十一月四日上午,乌镇互联网之光博览会的腾讯展台前,屏幕上放的还是预览版,讲的却是当天上午刚发布的正式版,两边只差几个小时。
那天上午,腾讯混元发布新一代大语言模型 Hy4。官方说法里最扎眼的一句,是它第一次能“动手操作电脑”——自己移动指针,找到按钮,点下去,中间不需要人接管。
这话听着像广告。拆开看却是件朴素的事:过去两年,大模型的本事集中在“说”,你问它答,你给它一段文字它改一段。它一直隔着一层玻璃。
现在这层玻璃被捅破了一点。Hy4 支持所谓的电脑操作能力,可以同时用命令行和图形界面干活。命令行是黑底白字那种,图形界面就是我们平时看见的窗口、按钮、菜单。
这两样东西混着用,意味着一件事:它能看见屏幕上有什么,也能决定点哪里。对它来说,电脑不再是一堆文本,而是一个可以操作的对象。
参数又爬了一格
参数规模是这次发布里另一个被反复提到的数字。腾讯方面说,上一代 Hy3 系列的参数不到三千亿,Hy4 系列到了七千七百亿。下一代 Hy5 还会继续扩大。
这个数字放在行业里不算最大。但腾讯的节奏是每两个月一个大版本,先用预览版放出去,收一轮反馈,再发正式版。今年二月重建基础设施之后,这条路走了快一年。
七千七百亿个参数是什么概念,普通人很难有体感。它更像一座图书馆的索引,不是书本身,却决定了你能多快找到哪一本。索引越细,翻起来也越费电。
参数变大,带来的直接变化是长文理解、指令遵循这些基础能力往上抬。官方说,Hy4 在这些方面比预览版有明显提升。这类说法没有第三方评测背书,只能先记下。
第一次长出眼睛
比参数更值得说的是“看”。Hy4 第一次引入视觉理解,能处理细粒度图像,能分析复杂图表,还能做带图的数学推理。对一款一直只会读字的模型来说,这是换了一套感官。
这件事对普通人意味着什么?举个最简单的例子:一张报销单拍糊了,边角还压着别人的手写备注。以前的模型只能读你打出来的字,现在它可以先看清那张图。
图表分析是另一个方向。一份几十页的行业报告,里面全是折线柱状和饼图,人可以扫一眼抓住重点,机器过去只能读图下面的注释。现在它能自己看那根线拐在哪。
视觉和操作放在一起,才构成完整的闭环:看见屏幕,理解屏幕,然后在屏幕上做动作。缺了任何一环,所谓的智能体都只是个会聊天的窗口。
专业软件是硬骨头
腾讯特别提到,针对 Blender、CAD 这类专业软件做了专项训练。这两个名字对普通人陌生,但它们是很多行业的日常工具:做动画的、做工业设计的、画建筑图纸的。
这类软件有个共同点:按钮多,菜单深,一个操作要经过好几个步骤,中途还会弹出对话框问你参数。它不像网页,没有统一的接口可以让机器照着调。
所以“会操作电脑”这句话,在这些软件里最难兑现。会打开浏览器搜个东西,和会在建模软件里改一个倒角,完全不是一个难度。后者的每一步都得看着画面判断。
腾讯的说法是,专项训练之后,模型在这类跨应用的长流程任务上,规划和执行能力都提升了。这个结论目前只有官方口径,没有第三方复现,只能先记着。
开源,但还没开
发布当天,最容易被误读的一句话是开源。准确的说法是:Hy4 将在近期开源模型权重,同时发布模型系统卡片。权重还没放出来,市面上也还没有可以下载的文件。
这两者差别很大。权重放出来,别人才能在自己的机器上跑、改、蒸馏。没放出来之前,它只是一个可以通过接口调用的服务,价格由提供方定。
系统卡片是另一份东西,讲的是模型的能力边界、训练数据的大致构成、以及已知的风险。腾讯说会重点关注网络和生物安全方面的风险,这话说得比较谨慎。
官方还称,这是混元第一次进入开源模型的第一梯队。注意“官方称”三个字。同一段话里,混元团队也承认,跟顶尖的闭源模型仍有较大差距。
这两句话放在一起读,比单看任何一句都真实:它在开源这一档里排到了前面,但开源这一档本身,离最前面那一档还有距离,这个距离不是靠发一版模型就能抹平的。
价格表上的算盘
定价延续了预览版:输入每一百万个词元六元,输出十八元,缓存命中三毛钱。发布期在腾讯云按刊例价打五折,这个优惠一直到十二月底,之后怎么走没说。
这个价格放在国内不算贵。但真正的成本不在单价,在它要跑多少步。一个需要点二十次鼠标的任务,输入输出会被放大很多倍,账要按整条流程算。
目前它已经接进了腾讯云、元宝、企业微信的智能助理,还有几款办公产品。QQ、王者荣耀、微信读书这些腾讯系产品也在陆续接入,铺开的速度比模型迭代还快。
对普通用户来说,最早能感知到的可能不是它能操作电脑,而是某个下午,你在企业微信里让它把几个群的聊天记录、几封邮件和一份日程凑成一份周报。
那件事它做得怎么样,要等更多人真的用起来才知道。发布会上的演示很顺滑,现实里的窗口会卡、会弹窗、会要验证码,还会在你切走的时候失去焦点。
一只会点鼠标的手,离替你上班还很远。但它至少把模型从对话框里放了出来,放到了那块我们每天都要盯很久的屏幕上。这一步迈得不大,方向却变了。
免责声明:本文基于公开信息撰写,仅供读者参考,不构成任何投资建议。