腾讯混元Hy4来了 ! 7700亿参数直接开源

（来源：AI 前沿早知道）

腾讯把混元Hy4 preview放上了开源平台。

总参数770B，激活参数49B，上下文长度干到100万token。四个平台同时上线，HuggingFace、GitHub、ModelScope、Gitcode都能直接拉权重。

这不是实验室里的样品，是跟着腾讯内部软件工程、游戏、金融、安全这些业务一起打磨出来的版本。

百万上下文+770B，到底是什么概念

很多人对数字没体感，说直白点。

100万token差不多能装下70多万汉字。一整本《红楼梦》全文丢进去，它能精准定位到任意一回的细节，不用你分段摘要、来回补充背景。

做开发的感受会更深。一个中型项目的全量代码库一次性喂进去，跨文件排查bug、梳理整体架构，不用拆成碎片反复投喂。

770B总参数用的是MoE稀疏架构，实际推理只激活49B参数。相当于把大模型的能力堆上去，又没让推理成本跟着翻几倍。

跟上一代Hy3比，总参数从295B涨到770B，激活参数从21B涨到49B，上下文从256K直接翻到1M。四个月时间，跨代升级。

真实场景能力，才是这次的硬货

软件工程这块，它能跟上长周期的开发流程。从需求规划、代码编写到验证用例，全流程都能参与，不是只会写单段函数的代码片段工具。前端界面的审美和交互也做了优化，生成的页面不丑。

办公场景更直观。从原始数据处理、表格生成到写演示文档，它能一条龙走下来，不用你中间倒格式、转内容。跨文件协同、多维数据分析这些以前要人工拼接的活，现在一个指令就能出结果。

游戏行业的用法最让人意外。说一句玩法需求，直接生成可玩原型。它能熟练操作主流游戏引擎，生成的东西不是demo级别的摆设，是真能跑起来的。策划想验证个点子，不用等程序美术排期，几分钟就能看到实际效果。而且它还能自己纠错——生成过程中发现bug会自动修复，不用你盯着改。

科研领域也有实打实的进展。配合数学推理工具Hyra，它啃动了百年几何难题——三维Blaschke-Lebesgue问题，把体积下界从之前的0.380799推进到0.41104，离Meissner四面体猜想的0.41986只剩不到2%的差距。

分子动力学模拟上，32512原子的磷脂双分子层SO3LR，在高度优化的JAX实现上又提速了2倍，达到54.9毫秒/步，单张高端GPU能容纳30万原子。新材料筛选、药物分子研究这些方向，计算空间又大了一截。

最大的技术亮点：AI自己优化自己

这次发布最值得关注的，不是参数数字，是递归自我优化。

Hy4 preview第一次全程参与了自身的研发。训练方法怎么调、数据策略怎么选、评估体系怎么建、底层算子怎么优化，这些以前靠研究员拍板的事，模型自己提方案、跑实验、看结果再迭代。

实验产生的代码、日志、反馈数据，直接回流到下一轮探索。官方管这个叫"初步的递归自我改进闭环"。

翻译一下就是：AI不光在学怎么回答问题，还在学怎么把自己造得更好。

它还自己分析了推理系统的瓶颈，围绕算子融合和通信优化做了多轮改进，端到端吞吐比基线提升了31.8%。不同上下文长度、不同并发度下都稳定有效。

AI优化AI的算力效率，这个闭环如果能持续跑下去，长期价值可能超过任何单次参数提升。

盲测得分压过GLM和Kimi

腾讯没只拿基准榜单说话，搞了次更贴近真实工作的盲测。

163名内部专家，203个真实工程任务，双盲打分。

最终Hy4 preview平均分2.99（满分4分），GLM-5.3是2.92，Kimi K3是2.94。

具体到胜率，对GLM-5.3胜46.8%、平12.8%、负40.4%；对Kimi K3胜率51.2%。

分数差距不算大，但都是真实业务场景打出来的分，比刷公开榜单的参考性要强。

它还登上了Code Arena WebDev榜单第5名，在开源模型里排第3。

定价很良心，还能限免体验

API定价：输入6元/百万token，输出18元/百万token，缓存命中只要0.3元/百万token。

对比一下，Kimi K3输出100元/百万token，GLM-5.3输出28元，DeepSeek V4 Pro高峰时段输出27元。Hy4这个定价，在旗舰模型里属于第一梯队的便宜。

模型已经接入WorkBuddy、CodeBuddy国内国际版、元宝、ima这些腾讯产品，普通用户直接就能用。API方面腾讯云TokenHub和OpenRouter都能接。

WorkBuddy和CodeBuddy还开了为期两周的限时免费，想尝鲜的现在就能去试。

别着急吹，它还有明显短板

官方自己也没藏着掖着，明确说这只是Hy4的早期迭代版本，不是最终成品。

预训练和后训练都还有提升空间。遇到复杂长任务时，容易出现思考时间过长、过度自我验证的问题。

基准测试上也不是全面领先。Terminal-Bench 2.1得分85.4，低于GLM-5.3、Kimi K3、Qwen3.8 Max和GPT-5.6 Sol。衡量职业知识工作的GDPval-AA V2得分1678，也低于几款主流模型。

简单说就是，简单任务用着很爽，复杂的长链路任务还差点意思。想直接拿来当生产主力的，可以再等等后续迭代，现在版本更适合尝鲜测试。

8月的大模型战场，已经变天了

整个8月，国内大模型圈跟约好了一样密集发布。

DeepSeek V4 Pro正式版上线，百万上下文+智能体能力；阿里通义千问Qwen3.8系列，高性价比+全模态；智谱GLM-5.3，重点砸编程和网络安全。临近月末，智谱和千问还深夜推出Flash模型，划新的"斩杀线"。

腾讯这波Hy4 preview，是8月迭代潮的收官之作。

能看出来一个明显趋势：大模型竞争早就从比参数数量，卷到了比上下文长度、比真实场景能力、比工程落地效率。

以前发布会比谁参数大，现在比谁能真正干活。代码写得好不好、文档处理快不快、游戏原型能不能跑、科研问题能不能解，这些才是硬指标。

大厂开源也越来越务实。早些年很多开源模型更像实验室样品，落地要做大量适配。这次腾讯直接把内部业务打磨过的版本放出来，开发者拿过去就能用。

自今年2月重建基础设施以来，混元平均每两个月迭代一次大版本，preview先行收集反馈，正式版跟进优化。按这个节奏，Hy4的下一版很快就会来。

玩家越多，卷得越实，普通开发者和用户就能拿到更好用的工具。

你怎么看腾讯这次770B开源？评论区聊聊，抽3位读者送AI agant 教程