--- title: "Tencent Hy4 Preview 评测：百万 Token 上下文与成本" canonical: https://wavect.io/zh/blog/tencent-hy4-preview-coding-agent-review/ language: zh description: "Tencent Hy4 preview 评测：在团队试点前核实百万 Token 上下文、编程基准、API 价格、WorkBuddy 与自托管需求。" image: "https://wavect.io/img/blog/headers/header_tencent-hy4-preview-coding-agent-review.png" author: ["Kevin Riedl"] published: "2026-09-01" updated: "2026-09-02" reviewed: "2026-09-02" --- # Tencent Hy4 Preview 评测：百万 Token 上下文值得试点吗？ [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 8 分钟 阅读 · 2026年9月1日 最近审核 2026年9月2日 [**下一篇**](/zh/blog/pagelm-self-hosted-ai-study-platform/) 要点速览 Tencent Hy4 preview 值得用于长时程编程智能体试点，但不应自动替代已经验证的生产模型。Tencent 公布的主干规模为 7700 亿参数，每个 Token 激活 490 亿参数，上下文窗口为 100 万 Token，并采用 Apache 2.0 许可证。其内部 203 项工程任务评测略胜 GLM-5.3 和 Kimi K3，公开记录也显示出较强的编程成绩，但这些数字不能证明它能在你的技术栈中可靠保留整个代码库。官方自托管方案面向 8 张 B300 或 16 张 B200 GPU，因此托管访问是更实际的起点。团队应测试真实仓库任务，以被接受的变更衡量结果，验证工具调用与安全性，并把官方承认的过度思考和过度验证计入成本风险。 **如果长上下文、多步骤工具调用或重复检索代码库已经成为瓶颈，Tencent Hy4 preview 值得进行受控的编程智能体试点。**但它还不适合作为所有生产工作流的默认模型。模型规模极大，自托管属于数据中心项目，而且 Tencent 明确说明这个早期版本可能在复杂任务上思考和验证过久。 Tencent 于 2026 年 8 月 28 日发布 Hy4 preview，主干规模为 7700 亿参数，每个 Token 激活 490 亿参数，上下文超过 100 万 Token。 [Tencent 官方公告](https://www.tencent.com/tencent-releases-and-open-sources-tencent-hy4-preview/) 列出了 WorkBuddy、CodeBuddy、Tencent Cloud TokenHub 和 OpenRouter 等访问方式。WorkBuddy 与 CodeBuddy 的首发免费体验期公布为两周。 本文核查日期为 **2026 年 9 月 1 日**，只负责一个搜索意图：软件团队是否应针对长时程编程任务试用 Hy4 preview。市场范围的模型筛选请参阅 [开放权重 LLM 对比](/zh/blog/open-weight-llm-comparison-2026/) 。检索、微调与长上下文之间的架构选择，请参阅 [RAG、微调与长上下文决策指南](/zh/blog/rag-vs-finetune-vs-longcontext-2026/) 。 ## 60 秒了解 Hy4 preview | 问题 | 已核实答案 | 采购含义 | | --- | --- | --- | | 它是什么？ | 总参数 770B、激活参数 49B 的 MoE 语言模型 | 稀疏激活不等于只有 49B 权重 | | 上下文多大？ | 服务方案为 1,048,576 Token | 可容纳超大输入，但不保证准确回忆 | | 许可证？ | 权重与代码采用 Apache 2.0 | 经过常规法律审核后可商用和自托管 | | 支持工具调用？ | 支持，vLLM 与 SGLang 方案包含推理和工具解析器 | 权限、恢复与停止规则仍由智能体框架负责 | | 官方 API 价格？ | 每百万 Token 输入 0.834 美元、输出 2.501 美元、缓存命中 0.042 美元 | 真实缓存复用率会显著影响成本 | | 能否自托管？ | 官方方案面向 8 张 B300 或 16 张 B200 | 应先做托管试点，再考虑采购硬件 | ## Tencent Hy4 preview 是什么？ **Hy4 preview 是 Tencent Hy 团队面向编程、办公、分析、游戏和科研任务推出的稀疏 Mixture-of-Experts 旗舰模型。** [官方 Hugging Face 模型卡](https://huggingface.co/tencent/Hy4-preview) 记录了 78 层主干。第一层使用 Dense FFN，其余 77 层各有 256 个路由专家和 1 个共享专家。每个 Token 激活 8 个路由专家与共享专家。 770B 指主干参数。原生 Multi-Token Prediction 层另有 10B 总参数和 0.7B 激活参数，用于推测解码。因此部分模型目录显示 780B。Gated DeepSeek Sparse Attention、跨层 IndexCache 和 identity Hyper-Connections 旨在降低长输入与持续推理的成本。 权重、FP8 版本、微调代码、部署文档与许可证都在 [Tencent 官方 Hy4 preview 仓库](https://github.com/Tencent-Hunyuan/Hy4-preview) 中。这种开放程度具有实际价值，但 770B 模型仍然不是普通笔记本能运行的下载包。 ## 我们的 WorkBuddy 编程测试说明了什么？ 我们让 [WorkBuddy](https://www.workbuddy.ai/) 中的 Hy4 preview 构建一个完整的交互式 AI 模型基准仪表板。关键不只是生成 HTML。它还编写了核心逻辑，建立无头测试框架，使用 Stub DOM 验证 JavaScript，并在交付前检查筛选器与成本模拟的边界情况。 **这是积极的现场观察，不是独立基准。**一次成功的仪表板任务不能证明总体成功率、安全水平或经济优势，但它提出了可验证的假设：当智能体需要在长时间运行中保持需求、实现状态、测试证据与工具输出时，Hy4 可能产生价值。 ## Hy4 preview 的基准有多强？ Tencent 让 163 名内部专家对 203 项工程任务进行盲评。Hy4 平均获得 2.99/4，GLM-5.3 为 2.92，Kimi K3 为 2.94。与 GLM-5.3 相比，Tencent 报告 46.8% 胜、12.8% 平、40.4% 负；与 Kimi K3 相比为 51.2% 胜、7.9% 平、40.9% 负。 | 信号 | 公开结果 | 能够支持 | 不能证明 | | --- | --- | --- | --- | | Tencent 专家评测 | 203 项任务 2.99/4 | 在厂商真实工作任务中具有竞争力 | 独立领先或在你的仓库中成功 | | SWE-bench Pro | 65.7 | 在该框架下具备较强的问题修复能力 | 生产可维护性、延迟或安全性 | | DeepSWE | 64.3 | 具备编程智能体潜力 | 百万 Token 下可靠理解代码库 | | SWE-bench Multilingual | 82.9 | 多语言编程表现值得关注 | 所有语言与框架中质量一致 | 这些数字足以支持评估，不足以支持直接迁移。不同基准的框架、工具、上下文、硬件、重试规则与评分方法不同。Hy4 仍是 preview，服务行为也可能继续变化。 ## 百万 Token 是否等于记住整个代码库？ **不是。百万 Token 是输入容量，不是记忆或准确率保证。**它可以减少破坏性的切块，并让模型同时查看更广的关系，但不能保证位于中间的细节会影响正确修改，也不能保证每个输入 Token 都值得付费。 [LongCodeBench 研究](https://arxiv.org/abs/2505.07897) 发现，此前多种模型在代码上下文增长时性能明显下降，即使它们在规格上支持长窗口。Hy4 发布更晚，并未参加该研究。这篇论文支持测试方法，不支持任何 Hy4 分数。 生产环境应提供仓库地图、清晰任务边界、变更文件提示、验收测试与精简证据。我们的 [编程智能体更需要上下文而非宣传式智能](/zh/blog/ai-coding-agents-context-not-intelligence/) 文章解释了为什么结构化上下文通常优于直接倾倒整个仓库。 ## 选择托管 API 还是自托管 Hy4？ **大多数团队应从 WorkBuddy、CodeBuddy、TokenHub、OpenRouter 或经过审查的其他托管方式开始。**请向实际购买的服务商确认实时价格、区域、保留策略、吞吐量、上下文限制和工具支持。 [官方 vLLM 方案](https://recipes.vllm.ai/tencent/Hy4-preview) 列出 16 张 NVIDIA B200 或 8 张 B300 GPU。vLLM 与 SGLang 示例提供 OpenAI 兼容端点、FP8 权重以及 Hy4 专用推理和工具解析器。这适合已有分布式推理运维能力的团队，不适合普通产品团队的第一次实验。 | 方式 | 适用情况 | 主要风险 | 决策关卡 | | --- | --- | --- | --- | | WorkBuddy 或 CodeBuddy | 快速做端到端产品试验 | 对框架细节和遥测控制较少 | 能否以可检查证据完成真实工作？ | | 托管 API | 需要集成、计量与工具调用 | 服务商限制、数据条款与服务差异 | 每项被接受任务的成本是否更低？ | | 自托管 FP8 | 流量稳定、需要数据控制且已有 GPU 运维 | 资本、利用率、网络、升级与值班 | 实测 TCO 是否优于有合同保障的 API？ | 在把开放权重变成硬件采购前，请使用我们的 [本地模型与 API 盈亏平衡框架](/zh/blog/local-models-vs-apis-break-even-eu-2026/) 。正确的分母是被接受的任务，而不是理论 Token 数量。 ## 两周 Hy4 编程智能体试点 1. **固定 20 至 30 项任务：** 包含缺陷修复、仓库导航、功能开发、测试修复、长文档与工具故障。 2. **保持框架可比：** 使用相同提交、指令、工具、时间限制与验收测试。 3. **按档位测试上下文：** 精简上下文、经过整理的大上下文与接近上限的压力用例。 4. **记录完整成本：** 输入、缓存命中、输出、重试、耗时与人工审查分钟数。 5. **主动制造故障：** 失败命令、格式错误输出、过期文件与缺失依赖。 6. **检查安全边界：** 分类数据，限制凭据与网络，脱敏日志，对高风险操作要求批准。 7. **根据被接受结果决策：** 只有验收率、成本、审查时间或数据控制改善时才扩大使用。 ## 商业评估应测量什么？ - 首次通过率与每项被接受变更的总成本 - 上下文不同位置的长文本检索准确率 - 有效工具调用、错误恢复与正常停止 - 验证质量以及对测试失败的正确解释 - P50 与 P95 交付时间，包括过度思考 - 安全例外、密钥暴露与人工覆盖 如果一个模型无法赢得所有角色，请把路由决策与本评测分开。我们的 [多模型编程智能体采购指南](/zh/blog/multi-model-ai-coding-agent-stack-2026/) 按实测能力分配规划、实现与独立验证。 ## 建议 **当长时间工程任务已经成为可量化瓶颈，而且你能与真实基线对比时，应试用 Hy4。**先选择托管访问，整理仓库上下文，监测缓存，并让测试而不是模型的自信决定验收。 如果任务适合更小窗口、代码库缺少可靠测试，或无人负责服务商风险与智能体权限，应继续等待。只有经过验证的工作负载、数据控制需求与稳定利用率足以支撑 8 至 16 张数据中心 GPU 及其运维团队时，才考虑自托管。 ## 主要来源与时效边界 架构、访问方式、价格、内部评测与首发优惠来自 Tencent 8 月 28 日公告。详细规格、公开评测、限制和 Apache 2.0 来自模型卡与仓库。硬件信息来自 vLLM。LongCodeBench 只提供一般测试方法，没有评测 Hy4。Wavect 未复现 Tencent 基准。产品访问、价格、隐私条款和服务限制可能在 2026 年 9 月 1 日后改变。 ## Tencent Hy4 Preview 常见问题 ### Tencent Hy4 preview 是什么？ Hy4 preview 是 Tencent Hy 团队面向编程、智能体工作流、办公、分析、游戏和科研的 Mixture-of-Experts 语言模型。主干总参数 7700 亿，每个 Token 激活 490 亿，另有 100 亿参数的 MTP 层用于推测解码。 ### Hy4 真的支持百万 Token 吗？ 支持。模型卡列出 1M 上下文，vLLM 方案明确为 1,048,576 Token。这是容量，不是最大长度下准确使用每个代码细节的证明。应在多个上下文档位测试检索与任务成功率。 ### Hy4 preview 是开源模型吗？ Tencent 以 Apache 2.0 发布权重、FP8 权重、代码、微调指南和部署方案。生产使用仍需审查许可证、第三方组件、模型行为和自身监管责任。 ### Hy4 API 价格是多少？ Tencent 公布每百万 Token 输入 0.834 美元、输出 2.501 美元、缓存命中 0.042 美元。请向计划使用的服务商确认实时价格与条件。 ### Hy4 能在笔记本或单张 GPU 上运行吗？ 官方完整配置不能。vLLM 方案为 FP8 模型列出 16 张 B200 或 8 张 B300。社区量化可能降低内存要求，但需要独立验证质量、性能与许可证。 ### Hy4 是否优于 GLM-5.3 或 Kimi K3？ Hy4 在 Tencent 内部盲评中略微领先，但差距较小且评测由厂商执行。应使用自己的仓库、工具、语言、限制与验收标准进行受控选择。 ### Hy4 用于编程智能体的最大风险是什么？ 主要风险包括把上下文容量误认为可靠记忆、为不必要的思考付费、在缺少外部控制时信任工具调用，以及在托管试点证明价值前采购数据中心级基础设施。 ## 最终思考 Hy4 preview 值得关注，因为 Tencent 把超大开放模型、百万 Token 上下文、面向智能体的工具支持和激进托管价格组合在一起。WorkBuddy 仪表板测试表明，这套系统可以在一项有意义的全栈任务中持续完成实现与验证。 采购决定仍应基于自己的证据。测试真实仓库，对比被接受的变更，计算完整工作流成本，并由权限控制和外部测试掌握最终决定权。 ## 你可能也喜欢.. [**本地模型与 API：欧盟盈亏平衡指南** 计算利用率、硬件、能源、运维和数据控制何时足以支持自托管。](/zh/blog/local-models-vs-apis-break-even-eu-2026/) [**多模型编程智能体技术栈** 按实测能力分配规划、实现与验证，而不是追随模型宣传。](/zh/blog/multi-model-ai-coding-agent-stack-2026/) 模型与基础设施 ## 接下来读什么 模型选择、推理经济性、本地部署、压缩与服务架构。 [从这里开始**在欧盟自托管 LLM：开放权重模型何时才真正划算**](/zh/blog/self-hosting-llms-eu-cost/) - [Cue 轮次检测：电话号码采集、基准测试与局限](/zh/blog/cue-turn-detection-phone-numbers/) - [Google SAM 现名 Agent Mesh：跨机器调用 MCP 工具](/zh/blog/google-sam-agent-mesh-mcp-tools/) - [EdgeQuake：用 PostgreSQL GraphRAG 构建 MCP 智能体记忆](/zh/blog/edgequake-postgresql-graphrag-mcp-agent-memory/) - [BitNet CPU 推理：2B4T 的实际内存需求与 100B 说法](/zh/blog/bitnet-cpu-llm-ram-requirements/) - [SuperPenguin：按 PR、客户和功能核算 AI 成本](/zh/blog/superpenguin-ai-roi-cost-per-pr-customer/) [上一篇文章**NVIDIA PAIR 评测：本地 AI 路由与 AMD 支持缺口**](/zh/blog/nvidia-pair-amd-rocm-strix-halo/) [下一篇文章**PageLM 评估：自托管与商业使用**](/zh/blog/pagelm-self-hosted-ai-study-platform/) [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 8 分钟 阅读 · 2026年9月1日 最近审核 2026年9月2日 [**下一篇**](/zh/blog/pagelm-self-hosted-ai-study-platform/)