姚顺雨带队近一年，腾讯混元追上来了吗？我们实测了Hy4

“ Hy4 在同一道 3D 发动机任务中，比 Kimi K3.1 Pro 快了 28 分钟。 ” 作者丨吴海明 编辑丨李娜 岑峰 11 月 4 日，腾讯发布混元 Hy4 正式版。消息公布后，腾讯首席 AI 科学家姚顺雨在 X 上转发，称自己为团队在不到一年时间里取得的成绩感到自豪。 这份自信并非没有来由。 去年底，姚顺雨从 OpenAI 加入腾讯，随后混元经历了研发团队整合和基础设施重建。从今年 4 月的 Hy3 preview、7 月的 Hy3 正式版，再到如今的 Hy4，腾讯的大模型迭代明显提速。过去总被认为在基础模型竞争中慢了半拍的腾讯，这次甚至在官方发布中宣称，混元首次跻身全球最强开源模型行列。 Hy4 也确实拿出了些新东西。除了模型能力的提升，它第一次加入了视觉理解和电脑操作（Computer Use）能力，不仅能看懂屏幕，还能通过命令行和图形界面操作软件。腾讯还专门针对 Blender、CAD 等专业工具和跨应用长程任务进行了训练。 不过，第三方榜单给出的成绩并没有那么悬殊。在 Artificial Analysis 最新的综合智能指数中， Hy4 拿到 35 分，虽然已位居中国模型前列，但距离 Kimi K3.1 Pro 的 46 分还有 11 分差距。 有意思的是，我们在一道实际测试题里，却看到了另一种结果。 我们让 Hy4 和 Kimi K3.1 Pro 使用同一个 Agent 工作台 WorkBuddy，完成一台可拆解、可运转的 3D 四缸发动机。不仅要制作教学网页，还要自己打开浏览器，检查播放、暂停、角度调节和气缸运动等功能。 最终，两款模型都交出了可以在本地运行的网页工程。Hy4 用了 44 分 11 秒，Kimi K3.1 Pro 则花费 1 小时 12 分 39 秒，前者快了近半小时。Hy4 还在浏览器中发现并修复了页面遮挡问题，最终通过了自己编写的 55 项自动化检查。 榜单上落后 11 分，实际交付却更快，Hy4 的表现多少有些出人意料。 而这次测试更值得看的，是模型与工作台如何配合完成一项任务。当 AI 不仅能写代码，还开始自己打开网页、操作按钮、发现问题并修改作品，模型之间的较量，也有了一套不同于传统跑分的衡量方式。 01 对比评测：一道四缸发动机题 考验AI能否交出可操作的课堂工具 这次测评，我们设计了一个“发动机原理”拆解的评测题目，让模型化身机械教师，给出一份面向教学的设计方案：发动机的四个气缸如何配合？活塞上下运动，又是怎么带动曲轴旋转的？一起看看测试题： 请制作一个用于课堂教学的交互式 3D 四缸汽车发动机演示网站，帮助教师讲解四冲程发动机的工作过程和基本物理原理。 电脑已安装 Blender，并已配置 WorkBuddy 浏览器控制。请根据任务需要选择工具，完成网页制作、浏览器操作和检查。 1. 使用 Three.js 展示一台直列四缸四冲程发动机，至少包含缸体、活塞、连杆、曲轴、进气门、排气门和火花塞。模型可使用程序化几何体制作，重点是结构清晰，便于观察内部运动。 2. 支持旋转和缩放模型，并提供“显示／隐藏外壳”或剖视功能，让教师能够观察四个气缸内部。 3. 演示进气、压缩、做功、排气四个冲程。活塞、连杆、曲轴和气门应协调运动，火花塞在点火时给出可见提示。四个气缸应按照合理的四冲程工作时序运行，并在页面中说明点火顺序。 4. 提供自动播放、暂停、重置和速度调节功能。教师可以手动拖动曲轴角度，或通过按钮逐步推进，停在任意位置观察各部件状态。 5. 页面实时显示曲轴角度、各气缸当前冲程及进排气门状态。点击主要部件时，显示名称和简短说明。 6. 提供简洁的教学说明，解释燃料燃烧释放能量、气体推动活塞、连杆带动曲轴旋转的过程，并说明四冲程需要曲轴旋转两圈。使用示意动画表示进气、燃烧和排气即可。 7. 交付可在本地运行的完整网页工程。完成后请打开浏览器，实际检查模型显示、播放与暂停、手动调节、冲程切换、部件说明和重置功能，并修复发现的问题。最后告知我启动方式和检查结果。 在我们的测试电脑上，提前安装了 Blender 和 WorkBuddy，同时也配置了浏览器控制插件。我们让 Hy4 和 Kimi K3.1 Pro 都使用 Three.js 程序化几何体制作发动机模型，并将浏览器纳入检查流程。 下面看看 Hy4 的表现： Hy4 为发动机做了一张深色背景的教学台，四个气缸从左到右排开，活塞下方是连杆和曲轴，右侧面板列出每个气缸的冲程、活塞方向与气门状态。如下图所示，0° 时 1 缸显示为做功，2、3、4 缸依次显示排气、压缩、进气。 Hy4 制作的发动机原理拆解系统的 0° 状态 之后，发动机开始运转，活塞和连杆的位置发生变化。为了更好地配合演示，Hy4 设计了丰富的操作按钮，教师可以