元，在同等分数区间内显著低于 Grok 4.7（xhigh）和 Qwen 3.8 Max，价格分别便宜约 10 倍和 13 倍。Agent Arena 的帕累托前沿也显示，Hy4 在明显降低成本的同时，仍保持正分表现。

从 preview 到正式版，补了哪些课

腾讯披露，Hy4 相比 Hy4 preview，在预训练和后训练上显著扩展了数据与训练规模，首次引入视觉理解能力，并大幅提升指令遵循、长文理解、长程智能体等综合效果。这些能力指向的是同一个方向：让模型从“会聊天”变成“能干活”。

长程智能体尤其考验模型的稳定性。任务一长，上下文会膨胀，工具调用会变多，中间任何一步出错都可能让整个流程跑偏。模型需要记住目标、维护状态、在失败后调整策略。这类能力很难通过短期微调获得，更多依赖后训练阶段对真实任务分布的设计。

视觉理解的加入，则让 Hy4 可以处理截图、文档、图表等非纯文本输入。对办公场景来说，这是一个实用的补全：用户丢过来一张报表或一张界面截图，模型能直接理解，而不是先要求转成文字。

扩容背后：推理成本才是长期战场

首日十倍扩容，说明需求真实存在；但扩容也意味着成本。对模型厂商来说，调用量上涨并不自动等于利润上涨，推理集群的利用率、单 Token 成本和稳定性，决定了这门生意能不能持续。

腾讯给出的解法，是把模型能力和工程优化一起推进。Hy4 在国产加速卡上的推理优化，据称让 Hy4 preview 单卡吞吐达到初始版本的 5 倍，相关团队用两周完成专项优化，并把成果沉淀到 TI-ONE 平台。这类优化不会直接提高榜单分数，却直接决定企业客户愿不愿意长期买单。

趋势洞察

2026 年的大模型竞争，正在从“谁的分数高”转向“谁能让 Agent 稳定完成任务，且成本可控”。Hy4 的定位很清晰：不追求在所有维度上压过闭源旗舰，而是用开源、可部署、性价比高的组合，抢占企业 Agent 市场。

这条路的挑战也很明确。开源意味着竞争更透明，其他模型随时可能在同一价位段给出更强能力；企业客户则更看重长期维护、工具链和安全合规。榜单能带来第一波关注，真正留住客户的，还是交付。

结语

Hy4 的首日爆量，是一次需求侧的真实投票。它说明市场对“能干活的国产开源模型”有明确需求，也说明推理基础设施仍然是瓶颈。接下来值得观察的，不是 Hy4 还能刷多高的分，而是它能否在更多企业工作流里，稳定地跑完那些又长又琐碎的任务。