Hy4 電腦操作解析：會看圖、會點擊，離可靠交件多遠？（2026）

2026 年 11 月 4 日，騰訊在美通社發布了〈騰訊混元發布 Hy4，躋身最強開源模型之列〉。這次 Hy4 電腦操作發布，把看圖、理解畫面與操作軟體放進同一個模型故事；真正值得追問的是：會辨認按鈕、會執行動作之後，離可靠交件還有多遠？

下面先整理原文承諾了什麼，再把產品上線、內部成績與權重開放分開核對，最後判斷哪些進展值得試、哪些結論還得等。封面為 AlphaLab 原創編輯插畫，以眼睛、游標和驗收記號表達本文問題，並非 Hy4 介面或實測畫面。

一、Hy4 電腦操作：從讀懂畫面，到改變工作狀態

公告把視覺理解與 Computer Use 列為相對 Hy4 Preview 的新增能力。前者處理圖片、圖表與視覺推理；後者結合命令列和圖形介面，嘗試在軟體裡完成工作。兩者接起來，才有機會從「描述這張圖」走向「根據畫面修改檔案，再讀回結果」。這是任務範圍的擴張；是否穩定完成，則是另一項需要量測的結果。

騰訊也提到 Blender、CAD 與跨應用長程任務的專項訓練。想像有人交給模型一張設計參考圖：辨認物件只是起點，接著還得選工具、調整參數、保存檔案，並確認輸出符合要求。公告支持的是廠商宣稱做了這類能力訓練，不能由此直接推定任意版本的專業軟體都已驗證可用。

這也不是把一個語言模型接上滑鼠就完成的事。模型每次看到的狀態、可用動作、錯誤回饋與保存機制，都會影響結果。可搭配AI Evals 入門理解：任務的成功條件，必須比一句「已完成」更具體。

二、原文的主軸，是模型與產品一起設計

這份公告的重心並不只在模型考卷，而在騰訊所稱的 model-product co-design：讓產品團隊的真實工作反過來影響訓練與評估。辦公部分包括文件、專案資訊整理，以及經 WorkBuddy 串接企業微信的日常工作內容；開發部分涵蓋前端互動與遊戲邏輯；科研部分則把推理、程式與長程執行放在一起。這些都是原文列出的應用方向與廠商評估，本文未將它們改寫成 AlphaLab 的實測成果。

原文還談到 Hyra 2.0、協助小模型訓練基礎設施，以及 HyCell、HyPDE 等科研工作。這些內容表達的是把 AI 帶入研發流程的企圖。一次工程改進要成為可累積的自我改進證據，仍需交代人類介入、資源投入與改進能否延續；不能只因出現 RSI 縮寫，就推成模型已能自主加速下一代智慧。

我認為這條產品導向路線有價值：如果使用者最常卡在資料分散與跨軟體交接，改善這些環節可能比多答對幾道孤立題更有用。不過，同一個產品也能透過檢索、工具與流程改動而變好；要判斷模型本身貢獻多少，就得固定外圍條件再比較。

三、Hy4 的成績，要連同出題者與分母一起讀

原文列出辦公通過率、金融專家評分、搜尋幻覺率，以及遊戲與科學任務的改善。這些數字的共同限制，是本篇能直接核對的主要材料仍是騰訊自己的發布說明。外部金融專家參與評分，與一個獨立團隊自行選題、執行及公開完整紀錄，屬於不同證據強度。

例如公告把搜尋幻覺率改善明確限定在「自建測試」。因此可以忠實寫成騰訊報告其內部測試改善；若改寫成「你使用 Hy4 的錯誤機率就是該數字」，便換掉了題目分布、工具與計分規則。本文不替這些廠商成績背書為跨場景保證，也不把第三方轉載當成重新驗證。評測版本與權重的判讀方法能補上這個比較習慣。

一個獨立於這次發布的參照，是OSWorld 2.0 原始研究。研究以長程電腦工作流檢查跨來源推理、動態狀態和操作精度，並同時區分部分進度與完整完成。它研究的是所測模型與指定設定，並非 Hy4 的成績；但它說明了為何「某個動作做對」與「整件工作交得出去」應分開計分。

最值得追問的反例很具體：模型找對來源，最後引用卻接錯；畫面看起來完成，檔案卻未保存；前面每一步都合理，仍漏掉一個必要限制。這些是本文建議加入驗收的情境，並不是宣稱 Hy4 已被觀察到同樣失敗。

四、已上線的服務，與承諾開放的權重，是兩張清單

Tencent Hy plans to release model weights and system cards in the coming days.

中文：騰訊 Hy 計畫在未來數日發布模型權重與系統卡片。

騰訊官方英文發布頁；對照 11 月 4 日繁體中文公告

這句原文的時態很關鍵。11 月 4 日公告把權重與系統卡片列為接下來的發布計畫，同時列出 TokenHub、WorkBuddy、CodeBuddy 等託管入口。因此本篇描述的是服務發布與權重開放計畫；不把公告標題中的「開源」直接改寫成讀者此刻已取得正式版權重、授權與可部署套件。

騰訊官方英文版本與繁中稿在部分細節也有差異：繁中稿把 WorkBuddy／CodeBuddy 的活動寫為一定額度免費，英文稿的措辭較寬；Flash 的英文小標與正文時態亦不一致。本文採較窄的讀法：試用仍須確認入口與額度，Flash 依正文視為發布預告。這些文字差異不適合被放大成「無限免費」或「所有型號已到齊」。

對打算本機部署的人，先確認下載頁指向正式版還是 Preview，再看授權、架構、推論依賴與設備需求。既有 Hy4 Preview 部署教學處理的是預覽版，不應把它的權重、量化檔或硬體條件自動移植到這次正式發布。

五、安全聲明談模型風險，工作權限仍須另外設計

公告說明了資安與生物安全訓練和內部審核。這些資訊值得要求後續 system card 補足方法與範圍；本文只把它們當作騰訊對自家評估的說明。尤其訓練資料如何處理某類內容，與部署後能否擋住不當操作，需要分開測。

對一般辦公使用者，最直接的問題是：它能讀哪些資料、能改哪個資料夾、能否發送訊息，以及何時必須停下來。即使模型善於辨認不當要求，誤收件人、覆蓋檔案與重複提交仍可能來自普通工作流程。建議先用副本與假資料；提交、刪除或對外傳送則設獨立確認與權限邊界。這是部署建議，並非宣稱 Hy4 已內建上述控制。

六、AlphaLab 的判讀：值得試的是工作範圍，值得等的是可比較證據

我同意什麼：視覺與操作接合，能讓模型接到更多真實任務

Hy4 的發布方向值得認真看待。圖表、文件與軟體畫面本來就是知識工作的一部分；讓模型把觀察與行動接起來，比要求人把所有畫面先轉成文字更接近實際工作。騰訊又有現成產品入口，讓這條路線有收集真實失敗與修正的機會。這是它值得進入候選清單的理由。

我存疑什麼：把產品展示、內部成績與通用可靠度壓成一句「最強」

同一場展示能證明某個例子走得通，還不足以告訴你換資料、換軟體版本與重跑之後會怎樣。排行榜也必須交代外圍工具、預算與評分。同樣地，Hy4 先前的 OpenRouter 用量排名回答的是採用量問題；它和這次的視覺、操作及交付品質各有自己的證據。

接下來最有判別力的，是三份能對帳的材料

第一份是正式版權重與 system card，讓人能辨認版本、授權與已知限制。第二份是公開任務、工具配置與完整成功及失敗紀錄，讓內部成績可以被挑戰。第三份是同一組工作在相同預算下的重複比較，納入人工修正時間與最終產物，而非只報模型回覆時間。這三項是本文的追蹤要求，不預設發布後一定都會提供。

七、現在怎麼試：選一件有輸入、有產物、有停點的工作

先拿一份不含私人資訊的圖表，要求列出可核對的數值與來源；接著在隔離的練習資料夾整理檔案，最後自己打開輸出比對。測試前寫好格式、必備欄位與錯誤即停的條件。每輪記錄實際選到的模型版本、工具權限、耗時、費用與修正次數；沒有執行的項目就留空，不預填成功。

決策可以很簡單：若它在你的固定任務上減少了總處理時間，而且錯誤能被驗收攔下，就擴大一小步；若它只是更會展示，就先保留觀察。Hy4 電腦操作值得期待的下一個證據，是一份反覆做得對、出了錯也交代得清楚的產物。