Hy4 preview

1. 1M 上下文，能塞进去，也能找出来

Hy4 preview 的上下文窗口从 Hy3 的 256K 提升到 1M，容量接近 4 倍。

这种升级对长文档和大型代码库最实用。

有媒体做过一次比较暴力的测试：把《三体》三部曲和一份年报一起放进模型，让它找出罗辑提到“黑暗森林”的相关段落，同时分析年报里的投资策略。

Hy4 preview 最后找出了 8 处相关内容，还能定位到具体章节。

这类测试比单纯写“支持 1M 上下文”更有参考价值。

因为真正重要的不是能不能塞进去，而是塞进去以后还能不能把东西找出来、继续分析。

2. Agent 和编程能力提升很大

Hy4 preview 这次变化最明显的地方，还是 Agent 和软件工程任务。

几个公开指标的提升很直观：

• DeepSWE：28.0 → 64.3
• Terminal Bench 2.1：70.8 → 85.4
• Toolathlon-Verified：56.2 → 74.1

这些测试都不是普通问答。

模型需要自己理解任务、调用工具、读取结果，再决定下一步做什么。有些任务还要连续跑很多轮，对上下文跟踪和执行稳定性要求很高。

腾讯还找了 163 名专家，对 203 个真实工程任务做盲测。Hy4 preview 平均得分 2.99 / 4，略高于 Kimi K3 的 2.94 和 GLM 5.3 的 2.92。

单看差距不算夸张，但至少说明它在真实工程任务里不是只靠榜单数据撑场面。

3. 腾讯把训练重点压在四类任务上

Hy4 preview 这次的方向很明确。

• 软件工程：加强长程开发、任务规划、调试和验证，前端生成也专门优化了视觉和交互质量。
• 办公分析：覆盖复杂办公环境、金融分析、跨文件协作，从整理信息一直做到文档交付。
• 游戏开发：一句需求就能生成可玩的原型，还可以继续通过多轮交互往下改。
• 科学研究：加强 AI 研发、分子动力学、凝聚态物理、基础数学等方向的推理和求解。

这四类任务有个共同点：都不是问一句答一句。

它们更像真正的工作，需要模型持续理解、执行、修正，再继续下一步。

4. 从 Hy3 到 Hy4 preview，升级不只是参数

和 Hy3 相比，Hy4 preview 的规模确实大了一圈。但这次真正有意思的，不只是参数变大。

第一，Hy4 preview 开始参与自己的研发。

按照腾讯公布的信息，它会自己提出优化方案、跑实验，再根据实验结果继续调整。过程中产生的代码、日志和反馈，会进入下一轮探索。

这已经不是单纯“人训练模型”了，而是模型开始帮着一起做模型研发。

第二，它还参与了推理系统优化。

Hy4 preview 自主分析了推理系统的性能瓶颈，针对算子融合和通信做优化，最后让端到端吞吐量相比基线提升了 31.8%。

这点比“参数又涨了多少”更有意思。

因为它不只是被优化的对象，也开始参与优化自己的训练和推理流程。

优势

Hy4 preview 最有价值的地方，就是“生产力”这个方向做得够集中。

1M 上下文、Agent、编程、办公分析都不是为了凑功能，而是明显围绕真实工作流来做。

缓存价格也很有竞争力。只要业务里有大量重复上下文，0.3 元 / 百万 tokens 会比标准输入价格省很多。

限制

Hy4 preview 还是 preview 版本，稳定性肯定要继续看。

它暂时还是纯文本定位，没有明确的多模态能力。涉及图片、视频、复杂视觉文档的任务，它就没那么合适。

价格也不是最低档。和同类开源模型比，它走的是性能、上下文和成本之间的中间路线。

推荐人群

比较适合真准备把模型接进业务里的开发者和技术团队。

长文档、代码开发、Agent、办公自动化，或者业务里本身就有大量重复上下文，这几类场景最适合拿 Hy4 preview 去实测。

两周免费期也够用了。别看榜单，直接拿自己的任务跑一遍，最容易判断它值不值得用。

不推荐人群

如果你追求的是数学、复杂逻辑这类任务的极限推理能力，Hy4 preview 未必是第一选择。

如果业务要求完全本地部署、不依赖云端 API，也要重新算一遍 GPU、显存和运维成本，不能只看模型已经开源。