腾讯混元Hy4 preview首发接入WorkBuddy：上线首日排队、推理集群紧急扩容，Hy3限免延至9月30日
一个新模型上线当天就把自己挤爆了，这在 2026 年不算常见。
8 月 28 日，腾讯混元发布并开源 Hy4 preview，总参数 770B、激活参数 49B、上下文长度 1M，WorkBuddy 国内版与国际版同步首发接入。三天后的 8 月 31 日，腾讯混元与 WorkBuddy 联合项目团队发出公告：上线首日，WorkBuddy 任务队列里就出现了排队，团队已对 Hy4 preview 推理集群紧急扩容，并公开致歉。
这不是营销事故，更像一次没做足压力测试就开闸的真实供需测试。770B 的 MoE 旗舰要在免费额度内承接 C 端并发，算力账怎么算都是紧的。真正的看点在于：一个号称"为生产力而生"的模型，在办公智能体里到底能替用户多干多少活；以及排队的那些人，是不是真的非它不可。
一、770B 与 1M，扩容扩在哪
Hy4 preview 的规格跳了一整代。
腾讯官方资料显示，上一代 Hy3 为 295B 总参数、21B 激活参数、256K 上下文；Hy4 preview 把三项全部往上翻，做到 770B 总参、49B 激活、1M 上下文。架构仍是 MoE：backbone 共 78 层，第 1 层为 dense FFN，其余 77 层每层 256 个路由专家加 1 个共享专家，每个 token 激活 top-8 路由加 1 个共享专家，hidden size 6144。长上下文不靠 rope-scaling 硬拉，而是用稀疏注意力配合 IndexCache 的跨层索引复用。Hugging Face 文件页显示的 780B，是把内置的 MTP 投机解码层（10B 总参 / 0.7B 激活）算了进去，官方口径的 770B 指 backbone。
对办公场景而言，1M 这个数字比 770B 更实际。它意味着一整个代码仓库、一整年的经营报表、几百份合同可以同时丢进上下文，而不是切段喂进去。WorkBuddy 里"把 18 个月账单跑一遍""对 108 家下属企业全库扫描"这类任务，此前要拆成多轮，现在有机会一次端上去。
参数效率是另一个角度。据第三方模型对比文章观察，Hy4 preview 在 Terminal-Bench 上的分数已经超过激活参数量明显更大的 DeepSeek V4 Pro。MoE 只在推理时激活部分专家，实际计算量远低于总参数给人的印象，这对想私有化部署的团队是实打实的成本差异。腾讯首席 AI 科学家姚顺雨主导了这轮迭代，从 2026 年 2 月重建预训练与强化学习基础设施算起，平均两个月一个大版本。
二、12 项跑分里的进步与水分区
腾讯公布的 12 项 benchmark 里，能在公开文字报道中逐条对上的有这几项：Terminal Bench 2.1 从 Hy3 的 70.8 升到 85.4，涨 14.6 分；DeepSWE 从 28.0 翻到 64.3；Toolathlon-Verified 从 56.2 升到 74.1；APEX-Agents（pass@1）拿到 37.1，Kimi K3 是 37.2，差 0.1。科学与推理线上，BioMysteryBench 从 54.9 升到 71.3，GPQA Diamond 从 90.9 升到 92.3。长上下文检索 OneMillionBench（with tools）为 65.4，Hy3 是 51.5。
前提必须说清楚：这 12 项全部是腾讯自述。发布当天没有 Artificial Analysis 收录，没有 HF Open LLM Leaderboard 数据，也没有社区独立实测，第三方媒体基本是通稿转载。腾讯自己在方法论注释里也标了，表中带星号的分数是腾讯对别家模型的第三方复现，不是对方自报数。
相对更值得参考的是内部盲测：163 名腾讯内部专家、203 个工程任务，在 WorkBuddy 环境下盲评，Hy4 preview 均分 2.99/4.00，略优于 GLM 5.3 的 2.92 和 Kimi K3 的 2.94。这套数据出自自家测试，参考价值要打折，但它衡量的是真实工作流表现，比刷榜分数离用户更近。第三方竞技场 Arena.ai 的结果显示，Hy4 preview 在 Code Arena: WebDev 以 1633 分暂列约第 5，开源模型里约排第 3，而 Hy3 此前总榜第 31，提升了 115 分。
官方自己的定性倒很克制：这是 Hy4 的早期版本，预训练和后训练均仍有较大提升空间，已知问题包括复杂任务下的长思考与过度自我验证倾向。
三、首日排队：一次真实的压力测试
8 月 31 日的公告给了三条信息。
其一，8 月 28 日 Hy4 preview 在 WorkBuddy 首发接入后，上线首日即在任务队列中出现排队，团队已针对推理集群紧急扩容，并将持续动态调配资源。其二，受限于高端算力总量与高峰并发集中，仍不排除个别时段继续排队。其三，过渡方案两条：切换到 Hy3 等其他模型；非紧急需求错峰在晚间时段使用。
这三条拼起来，是 2026 年 AI 行业最真实的一处供需关系：770B 的 MoE 旗舰推理成本高，免费额度一开，并发立刻打满。腾讯没有披露具体调用量、扩容倍数和平均排队时长——这是这份公告里最该补而没补的数据。
一个有意思的细节是模型自己也参与了优化。腾讯混元团队称，Hy4 preview 自主分析了推理系统的瓶颈，在算子融合、通信优化等环节完成多轮优化，端到端吞吐相比基线提升 31.8%，且在不同上下文长度与并发水平下收益一致。如果这条成立，硬件扩容之外还有一层软件侧的余量。
四、两条限免线：9 月 10 日与 9 月 30 日
时间表要记清楚。
Hy4 preview 限免至 2026 年 9 月 10 日 23:59，窗口两周；Hy3 在 WorkBuddy 的限免延长至 2026 年 9 月 30 日 23:59。两条线错峰，逻辑很清楚：Hy3 做日常办公与常规问答的免费基座，Hy4 preview 开一个两周窗口，让开发者和企业用户评估新模型的 Agent 能力。
三条容易被忽略的规则：一是每日免费额度有限，平台为每位用户分配了每日额度，触发限频后页面提示额度重置时间，之后可消耗积分继续使用；二是 Hy4 preview 和 Hy3 均为大语言模型，暂不具备图像 / 视频等多模态生成能力，在 WorkBuddy 里发起生图、视频任务时系统会自动切换到其他多模态模型执行，按正常规则产生积分消耗，不占用 Hy4 preview 的免费额度；三是当日资源繁忙时会进入排队。
API 侧价格同时给出：输入 6 元/百万 tokens、输出 18 元/百万 tokens，缓存命中低至 0.3 元；美元计价为输入 0.834 美元、输出 2.501 美元、缓存命中 0.042 美元。开发者可通过腾讯云 TokenHub 和 OpenRouter 接入。
五、什么任务值得切到 Hy4
对用户来说，真正的问题不是"要不要追新"，而是"哪些活值得排这个队"。
值得切的三类：长上下文任务，1M 窗口对全代码库问答、整年长文档解析、跨文件数据分析是硬优势；多步骤 Agent 任务，Toolathlon-Verified 从 56.2 到 74.1 提升的是工具调用链，正对 WorkBuddy 的自动化流水线；软件工程长任务，DeepSWE 翻倍到 64.3、Terminal Bench 2.1 到 85.4，长程开发的理解、规划、调试与验证是提升最集中的地方。
不值得切的两类：日常文档、表格、PPT 这类轻量办公，Hy3 免费用到 9 月 30 日，切过去只是给集群添堵；以及所有生图、视频等多模态任务，切了也会自动跳回多模态模型，免费额度不省反花积分。
还有一条现实提醒：官方明说这是早期版本，复杂任务存在长思考与过度自我验证倾向。越长的任务，Hy4 preview 可能越"想得多"。把最复杂、最不容错的一步留给人复核，比全盘交给它划算。
两周的免费窗口，9 月 10 日 23:59 就关。对想评估的团队来说，值得做的不是刷几个 demo，而是挑一条真实业务流——比如上海家化那条原本要 5 到 6 人天的月度账单分析——用 Hy4 preview 完整跑一遍，看它比 Hy3 少走几轮。答案在那条业务流里，不在跑分表上。到那时，Hy4 正式版值不值得付费，才会真正清楚。
