腾讯混元 Hy4 正式发布，元宝同步接入：看得懂，也干得好

腾讯混元正式发布新一代大模型 Hy4,元宝同步接入。元宝专家模式中原有的 Hy4 preview 已升级为 Hy4,用户在元宝 App、PC 端和网页端,把模型切换到 Hy4 即可使用。借助 Hy4 的视觉理解与长程任务能力,元宝不仅能看懂用户发来的照片和截图,还能接着把事情办好;面对需要多个步骤的任务,元宝会边做边检查,最终交付可以直接使用的成品。

Hy4 整体相比 Hy4 preview 实现了全面大幅提升,尤其强化了 Agent 能力,以及长程任务、真实生产力任务上的表现,并首次引入了视觉理解。模型具备更强的智能、更高的效率、更丰富的交互,也让产品体验更好。在元宝多个任务类型的应用评测中,Hy4 相较 Hy4 preview 有非常显著的提升,多轮对话和写作的提升尤为突出。在元宝多模态理解场景,相较之前 VLM 模型,Hy4 在多模态 Agent 任务完成度提升 36.8%,多模态问答提升 15.8%,整体识图、图文混合推理、跨模态上下文能力大幅提升。此次升级延续了混元模型团队与元宝产品团队的 co-design 合作模式。

看懂原图,发现问题。 在 Hy4 的支持下,元宝能更准确地理解照片、截图、手写稿中的版面与内容,并把处理结果直接标在原图上。拍下一页数学作业,元宝会逐题批改,在原图上标出错处和尚未掌握的知识点,并建议把错题思路自己重讲一遍。元宝还会主动发现图中用户没有留意到的问题。用户发来机票和酒店订单截图,请元宝安排带父母出游的行程,元宝在排行程前先指出酒店入住日期比航班落地晚了一天——落地当晚没有房间,返程当天却多订了一晚,并建议先修改订单,再按实际时间安排行程。

多步任务做到底,交付即可用。 对于需要拆成多个步骤的任务,元宝能持续推进直到交付,并在过程中自行检查、及时纠正。用两张古风照片做一个修仙小游戏,元宝写完后会自己试玩,发现难度不合理、背景过暗等问题,逐一调整后再交付。在博物馆拍下一件文物,元宝会做成可交互的讲解网页,并列出资料出处;展签与公开资料不一致之处,也会单独注明。在文博领域,Hy4 训练过程中深度融入了腾讯 SSV 探元 AI 文博知识内容:来自北京中轴线、殷墟甲骨文、景德镇等权威机构的文物数据、古籍与图像,覆盖近千所博物馆、1.66 万件文物,让元宝认文物更准、讲文物更有据。

元宝产品团队表示,接入 Hy4 后,识图任务完成度有提升:图片内容看得更细致、图文混合推理更精准;多轮任务衔接更连贯,最终交付的成品也能图文并茂、更直观。目前,用户在元宝中切换模型至 Hy4 即可免费使用。

此次升级带来的变化,不只是元宝能看懂更多图片,更在于看懂之后能接着把事办好,并在过程中自己检查、把关结果。一张照片、一张订单截图,都可以成为一件事的起点。元宝团队表示,将继续与腾讯混元团队深度协同,围绕学习、生活中的真实需求打磨专家模式,把每一件交到元宝手里的事办好、办对。