小墨同学(@xiaomovps):用混元4 跑了一下鹈鹕测试，结果让我震惊🔥 简单理解就是测试混元4模型的，空间感知、图像理解和视觉理解这三个方面，整体测试下来效果很不错。这里我就来解释一下什么是鹈鹕测试。鹈鹕测试其实可以简单理解成三层： 1、测 SVG 是否真正由模型生成检查是不是老老实实用 SVG 代码画出来，而不是塞图片、文字或者其他绕过方式，因为第一步要先确认，模型是真的会写 SVG。 2、测空间和几何结构是否正确比如轮子数量、位置、车架连接，以及鹈鹕有没有真的坐在自行车上，因为 SVG 本质上是在用代码描述物体之间的空间关系，这一步主要看模型懂不懂结构。 3、测最终视觉语义是否正确把 SVG 渲染成图片，再判断“像不像鹈鹕”“是不是真的在骑自行车”因为代码能运行、结构也完整，不代表最后画出来的东西就是对的。

2026.08.28 09:45

用混元4 跑了一下鹈鹕测试，结果让我震惊🔥 简单理解就是测试混元4模型的，空间感知、图像理解和视觉理解这三个方面，整体测试下来效果很不错。这里我就来解释一下什么是鹈鹕测试。鹈鹕测试其实可以简单理解成三层： 1、测 SVG 是否真正由模型生成检查是不是老老实实用 SVG 代码画出来，而不是塞图片、文字或者其他绕过方式，因为第一步要先确认，模型是真的会写 SVG。 2、测空间和几何结构是否正确比如轮子数量、位置、车架连接，以及鹈鹕有没有真的坐在自行车上，因为 SVG 本质上是在用代码描述物体之间的空间关系，这一步主要看模型懂不懂结构。 3、测最终视觉语义是否正确把 SVG 渲染成图片，再判断“像不像鹈鹕”“是不是真的在骑自行车”因为代码能运行、结构也完整，不代表最后画出来的东西就是对的。

小墨同学@xiaomovps

2026.08.28 08:21

简单看了一圈刚发布的 Hy4 preview，我觉得有 3 个点挺有意思。第一，它明显在为长任务和 Agent 做准备。 1M 上下文背后塞了 Sparse Attention、IndexCache、MTP，不只是把窗口数字拉大，而是在解决长链路任务真正跑不动的问题。第二，Hy4 已经开始参与“研发自己”。从训练策略、评测到推理优化都开始让模型参与，官方给出的吞吐提升是 31.8%。第三，模型竞争开始从“会不会答题”，转向“能不能长期干活”。腾讯也开始拿真实工程任务测试，缓存价格已经打到了 0.3 元 / M Token。看来这次腾讯是像这种动真格的了，已经不再是比单纯的模型能力，而是谁更适合成为长期运行的 Agent 底座。