Hy4 flash 在 WorkBuddy 中完成智能体实测
AI 总结
小虎称,腾讯发布了 Hy4 flash,并在11月底前免费提供。在一次 WorkBuddy 实测中,Hy4 flash 根据模糊需求制作浏览器游戏,使用浏览器自动化检查12个时间格、5种行动和双结局,查看截图,并验证修改后的目标是否可达。腾讯称其模型在厂商盲测中的满意度接近 Claude Haiku,且单任务成本更低;报告还称该模型在编程工程测试中的得分明显低于 Hy4。
深度见解
这次实测展示了 Hy4 flash 在单个 WorkBuddy 任务中进行浏览器验收、截图检查和可行性验证的智能体行为。厂商的性能与成本说法尚未得到验证,单一任务也不足以证明其广泛能力。
一次不掺水的免费模型 Agent 能力实测:Hy4 flash(腾讯,11 月底前免费)配 WorkBuddy,一句话丢一个带验收要求的游戏开发任务进去,看它到底能自治到哪一步。几个工程点值得看:一是它拿到模糊需求(「数值自己定但要合理」)不是照填,而是先立设计原则——逼「疯狂接单」走不通、引导用学 AI 提升长期单价;二是它把「做完」定义成「自己开浏览器点一遍」,主动探查环境有没有浏览器自动化工具、自编检查程序覆盖 12 格 / 5 事件 / 双结局;三是它不盲信断言,程序报全过后仍要截图肉眼验收排版与中文编码;四是改需求前会先做可达性验证,避免改出「根本赢不了」的版本。本文按六步还原,附完整提示词、验收清单与「免费模型能不能当主力」的分场景判断。
我是小虎,浙大计算机本硕,破局行动家,《AI超级个体——一人公司完全指南》作者,专注于AI培训、超级个体打造、公司提效陪跑。