实测腾讯Hy4：我用它复刻《王者荣耀》，WorkBuddy 真能接大活了
内容提要
腾讯混元Hy4正式版发布，Agent能力与长程任务较预览版全面提升，多个Benchmark获开源第一，并新增视觉理解能力。实测可生成3D动画、复刻应用与游戏、操作Blender建模，批量制作PPT、Excel和报告，并参与数学猜想验证等科研任务；与WorkBuddy协同，办公和创意任务基本可一次性交付。
延伸解读
长程任务的关键：目标约束与自我调整
文章通过 /goal 约束和 3D 游戏开发案例说明，Hy4 在步骤增多时仍能记住初始计划、区分已完成与未完成事项，并在中间结果不符预期时调整。这比单轮生成漂亮答案更贴近真实 Agent 工作。不过，复杂流程仍需多轮交互帮助模型理解意图，说明长程稳定性有提升但并非完全自主。
视觉理解让“看视频复刻”成为可能
Hy4 新增视觉理解后，可直接上传录屏或图片，让模型逐帧分析并转化为代码、文档或界面操作。实测中，它根据《王者荣耀》视频在半小时内做出可玩的迷你 MOBA，也能把房间照片转成浏览器微缩空间。这降低了用文字描述视觉需求的障碍，但复刻效果仍受参考素材和任务复杂度影响。
办公批量交付：模型与工具链协同是关键
在十多篇论文的测试中，Hy4 半小时内产出 14 个 PPT、1 个 Excel 和 19 页 Word 报告，Excel 信息经过阅读理解后分类整理，PPT 版式统一。文章指出，这依赖模型负责理解规划、工具链负责读取计算渲染写入的协同。对读者而言，评估此类能力时应关注最终文件是否可直接使用，而非只看生成速度。
能力边界：日常任务可一次交付，高难场景仍需人工介入
文章总结，Hy4 在大多数日常办公和创意任务上基本能一次性交付，但在需要大量电脑操作和复杂流程的工作中，仍需多轮交互帮助理解意图。复刻 Flighty 时，UI 审美和需额外 API 的航班数据、地图信息仍有不足。这说明模型能力上限和真实交付成本应分开看待，高难度任务建议先小范围验证。
Q&A
腾讯混元Hy4正式版相比预览版有哪些主要提升？
Hy4正式版在Agent能力和各类长程任务上进行了优化，表现比预览版有明显全面提升，在多个Benchmark上拿下开源第一，并新增了视觉理解能力。
Hy4的视觉理解能力具体能用来做什么？
可以直接上传录屏或视频，让Hy4从视频中学习并复刻对应元素；Hy4生成的产物也能持续截图，利用视觉理解能力自我反馈并优化。例如发送房间图片生成可玩的微缩空间，或发送《王者荣耀》视频复刻同款迷你MOBA游戏。
Hy4在长程任务中如何保证目标不丢失？
通过使用/goal来约束模型始终保持具体目标。当步骤不断增加时，Hy4能记得最初的计划，区分已完成和未完成的事项，并在中间结果不符合预期时调整计划，最终把项目交付完整。
Hy4操作电脑的能力表现在哪些方面？
Hy4可以在WorkBuddy内执行看屏幕→找到按钮和菜单→移动鼠标、点击、滚动、输入文字→根据页面变化继续操作，直到完成任务。例如操作Blender制作花园城市新加坡的3D场景建模，交付约4550个对象的blend文件。
Hy4在办公场景中处理Excel、PPT和报告的效果如何？
Hy4能处理数据、公式、图表的对应以及模板的统一，交付的真实文件可直接使用。实测中，它用半小时完成了14个组会报告PPT、1个Excel文件和1个19页Word研究报告，Excel信息完整且分门别类，PPT视觉排版统一。
Hy4在科学研究方面有哪些应用案例？
Hy4能完成多学科科研任务，例如小鼠胚胎的三维重建、完善数学猜想。在与北大数学团队合作中，Hy4成功找到了Méndez–Pinto–Villarreal猜想的反例并进行了形式化验证；还能参与细胞和物理模型研发，在多个数据集上误差更小、保真度更高。
Hy4的API调用价格是多少？
Hy4的API调用价格与Hy4 preview一样：缓存命中时输入为每百万token 0.3元，未命中时为6元，输出为每百万token 18元。在WorkBuddy上11.4-11.15号限时免费。
