耗时4小时、调用工具1492次：首次能操作电脑的腾讯混元Hy4交出了什么？｜甲子光年
甲子光年 · 人工智能
原创 周悦 2026-11-04 23:37 北京 零手搓3D赛车、给14平米卧室加床、清洗近千条烂账、还要帮北大团队给数学猜想找反例——不看跑分看效果，它能接住打工人的“改主意”吗？ 从零手搓3D赛车、给14平米卧室加床、清洗近千条烂账、还要帮北大团队给数学猜想找反例——不看跑分看效果，它能接住打工人的“改主意”吗？ 作者｜周悦 编辑 ｜栗子 腾讯混元的模型能力真的追上来了。 11月4日，腾讯发布混元Hy4正式版。相比8月的preview，这次更新首次加入视觉理解与电脑操作能力，并计划开放模型权重。 正式版公开了一整套常规跑分结果：12项对比里，Hy4多数高于8月的preview，但多数仍排在GPT-6.1 Sol和Claude Opus5.5之后；腾讯也写明“与顶尖闭源模型仍然存在较大差距”。 「甲子光年」注意到，腾讯混元此次将 “ 前端 与游戏开发” 和 “科研与模型研发” 两项能力单列了出来展示成果。 游戏是腾讯的主场，混元联合IEG专业开发者共同优化评测，GameDev、GameLogic两个基准测试相较preview分别提升19.1%和9.8%；在涵盖7大学科、123项可执行研究任务的TenureTrail内部评测中，Hy4在数学构造、物理建模、地球环境、系统工程和社会经济决策等领域展现出科研能力。据腾讯混元披露，Hy4在该评测中位居开源模型第一。 在科研案例中，腾讯混元公布了一项与北京大学数学团队的合作研究：Hy4成功找到了Méndez–Pinto–Villarreal（MPV）猜想的反例，进一步提出补充条件，并在这些条件下正向解决了该问题，同时对相关证明进行了Lean形式化验证，跑通了从反例发现、命题修正到证明验证的完整研究流程。 「甲子光年」了解到，该团队是由北京大学博雅特聘教授董彬于2023年组建的AI4Math研究团队，成员在数学与人工智能领域都有深入探索。 今年4月，该团队曾宣布用自主构建的自动化AI框架解决了交换代数中的开放问题“安德森猜想”——这是国内首次以AI框架攻克交换代数开放问题，并实现大规模形式化验证。 「甲子光年」在WorkBuddy中测试了模型Hy4，设置了四项制作任务： 海岛赛车、太阳系科普短片、卧室布置工具和年度消费报告。 测试分两轮：第一轮从零制作；第二轮保留首版，在已有工程上追加需求，允许重构和扩展；随后，我们在工程副本中进行独立复核。 需要说明的是，四道题均只给明确要求，未提供现成工程或代码；其中房间尺寸与价格均为题设，账单数据全部虚构。 本文中的原始截图、视频剪辑等，均由Hy4按要求自行采集和渲染。 先说结果，四项测试并行推进，实际耗时约4小时25分，单个测试完成耗时在1小时51分至3小时28分不等。四题合计调用工具1492次——期间Hy4都是自主查找并调用工具。 「 甲子光年 」实测感受是，在长达数小时、累计上千次的工具调用里，它能自主完成外部检索、数据清洗、空间约束求解与多模态音画合成；更重要的是，在加入视觉理解与电脑操作后，它不仅能从零搭起可交互的原型、自己打开作品截图验货，还能在第二轮需求变更时读懂既有代码、在原工程上接着改。除了跨模块的细节一致性（如 前端 状态与底层数据同步）偶尔发生bug，整体具备生产工具的价值。 1.四道题与两次“变卦”： Hy4是怎么交作业的？ 第一轮赛车任务，要求做出一款可以在浏览器里比赛的3D游戏。除了海岛、赛车和跟随镜头，还要有一套完整规则：依次经过检查点、沿正确方向冲线，才能计入圈数；原地压线、逆向冲线和抄近路，都不能凭空增加成绩。 海岛赛车第一轮原指令节选 “请直接制作一个完整可玩的3D迷你赛车游戏，主题是明亮、轻松的海边赛道，采用统一的低多边形风格。我要能在浏览器里真正驾驶、完成比赛，并录一段视频展示成品。” 从第一条指令算起，Hy4用时40分6秒发出首次交付回复，48分37秒补交完试玩视频，共调用工具103次，主要为JavaScript/Three.js、Chrome/Playwright、FFmpeg等。交付的是一条低多边形风格的海岛赛道，带圈数、计时与小地图；记录显示中途有过两次明显返工——错误提示层遮挡界面、车辆冲出护栏，最终均在交付前修复。 Hy4第一轮自行截取的项目画面。此时是固定赛道上的单人比赛，还没有赛道编辑器，图片来源：「甲子光年」实测 赛车·第二轮加码，原指令节选 “请把当前海边low-poly3D赛车升级为《我的海岛赛道》：我能亲手改变赛道，看见三维世界随之变化，再开车和AI跑一场。” “一次修改，路面、护栏及其碰撞、起终点、顺序检查点和AI路线都根据当前赛道更新；起终点随1号点及道路方向调整。” 难度随之增加。路面改变之后，护栏不能留在原地，检查点不能悬在路外，对手也不能继续沿旧路线行驶。一次看似简单的拖拽