腾讯HY4预览版：架构亮点与开源策略

本次评测聚焦于腾讯推出的全新大模型 HY4 Preview，这是即将发布的完整版 HY4 的预览版本。回顾此前从 HY3 预览版到正式版的历程，我们见证了显著的能力跃升，因此期待这款接近前沿水平的开源模型带来新的惊喜。与以往“几周后发布权重”的预告不同，腾讯直接将 770B 参数（其中激活参数量为 49B）的权重上传至 Hugging Face，这种开放态度令人印象深刻。该模型采用 Mixture of Experts (MoE) 架构，拥有高达 100万 Token 的上下文窗口。官方强调其在长周期软件工程和高密度文档办公等“最难工作”领域有显著提升，而评测者更关注其在 软件工程 方面的表现，因为这能通过自动化测试直观展示能力。

基准数据解读与已知局限性分析

从官方发布的基准测试图片来看，HY4 Preview 展现了巨大的能力飞跃。值得注意的是，深色紫色区域代表与完整版 HY3 的对比增量。在 DeepSWE（软件工程师基准）上，该模型取得了 64.3 的分数，这一成绩使其与众多头部重型模型处于同一梯队。Hugging Face 上的模型卡片显示，该模型采用 Apache 2.0 许可协议，并内置了用于推测解码的 MTP (Multi-Token Prediction) 层以加速生成。然而，作为预览版，官方明确指出了已知局限性：“spending longer than necessary reasoning through complex tasks and a tend to oververify its own work”（在复杂任务上花费过多推理时间，且有过度验证自身工作的倾向）。这意味着用户可能需要中断其自动纠错过程，直接指出具体问题以提高效率。此外，FP8 权重也已开放。

API定价与本地部署可行性探讨

在商业化方面，HY4 Preview 的 API 定价并不低廉：输入为 $0.83/百万 Token，输出为 $2.50/百万 Token。评测者指出，这一价格区间竞争激烈，甚至更低层级的 GPT-5.6 模型也更为便宜。尽管存在价格争议，但丰富的选择对生态有益。对于本地部署能力，官方提供了相关指引。评测者在尝试通过 OpenRouter 和 Open Code Go 进行浏览器操作系统（Browser OS）测试时，遭遇了严重的速率限制和网络问题。由于 Open Code Go 的限制过于严格，导致无法顺利完成长周期的自动化测试脚本运行。评测者决定暂停自动执行，转而手动检查已生成的代码片段，以规避因平台限制导致的数据不可靠问题。

实测案例：Nexus OS 代码生成与系统架构解析

尽管自动化测试受阻，评测者仍对模型生成的 5,000行代码 进行了抽样检查。重点测试对象是一个名为 Nexus OS 的浏览器操作系统概念实现。生成的代码展示了清晰的系统架构描述，评测者引用了模型输出的关键段落："> Synapse is a three layer kernel that every app is obliged to use. A shared virtual file system... Event bus set of background dammons."（Synapse 是一个三层内核，每个应用都必须使用。共享虚拟文件系统……事件总线后台守护进程集）。代码逻辑表明 Nexus OS 中的邮件客户端、终端、文件管理器甚至游戏均为同一系统的客户端。此外，模型还成功生成了具备视觉效果的背景代码及右键菜单功能。评测者认为整体表现良好，达到了 NextG 级别的结果标准，尽管音频输出（Speaker）功能尚未完全验证。

虚拟操作系统的基础交互与细节呈现

评测者首先对腾讯HY4生成的类Windows界面进行了基础功能测试。系统托盘区域准确显示了本地日期和时间，搜索栏也能正常响应输入（如键入“H”），尽管搜索结果中出现了非预期的元素。在应用层面，邮件客户端的表现尤为出色：它不仅展示了模拟的维护窗口变更通知和无人机固件警告等元数据引用细节，还实现了动态交互逻辑——多次点击“检查邮件”后，系统成功模拟并生成了新的邮件内容。此外，文件系统的交互体验高度拟真，双击顶部栏可展开视图，且内部包含了游戏存档等模拟文件结构。终端应用则展示了极高的美学还原度，执行neofetch命令时呈现出类似《黑客帝国》或Nexus Portal的视觉效果，虽然缺乏自动超时机制这一细微瑕疵，但整体终端仿真效果令人印象深刻。>

预览版视频生成能力：细节与物理逻辑的突破

在测试腾讯HY4模型的视频生成功能时，画面呈现出极高的完成度潜力。尽管当前仍处于预览阶段，但模型在处理复杂场景时的表现令人印象深刻。画面中出现了井盖冒烟、积水等环境细节，甚至能识别出行人牵狗或手持手机/武器的物体，显示出模型对现实世界物理状态的深刻理解。虽然存在小模型常见的“吸附”现象（如物体突然卡在轨道上），但整体流畅度远超预期。视频中还出现了类似滑板运动中的“泵动”效应（pump effect），即通过单脚蹬地产生推进力的动作，这种细微的动态捕捉证明了模型在运动逻辑上的进步。此外，背景中的热狗摊贩和商店招牌也清晰可见，尽管部分文字渲染仍有瑕疵，但整体视觉效果非常扎实。评测者认为，考虑到这是预览版且参数量仅为770B（远低于此前表现最好的Qwen 3.8 2T模型），这一结果极具前景。

代码生成测试：OpenRouter与本地Agent的执行差异

为了评估HY4的代码能力，评测者进行了Subway FPS（第一人称射击游戏）脚本生成的基准测试。首先通过OpenRouter接口进行测试，要求模型直接返回单文件代码而非验证结果。结果显示，模型能够严格遵循指令生成脚本，且未进行代理式（agentic）的额外思考或扩展，这表明其基础指令遵循能力良好。然而，由于OpenRouter端可能存在配置问题（如思维链设置未正确开启），结果略显平淡。随后，评测者尝试在本地Pi环境中以更代理化的方式重新运行测试。尽管过程中出现了大量失败和报错，导致评测者对腾讯云免费层的服务器体验感到沮丧（需绑定信用卡和手机号），但模型最终完成了脚本的烟雾测试。这一对比揭示了不同部署环境下模型表现的不稳定性，也突显了本地直接调用可能带来的更复杂但更具潜力的输出。

游戏逻辑与视觉呈现：无敌人场景下的控制测试

在生成的Subway FPS游戏中，评测者对画面质量和交互逻辑进行了详细检验。游戏界面包含了亮度、灵敏度、音量和质量等设置，甚至出现了数字化的车站指示牌，这在同类生成结果中较为罕见。然而，核心玩法存在明显缺陷：准星与武器指向不一致，且场景中完全缺失敌人，导致无法进行实质性的战斗测试。尽管如此，角色控制功能正常，包括蹲下（Control键）、换武器和瞄准（右键）等操作均能响应。评测者指出，虽然缺乏敌人是重大短板，但作为预览版，其画面纹理（如溢出物、杯子等细节）和整体潜力依然值得肯定。评测者对HY4正式版充满期待，认为其具备成为下一代前沿模型的巨大潜力。

手表爆炸图与动态交互的超预期表现

在针对腾讯 HY4 模型的测试中，手表渲染任务展现了令人惊喜的细节处理能力。模型不仅生成了两种不同风格的手表渲染图，更在用户拖动交互时自动触发了爆炸视图（Exploded View）。这一功能并非预设指令，而是模型自主决定的增强特性。它自动为每个组件添加了工具提示（tooltips），这种“多此一举”的贴心设计极大地提升了用户体验。测试者指出：“I didn't tell it to do that. So, that is really a nice touch.” 这种超出预期的表现表明模型具备极强的上下文理解与主动优化能力。

此外，手表内部的机械结构模拟也达到了较高水准。模型成功实现了12 个组件的联动动画（one heartbeat），并允许用户切换不同风格的手表样式。在交互体验上，即便快速左右滑动屏幕，动画也能保持平滑的缓冲效果，最终稳定在正确的 resting place。Smooth movement 和 buffered interaction 的结合使得整个演示过程非常流畅。这一测试案例源自评论区建议，最终结果被评价为“Very, very, very good”，证明了模型在处理复杂 3D 结构展示与动态交互逻辑时的稳健性。

Chrono City：基于 Blender 的多时代城市生成实验

为了测试模型在长周期任务中的稳定性，测试者预先设计了“Chrono City”实验，要求生成跨越多个历史时期的 3D 城市街区。有趣的是，尽管提示词未指定具体工具或语言，模型却自主选择了 Blender 作为生成引擎。这一选择使得测试能够直观地观察模型如何调用 MCP（Model Context Protocol）并生成可执行的 Blender 脚本。它直接提供了打开场景的完整代码，展示了其从意图到可执行文件的端到端生成能力。

加载后的 1945 年场景展现了惊人的细节密度。建筑内部结构、车辆模型以及发光商店招牌（emissive lighting）均清晰可见，甚至包含了初步的声音设计。然而，场景也存在明显瑕疵：行人模型呈现倒立状态（pedestrians are upside down），且材质渲染略显过度烘焙。虽然整体画面令人印象深刻（pretty darn cool），但文件路径或资源加载似乎存在配置问题。测试者尝试切换至 1965 年，发现车辆颜色更符合时代特征，过渡效果流畅，但场景整体仍带有颗粒感。这一案例揭示了模型在复杂 3D 资产整合上的潜力与当前局限性。

时代变迁中的场景演变与技术瓶颈

随着时间轴的推进，Chrono City 的场景变化进一步暴露了模型在一致性控制上的挑战。1985 年和 2005 年的场景中，车辆模型完全缺失（no vehicles），这在一定程度上破坏了历史演变的连贯性。然而，当切换至 2025 年时，建筑高度显著增加，体现了模型对现代都市特征的捕捉能力。测试者注意到：“The buildings actually got way higher.” 尽管建筑形态随时代演进合理，但场景的整体完整性依然受损。

最严重的配置错误出现在 2055 年的场景中，模型似乎出现了误配置（misconfiguration）。更令人困惑的是，当回退至 1965 年时，场景反而变得更加完整和协调。这种前后不一致的现象表明模型在处理长期记忆或状态保持时存在缺陷。NPC 始终倒立的问题贯穿全程，成为该测试中最显著的视觉干扰。尽管存在诸多技术瑕疵，但考虑到这是预览版模型且全程使用 Blender 生成复杂场景，测试者仍认为其表现“pretty darn cool”且极具前瞻性。Definitely previewesque, I could say. 这一实验证明了模型在自动化复杂工作流中的巨大潜力，同时也指出了其在稳定性和资源管理上仍需优化的方向。

复古摔跤游戏：HTML/3JS 的零服务器部署奇迹

在最后一个测试案例中，模型被要求创建一个复古摔跤游戏。与之前的 Blender 方案不同，此次任务完全基于 HTML 和 Three.js (3JS) 构建。模型生成了一个独立的 HTML 文件，实现了无需服务器即可直接点击运行（no server required）的便捷部署。该任务消耗了高达 355,000 tokens，运行时间较长，展示了模型在处理大规模代码生成时的耐力与逻辑连贯性。

游戏加载后，音效系统（TWWA Titan Wrestling Alliance）成功启动，角色包括 Jack Sunset Malone、Big Tex 等具有鲜明主题特征的角色。模型为 Big Tex 添加了牛仔帽（cowboy hat），体现了对角色设定的细致理解。尽管操作提示建议“mash YUIP”（快速按键），但实际游戏中存在严重的物理引擎问题：玩家角色被抛出擂台后无法返回，且音效完全缺失（no sound effects）。然而，在战斗机制上表现尚可：生命值条（health bar）正常运作，且“Texas tornado slam”等终结技动画流畅。测试者评价道：“This is quite well done considering that it was not allowed to use Blender for these assets.” 模型利用 Three.js 成功构建了具有肌肉细节和主题配饰的 3D 角色，证明了其在轻量级 Web 3D 开发中的强大能力。

测试体验与API限制

本次对腾讯HY4模型的评测过程充满了挑战，尤其是技术层面的访问障碍。测试期间遭遇了严重的上游速率限制错误（429 errors），这种体验被评测者形容为“非常糟糕”，甚至迫使他在尝试失败后提供了信用卡和电话号码以获取访问权限，但错误依然频繁发生。尽管这一过程令人沮丧，且评测者认为其糟糕程度甚至超过了通过OpenCode Go进行的测试，但这并未完全掩盖模型本身的潜力。评测者指出，作为预览版模型，HY4在3D游戏生成等领域展现出了成为“绝对巨兽”的潜质。由于该模型采用Apache 2.0许可证，且整体体量与GLM-53全量模型相当，并未过于庞大，这为后续部署提供了良好基础。评测者特别期待未来能推出类似“Flash”版本的更小模型，以增强竞争力。

3D游戏场景生成能力评估

在具体的3D内容生成测试中，HY4展现了令人印象深刻的细节处理能力。摔跤游戏测试结果获得了极高评价，评测者表示这是所有收到结果中花费时间最多、体验最好的一次。游戏中不仅实现了“Texas Tornado Slam”等终结技，还包含了特写镜头、对手被击倒的特效（头顶出现星星）以及复活机制，逻辑连贯且视觉表现力强。此外，滑板游戏预览版也展示了惊人的物理细节和动态效果。报纸在空中漂浮、磨板时产生火花、NPC遛狗以及车辆碰撞等场景均被成功生成。值得注意的是，滑板与角色模型的分离运动、道具（如手机）的呈现以及招式系统的运作都符合预期，这些细节表明模型在处理复杂交互和动态物体时具有极高的完成度。

跨平台工具链与复杂场景表现

HY4在集成开发环境（IDE）和复杂城市景观生成方面同样表现出色。通过Blender生成的“Chrono City”场景展示了模型与MCP（Model Context Protocol）的良好交互能力。评测者观察到，随着时间线从1985年过渡到2005年甚至更远的未来，建筑物高度变化、交通工具更新（如悬浮列车）以及音效同步均流畅自然。尽管在回放测试中发现了车辆模型刷新的异常，但这不影响对整体潜力的肯定。地铁战斗场景则进一步验证了其在动作游戏机制上的支持，包括多种武器、瞄准、蹲伏等控制功能。虽然敌人加载和弹孔环境交互存在瑕疵，但纹理细节（如随机瓷砖的破损感）展现了极高的精细度。最后，浏览器操作系统生成的GTA风格城市地图也提供了良好的整体架构，包括建筑绘制、壁纸风格和合成器音乐等氛围元素。尽管需要针对GTA游戏进行额外修复，但整体结果 competent（胜任），为正式版发布奠定了坚实基础。

结论

腾讯HY4预览版在软件工程与3D内容生成领域展现出显著潜力，尤其在复杂指令遵循、长上下文处理及物理逻辑模拟上表现优异。其生成的代码结构清晰，3D场景细节丰富且具备动态交互能力，证明了其在自动化工作流中的高效性。然而，作为预览版，模型存在推理耗时过长、过度验证自身工作等已知局限。

在稳定性方面，HY4面临严峻挑战。测试中频繁出现NPC倒立、车辆模型缺失及场景状态不一致等严重瑕疵，且API访问遭遇严重的速率限制与网络障碍。尽管其在特定任务（如复古游戏生成）中表现惊艳，但整体一致性与部署环境的稳定性尚未达到生产级标准。正式版需在保持架构优势的同时，重点解决这些工程化落地问题。