2026 年 8 月 28 日，腾讯开源了 770B 参数的混合专家模型 Hy4 preview。这个拥有 1M 上下文窗口的旗舰模型同时公布了一个工程细节：它自主分析了推理系统瓶颈，完成算子融合与通信优化，将端到端吞吐提升了 31.8%。
机器调优机器的工程实践
大模型生成代码已经常态化，但将其系统性用于底层优化仍属于前沿探索。Hy4 preview 深度参与了自身研发流程，涵盖自动化调优训练方法、数据策略及评测框架。机器优化机器的飞轮正在启动。
这种自我改进横跨了算法迭代与底层算子重构。模型针对不同上下文长度和并发场景进行自适应调整，并保持了吞吐提升的一致性。这说明开源模型的工程能力已经从单一的任务生成，演进到具备系统级性能评估与改造的视野。
图：Hy4 preview 能力概览图。来源：Tencent 官方发布页
49B 激活参数与商业账本
Hy4 preview 采用 770B 总参数与 49B 激活参数的架构设计。API 定价在输入缓存命中时低至 $0.042/百万 tokens，常规输入和输出分别为 $0.834 和 $2.501。庞大的参数池保证了世界知识的容量，较小的激活参数直接压低了推理侧的硬件需求。
在内部组织的包含 203 个工程任务的盲评中，Hy4 preview 以 2.99/4.00 的得分超越了同级别的 GLM-5.3 和 Kimi K3。Terminal Bench 85.4 分的成绩进一步印证了其在长程任务中的表现。极低的缓存价格叠加 1M 上下文，彻底排除了处理海量工程代码和跨文档协作时的算力成本障碍。
图：基准对比与架构示意。来源：Tencent 官方发布页
真实业务数据成为核心资产
在目前的模型级距中，数据来源的稀缺性已经比单纯的参数规模更为关键。Hy4 preview 的训练数据突破了公开语料的限制，大量吸收了腾讯在软件工程、游戏开发、金融及安全领域的真实业务积累。产品侧的 CodeBuddy 与 WorkBuddy 直接输出了经过验证的工程任务数据。
在游戏开发场景，开发人员可通过单条自然语言生成可玩原型；在科学研究领域，模型能够辅助分子动力学模拟与基础数学证明。模型与产品的深度协同设计（model-product co-design）打通了数据回流通道。模型在真实开发场景中暴露的缺陷与解题过程，构成了下一次迭代中最核心的训练养料。
竞争纵深的战略转移
腾讯放弃了在特定体系内进行封闭测试，直接通过 preview-first 策略在开源社区获取开发者反馈。Hacker News 上超过 300 points 的讨论热度，证实了这种坦诚带来的社区互动极其高效。这种将高规格旗舰模型以 Apache 2.0 协议开源的做法，改变了国内大模型生态的发展节奏。
Hy4 preview 真正的意义在于确立了中国开源大模型竞争焦点转移的标志。当一个 770B 规模的模型能够通过吸收真实业务数据反哺自身，并主动参与优化底层推理系统时，纯粹拼参数的阶段就结束了。当下的竞争重心全面转向深耕生产力场景与推动模型自我进化的系统性工程实践。
参考链接：
- Tencent 官方发布页
- Hacker News 社区讨论
- 知乎相关讨论
