腾讯混元推出具备视觉与电脑操作能力的Hy4
AI 总结
腾讯混元于11月4日推出770B参数的Hy4模型，并已接入元宝移动端、PC客户端和网页端。据腾讯介绍，Hy4新增原生视觉理解、跨界面及跨应用电脑操作能力，并针对长程智能体任务开展训练。由雷科技实测、36氪经授权转载的报道测试了互动网页制作、财报截图分析，以及在微信和本地文件中核对签证资料等任务。报道还援引腾讯内部测试和众测结果，称其幻觉率与金融任务表现有所提升，但未提供独立基准验证这些说法。
深度见解
Hy4将视觉理解与跨应用电脑操作能力接入元宝等产品。雷科技的实测涵盖互动网页制作、财报分析和跨应用签证资料核对；报道还称，WorkBuddy执行敏感操作时会要求用户确认。
11月4日，腾讯混元正式推出新一代大语言模型Hy4，并且旗下AI助手元宝也同步完成了能力接入。现在，在元宝App、PC客户端、网页端，用户都能把模型切换到Hy4使用。
（图源：元宝）
据官方介绍，随着多项底层能力的升级，Hy4首次进入了最强开源模型梯队。参数方面，Hy4从Hy3系列的不到300B升级到了770B，但在雷科技（ID：leitech）看来，这次新版本的核心看点在参数之外，它终于补齐了 AI Agent落地的关键能力：视觉理解与电脑操作（Computer Use）。
不出意外的话，Hy4此次加入的新特性，特别是针对长程智能体任务的升级，可能会改变我们对开源模型工作流的预期。现在，我们将结合实际的测试体验，看看它的表现如何。