腾讯发布Hy4 Preview：开源权重模型，Apache 2.0许可

腾讯于2026年8月28日开源发布Hy4 Preview，参数规模770B，激活参数49B，上下文长度1M，相比前代Hy3的295B/21B和256K有显著提升。官方称其为“开源前沿”，并强调“为生产力而生”。

值得注意的是，这仅是preview版本，参考Hy3的迭代节奏，正式版预计会更强。

报告给出两组评测：10项对标全球前沿（GPT 5.5、Gemini 3.1 Pro、Claude Opus 4.8及国产三家），18项对标国产模型（DeepSeek V4、GLM 5.3、Kimi K3）。结论是国产阵营胶着领先（13/18第一），全球前沿单项突破、整体追赶（2/10第一）。

对国产模型，Hy4虽坐上头把交椅，但未第一的5项中有4项输给GLM 5.3，且分差多在1分以内。163名内部专家盲测中，Hy4对GLM 5.3均分2.99 vs 2.92，净胜率仅约6个百分点。Kimi K3全面落后半个身位，DeepSeek V4在agentic任务上掉队明显（Terminal-Bench 62.2、BrowseComp 64.0）。

对全球前沿，优势集中在agentic与搜索：Terminal-Bench 3.0得分77.3（超GPT 5.5约1.7分），BrowseComp得分83.6（超GPT 5.5约2.2分），均为全球第一。代际提升最大的也是这两项加ARC-AGI-2，分别+18.9、+16.9、+16.4个百分点。

ARC-AGI-2上Hy4仅52.6，落后Gemini 3.1 Pro（77.1）达24.5分，落后GPT 5.5（70.7）18分，这是全部数据中最刺眼的差距。国产模型整体（GLM 48.3、Kimi 45.4、DeepSeek 35.0）与美国前沿仍有代际距离，说明在需要泛化而非模式匹配的推理上存在明显不足。

数学与科学推理（AIME、IMOAnswerBench、GPQA）则进入第一梯队，落后幅度在1–4分的可追赶区间。

Hy4 Preview的训练数据构建方式独特：与腾讯内部的软件工程师、游戏开发者、金融分析师、安全专家合作，围绕他们实际交付的工作构建训练数据。这是将内部产业场景转化为训练信号的做法，是腾讯相对纯模型公司的差异化资源。

四个能力域包括：软件工程（含前端的“视觉品味与交互质量”，用Three.js博物馆案例展示）、办公分析（多文件混乱上下文→可交付文档/表格/PPT，报销审核案例强调多版本制度适用性判断和欺诈识别）、游戏开发（单prompt生成可玩原型，支持Unity/团结引擎多轮迭代）、科学研究（AI研究、分子动力学、凝聚态物理、纯数学）。

报告还披露，Hy4 Preview曾并行管理多个Codex会话，在一项小模型后训练任务中扮演“研究者”角色，最终在全部8个基准上超过Codex单独探索，这被视为一个值得注意的信号。