说真的， Hy4 preview @TencentHunyuan 这次帮了我大忙。 单位这边，要做 GPCR 配体筛选。 很多候选分子是亲脂的， 真正进口袋之前 先在磷脂双层里分区、侧向扩散 膜的厚度、面积、尾链有序性也会把受体的构象平衡往一边推。单纯做分子对接一套，膜里又是另一套。 所以磷脂双分子层建模本身就得先跑稳、跑够长，后面才谈得上把受体嵌进去筛。 问题是单位不让用海外模型。 自己反复推， 热路径改完不是对不齐，就是快不了 3万多原子的磷脂双层， SO3LR 机器学习力场， 底下已经是一份抠过很久的 JAX 实现 再往上挤怎么都没戏。 换成 Hy4 preview，这条才走通。 在目前基线上又快 2倍， 到 54.9 ms/step 这次是真帮我踩着ddl算过去了 真！救我狗命！

给大家带来 Hy4 preview 实测! 这次送外卖Agent测试终于下岗啦! 取而代之的是更复杂的多智能体测试, AI不但要控制游戏角色来打怪, 还要控制召唤出拉的SubAgent来协作! 而 Hy4 甚至在测试中学会了团战和堵门打法! 除此之外, 在后端 Agentic Coding 测试中, 之前 Hy3 只考了16分, 而这次 Hy4 竟然考了 10779 分! 究竟是怎么做到的? 详情请看视频! #混元4# #hy4# #hy4preview# #AIAgent# #AI写代码# #腾讯混元#

🎉恭喜鹅厂！恭喜 姚顺雨 ！ 这绝对是鹅厂大模型最提气的一次！混元 Hy4 实测有点东西 我用平时测各大模型的专属提示词（一句话生成太空星体）跑了一下最新的 Hy4 preview，结果非常惊喜，效果极其唯美 虽然渲染和思考耗时 50 分钟（和kimi k3 一样慢），但它在后台的思维链表现非常惊人，一些细节通过几轮沟通微调就搞定了 经历了前阵子的架构调整，鹅厂这次终于坐上桌子了（说实话，hy3还是比较拉垮） 最后，姚顺雨 是真的牛逼！全体起立！ @TencentHunyuan hy4 目前限免到9月10号，不信自己去试试 --- Ps : 对了，不是广子，没收钱🙂

腾讯混元刚发布并开源 Hy4 preview，770B 总参数、49B 激活，还支持 1M 上下文。 一句话直接生成高完成度 3D 场景，细节、材质、空间感都很强。 这效果比我之前用 Codex 手搓 3D，不知道强了多少倍……

腾讯 Hy4 preview 内测的真实感受。 现在这个模型竞争是真的激烈。完全没想到，腾讯混元 Hy4 preview 这么快就来了，之前很多人还预测说得年底。我昨天一早拿到了内测名额，干了 2000 多万 Token，还是想和大家说下我的真实感受。 先说模型基本的配置，这现在看模型，就和手机一样，得先看参数。Hy4 preview 的基本面是： 1）总参数 770B、激活参数49B。 2）1M 上下文。 3）输入缓存命中 0.3 元。 能看出来，确实腾讯也在逐步提升模型的总参数量，这也是意料之中的事情。目前各个公司都在追求更大规模参数的模型，毕竟大参数和模型之间，还是有直接的对应关系。 Benchmark 等等能在其他地方查到的信息，我就不说了。直接谈谈我的使用感受。 1、Hy4 preview 仍然在快速进步，综合能力基本上已经逼近 GLM-5.3 的水准，超过 DeepSeek V4 系列。这次之后，我觉得腾讯的模型也正式跨入到国内第一梯队的水准了。至少和之前我们讨论的 Kimi、GLM 等等模型，可以有来有回了。 2、或者这么说，我这两天全天候在 WorkBuddy 中深度使用 Hy4 preview。在我日常跑的这些 Coding 或者办公任务里，已经很难明显感觉到 Hy4 preview 和其他几个头部模型之间有什么差距。感受不出来，根本感受不出来。有更复杂 Coding 场景的同学，也可以试试，评论区里交流。价格还是非常便宜。 3、我让它做了一个北京地铁动态交互网站，前前后后大概跑了半个多小时。大家可以直接看效果。其实它第一次生成出来的版本，完成度就已经非常高了。这个 Case 我之前也试过 Hy3 正式版，基本做不出来。所以单看前端 Coding，Hy4 preview 相比 Hy3 的提升还是非常明显的。 4、我把自己目前正在跑的一个后端项目交给它，让它帮我检查里面可能存在的漏洞。其中有一部分涉及订单场景，不同平台的支付逻辑交织在一起，代码本身还是比较复杂的。Hy4 preview 最后真的找到了一个并发场景下，订单号和支付逻辑之间的 Bug。 这部分代码其实是 GPT-5.6 写的。后来我也让 GPT-5.6 自己重新反思、检查了一遍，它没有找到这个问题，Hy4 preview 反而找到了。当然，一个 Case 不能说明两个模型谁一定更强。但至少这个结果挺让我意外的。 5、不用猜，Hy4 preview 这次肯定在后训练方面，着重优化了办公任务。毕竟腾讯的 WorkBuddy 现在重点在渗透知识工作者，这类人群的杀手级的应用场景就是文档处理、数据分析等等。 我给了它一个比较复杂的审计任务，需要在几张表之间来回比对数据，最后根据这些数据找出问题，再给出结论。这个任务其实很考验模型能不能一直记住前面的业务规则，同时把几张表里的信息真正对应起来。 6、最后我还顺手测了一个比较有意思的 Case。我把我们产品的 Logo 给它，让它只用纯 HTML，帮我做一个动态效果，有点像之前 Grok Bot 那种感觉。大家也可以直接看最后的效果。半个月前，我同样也让 GLM 5.3 跑过这个 Case，现在，已经难分伯仲了。 7、当然，仍然也还是有一些缺点。比如模型仍然会有不同程度的过度思考。地铁那个 Case 里，我看到模型在生成动画时，它会花很多时间反复检查一些其实已经没有问题的细节。 这个问题在长任务里会更加明显。模型能力强了以后，它确实会习惯性的反思，但反思太多，任务时间就会被拉长。 尤其是一些需求非常明确的小修改，我其实只希望它赶紧改完，不需要每一步都想得那么复杂。我看到官方也提到这个问题了，最近我用 GPT 5.6 和 5.6，也会遇到类似的问题。 8、另外就是审美。虽然比 Hy3 preview 有提升，但我感觉 Hy4 在后训练上，应该还没有花很多精力做这件事。 就像 Logo 动画那个例子，我提示词比较简单的时候，它生成的第一版还是会出现一些比较难看的光晕、渐变，包括元素之间的比例和动效节奏，也容易往那种很典型的 AI 审美上靠。 当然，如果我继续给它反馈，让它把这些东西去掉，最后是可以改得非常完美。所以问题更多还是默认审美没有做到特别好。希望正式版的时候这个问题可以解决。