--- title: "会看图的模型，现在会点鼠标" date: 2026-11-05 category: AI大模型 site: 脑机网 canonical: https://www.logic.wang/a/njw-hunyuan-hy4-05-1105 language: zh-CN --- # 会看图的模型，现在会点鼠标 > 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。 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。** --- 来源：脑机网（https://www.logic.wang/）｜原文：https://www.logic.wang/a/njw-hunyuan-hy4-05-1105 本内容仅供参考，不构成投资建议。