输入 $0.834/M 不变、新增读图与电脑操作：腾讯混元 Hy4 完整版上线，但等着下权重的团队还要再熬一阵

腾讯在 2026 年 11 月 4 日端出了混元 Hy4（Hunyuan Hy4）完整版。距离 8 月 28 日那个纯文本预览版过去两个多月，这次把视觉理解和电脑操作（涵盖命令行界面与图形界面）补齐了。最让价格敏感型开发者松一口气的消息：API 标价一分没涨，依然维持每百万输入 token 0.834 美元、输出 2.501 美元、缓存输入 0.042 美元。

不过，如果你正盯着机房里空闲的显卡，盘算着像 8 月份那样直接拉取 Apache 2.0 权重做本地私有化部署，这次恐怕要落空。大家按照预览版的节奏，以为完整版也会同步开放权重下载，实际上腾讯这次只开了托管 API。官方承诺权重和完整系统卡稍后放出，现在既不能下载，连完整版最终采用什么开源授权协议都还没定音。等着自建推理服务的数据合规团队，眼下只能先观望，或者转头去接云端接口。

预览版与完整版账面差异：参数迷雾与渠道放开

8 月底预览版刚出的时候，7700 亿总参数、每 token 激活 490 亿参数的混合专家架构（MoE）参数量写得明明白白。到了 11 月 4 日完整版上线，不少外媒报道称完整版沿用了这套规模。但我在核对发布信息时发现，腾讯在完整版发布时并没有官方重申这组参数数字。加入视觉编码器和电脑操作训练后，底座体积有没有微调？目前没有官方实锤，我们不能直接把预览版的数字当成完整版的定论。

上下文窗口倒是实打实的宽裕。根据 OpenRouter 披露的部署信息，完整版支持 1,048,576 token（约 1M）上下文，单次最大补全输出上限给到了 65,536 token，接受文本和图像输入并返回文本。

现在能用上完整版的地方不少。除了开发者熟悉的 OpenRouter 和腾讯云 TokenHub，腾讯自家的 WorkBuddy、CodeBuddy、元宝、ima，还有企业微信助手 Dayuan 都已经接入。至于新增的电脑操作能力，为了防止模型在用户本地乱删文件，全部被关在腾讯云 Agent Runtime 沙箱里运行。官方还透露后续计划推出更便宜、速度更快的 Hy4 Flash，专门用来跑高频轻量任务。

算一笔账：你的工作流能省下多少钱

看标价，输入 $0.834/M、输出 $2.501/M，在百万级上下文的多模态模型里已经算克制。但真正让人心动的是缓存价格：$0.042/M，只有正常输入价格的二十分之一。

假设你手头有一个自动处理财报或长篇合同的项目，每次需要往上下文里塞进 50 万 token 的背景资料和历史图表，让模型输出 2000 token 的核对结论。如果不走缓存，单次调用光输入就要花掉约 0.417 美元；一旦命中缓存，这 50 万 token 的输入成本直接砸到 0.021 美元，加上输出费用总共才 0.026 美元。跑一千次长文档分析，账单能从四百多美元缩水到二十多美元。

更何况现在还有羊毛可薅。据报道，腾讯自家产品内部在 11 月 4 日至 11 月 15 日期间发放了免费额度；而在腾讯云 TokenHub 上，一直到 12 月底都提供五折优惠。折算下来，年底前在 TokenHub 调接口，每百万输入只要 0.417 美元，输出 1.25 美元出头。对于已经在用预览版 API 的团队，趁着这波五折把多模态接口接进去做压测，试错成本极低。

想在现有代码里快速试水，直接走 OpenRouter 的兼容接口最省事。下面是一段带图像输入的调用示意（注意将占位符换成你自己的密钥，示例仅作示意）：

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="YOUR_OPENROUTER_API_KEY",
)

response = client.chat.completions.create(
    model="tencent/hy4",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请检查这张软件界面截图中的报错信息，并给出命令行修复步骤。",
                },
                {
                    "type": "image_url",
                    "image_url": {"url": "https://example.com/screenshot.png"},
                },
            ],
        }
    ],
    max_tokens=4096,
)

print(response.choices[0].message.content)

厂商自测成绩单：金融与游戏亮眼，但得留个心眼

腾讯这次给 Hy4 划定的训练重点很务实：办公任务、金融分析、游戏开发。不仅喂了前端、Unreal Engine、Unity、Godot 的相关数据，还专门针对 Blender、CAD 这类专业软件以及跨应用长流程操作做了特训。

效果怎么样？我们目前能看到的全部是腾讯自己的说法，尚未有独立第三方复现，看的时候得打个问号。

在金融分析上，腾讯组织了 213 位金融从业者，对 579 个真实任务做盲评。Hy4 拿到 3.04 分，压过了得 2.97 分的 DeepSeek-V4.1-Flash-1017，以及同为 2.68 分的 Kimi K3.1 Pro 和 GLM-5.3。游戏老本行方面，官方称 GameDev 成绩比预览版高出 19.1%，GameLogic 提升了 9.8%。

最受关注的电脑操作能力，在 OSWorld 2.1 基准测试里拿到了 78.9 分。根据单一信源转述的腾讯对比表格，这个分数排在 Claude Opus 5.5（81.8 分）和 Kimi K3.1 Pro（79.6 分）之后，但赢过了得 75.2 分的 GPT-6.1 Sol。如果这套自测数据没有水分，花不到一美元的输入成本去跑自动化脚本和 GUI 点击，性价比确实够高。

视觉方面则有些让人摸不着头脑。官方放出了一个颇具视觉冲击力的厂商演示：在一张 2.8 gigapixel（28 亿像素）的航拍大图里，精准定位到了一个约 2 米宽的屋顶部件。画面很唬人，但腾讯偏偏没有附带任何公开的视觉基准测试分数。

更让人困惑的是幻觉率数据，不同渠道转述的数字竟然打架了。多家报道称，腾讯内部搜索评测里幻觉率从预览版的 15.76% 猛降到 5.45%；但又有另一拨转述称，官方公告口径是从 12.95% 降到了 7.2%。由于腾讯没有公开具体的评测方法论，这两组打架的数字到底哪个对应哪套测试集，外人根本无从查证。做严肃商业落地时，千万别轻信宣传稿里的单一百分比，拿自己的业务数据跑一遍才是真的。

罕见的自曝短板与安全红线

比起某些动辄宣称全面超越同行的发布，腾讯这次有一点很讨喜：直接把短板写在了明面上。

官方坦承，跟顶尖闭源模型比起来，Hy4 完整版在研究级数学、长流程编程、模型自我改进，以及高级视觉问答（VQA）上，依然存在明显差距。这就解释了为什么前面只放 28 亿像素找屋顶的演示，却不给公开视觉榜单跑分——找图里的细节在行，碰到需要复杂逻辑推理的看图说话，估计还是容易翻车。如果你的业务重度依赖超长代码库重构或者高难度数学推导，现在切过来会有踩坑风险。

安全过滤也卡得很死。训练阶段直接剔除了漏洞利用开发、逆向工程和渗透测试材料，只保留防御性网络安全内容。在内部评测 Hy-BioExperimentBench（满分 100）中，模型只拿到 30.4 分，内部评审认为它把生物知识转化为可执行实验方案的能力相当有限。做红队测试或生信实验辅助的开发者，基本可以绕道了。

说到底，如果你手头正好有跨软件办公自动化、游戏资产脚本生成或者长篇金融文档处理的需求，今天就可以去腾讯云 TokenHub 领五折优惠，或者在腾讯系工具里趁着 11 月 15 日前的免费额度把接口跑起来；至于等着抱走开源权重自己微调的团队，先别急着采购新显卡，等完整系统卡和开源协议落地后再做打算。

来源链接

• www.unite.ai/tencent-releases-full-hy4-model-with-vision-and-computer-use/
• unicornapi.net/blog/tencent-releases-full-hy4-ai-model-see-images-use-computer
• startupfortune.com/tencent-launches-hunyuan-hy4-with-vision-and-the-ability-to-click-through-apps/
• madrobot.blog/2026/11/04/tencent-hy4-release-computer-use-open-weight/