腾讯发布 Hy4，加入一场更看重成本与实证的基准竞赛

腾讯开放最新模型

这次发布的意义不在功能，而在比价。买家现在一边看登顶谷歌指数的 Gemini 4 Carbon，一边看腾讯承诺可下载的开放权重模型。他们还要掂量 Gartner 的估算：开放模型能处理大部分智能体任务，成本只是前沿模型的一小部分。

腾讯的说法覆盖面很广。Hy4 首次加入视觉理解和电脑操作能力，能通过命令行和图形界面完成任务。腾讯称训练时用了 Blender 和 CAD 等专业软件，目标是长时间、多步骤的任务。在腾讯的 WorkBuddy 助手上，公司报告的评测平均分为 83.18，通过率 96.15%。在中国大陆的十二个场景中，Hy4 有九个排名第一。腾讯金融科技参与的一次盲测有 213 名金融从业者参加，其中 153 人来自外部机构，共覆盖 579 项任务。

这些数字全部出自腾讯自己的测试，没有第三方基准机构参与。开放权重会改变这种比较的性质，前提是腾讯兑现承诺。买家到时候可以自己跑模型，核对这些说法。

谷歌险胜登顶

Tom's Hardware 报道称，Gemini 4 Carbon 在 Artificial Analysis Intelligence Index V5 上得分 59，比 Claude Opus 5.5 高一分，比 OpenAI 的 GPT-6 Astra 高两分。

在整套九项评测中，Gemini 4 Carbon 有四项拿到最高分，且每项任务的成本低于其他排名靠前的模型。它比 Meta 的 Muse Wonder Full 高出九分。它并非样样最强。Tom's Hardware 指出，在编程上它落后于搭配 Claude Opus 5.5 的 Claude Code，在知识工作上也不及 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro。

领先幅度很小。小是常态。这个榜单的排名在 2026 年一直变动频繁，一分之差算不上稳固优势。谷歌能拿出来说的是价格。在 Intelligence Index 测试中，Gemini 4 Carbon 每项任务花费 7.76 美元，比 Claude Opus 5.5 和 Sonnet 5.5 便宜，大约是 Claude Fable 5.1 的 12.99 美元的一半。它仍比 OpenAI 的 GPT-6 Astra 贵，大约是 GPT 6.1 Sol 的六倍。

在 AA-Omniscience v1.1 上它得分 54。该基准衡量知识回忆和幻觉，分数区间从 -100 到 +100。即便是 2026 年末最好的前沿模型，离可靠回忆也还有很长距离。

成本这笔账

据 The Register 报道，Gartner 估计开放模型能承担 90% 的智能体工作，成本只有前沿大模型的二十分之一。

把这条估算和价格表放在一起，取舍就变得具体了。Gemini 4 Carbon 每项任务 7.76 美元，约是开放权重的 DeepSeek V4.1 Flash 1017 的 13 倍。后者在 Intelligence Index 上得分 32。买家在选的是每单位工作需要多少准确度，也在问几分之差的基准差距是否值上几倍的价格。

谷歌自己的说法侧重安全工作。它通过 Fairwind 计划先向网络防御人员开放，更广泛的可用性要等到之后。大多数买家目前还测不了这个排名第一的模型。

接下来看什么：权重、开放与验证

Anthropic 周二发布博客文章，介绍 FlashProve。这是一套开源系统，用来验证某段输出出自哪个模型。做法是让实验室公布每个模型的指纹，实验室可以把指纹与输出匹配，并用密码学方法核验。核验过程不会暴露权重。

研究人员在 GitHub 上发布了技术规范和可运行的代码。他们表示没有计划在 Anthropic 或其他实验室部署这套系统。所以它目前是提案，不是产品。但它针对的问题对买家确实存在。一家公司可以声称某个合适的模型批准了它的商业计划，也可以声称某个前沿安全模型扫描了一座图书馆。研究人员写道，客户没有办法确认。

眼下更实际的问题要简单得多。腾讯说 Hy4 的权重和系统卡会在未来几天公布。谷歌说 Gemini 4 Carbon 将在 Fairwind 计划之后扩大可用范围。在那之前，这些基准说法基本只能按发布方公布的原样来看。