腾讯混元Hy4引入视觉理解能力并扩容推理集群

11月4日，腾讯发布最新一代大语言模型混元Hy4，该模型在预训练和后训练阶段显著扩展了数据和规模，并首次引入视觉理解能力。这一技术更新使模型能够准确理解图像、图表及视频等输入，将视觉信息转化为任务指令，例如将平面图片转化为三维模型。鉴于发布次日调用量激增，腾讯已针对Hy4推理集群完成10倍扩容。

在办公场景评测中，Hy4平均效果得分为83.18分，任务通过率达96.15%，在12个场景中9个位列国内第一。尽管模型性能大幅超越预览版，腾讯维持了原有的定价策略，输入、输出及缓存命中价格均未调整。在成本效率方面，国际评测机构指出Hy4单任务成本在同等分数区间内显著低于部分竞品，展现出较强的能力成本平衡优势。

全球大模型评测平台Artificial Analysis最新榜单显示，腾讯Hy4在724款模型中跻身前列，在中国模型中位列第二。在侧重真实智能体任务表现的Agent Arena榜单中，该模型位列总榜第13名，居全球开源模型第一。腾讯高层表示，平台正构建面向智能体的开放策略，允许用户根据任务特性灵活选择不同模型，避免强制绑定。混元团队同时指出，虽Hy4已是强大开源模型之一，但团队仍将持续扩展训练规模以缩小与顶尖闭源模型的差距。

视觉理解与多模态交互能力的下放，正加速安防监控与智能终端从单一感知向复杂语义理解的演进。