2026 年 11 月 20 日,騰訊混元(Tencent Hy)團隊正式在 Hugging Face、ModelScope 與 GitCode 開放 11 月 4 日推出的旗艦新一代混合專家(MoE)模型 Hy4 正式版權重。需要特別區分的是,本次開源的是 770B 語言骨幹規模的旗艦正代 Hy4,切勿與此前已先行開源的 220B 參數輕量版本 Hy4 Flash(tencent/Hy4-flash 系列)混淆。
三版怎麼選:Hy4 指令版、Hy4-FP8 與 Hy4-base 實操對照
生產部署首選 Hy4-FP8,Base 版並非開箱即用聊天模型:騰訊本次同步放出了三個獨立倉庫,各自定位涇渭分明:第一,tencent/Hy4-FP8(FP8 量化指令版,含 770B 語言骨幹、1.23B ViT 視覺編碼器與 3.3B DFly2 投機解碼草稿頭,倉庫總計約 774B 參數)是官方在 vLLM(vllm/vllm-openai:hy4)與 SGLang(lmsysorg/sglang:hy4)部署配方中預設載入的生產主力版本,支援高深度推理(reasoning_effort 設為 high)與直接回覆(no_think)雙模式;第二,tencent/Hy4(原生 BF16/F32 精度指令版)適合擁有多節點大顯存集群、開展無損基準測試或使用騰訊 AngelSlim 工具鏈自研低位元量化的團隊;第三,tencent/Hy4-base(約 771B 預訓練基座版)未經過指令對齊,模型卡明確提示其不是開箱即用的聊天或智能體模型(且因中期訓練接觸過大量合成指令數據,few-shot 評估時偶爾會不遵循預期輸出格式),僅適合從底座重做領域繼續預訓練、SFT 微調或強化學習研究。
算力激活 49B 不等於完整權重部署顯存規模:架構參數上,Hy4 語言骨幹共 78 層(首層為標準稠密 FFN,其餘 77 層為 MoE 層,每層包含 256 個路由專家與 1 個共享專家,每個 token 激活 Top-8 路由專家加 1 個共享專家),總參數 770B、單 token 文本激活 49B(視覺編碼激活 1.23B),支援 1M(1,048,576 tokens)上下文視窗以及文本、圖片與影片理解(不包含原生音訊輸入或圖像/影片生成,協議為 Tencent Hy License)。開發者在規劃算力時務必注意:49B 決定的是單步推理計算量,而推理部署必須將完整的 770B+ 稀疏權重與長上下文 KV 快取裝入顯存(官方推薦單機 8 卡張量並行 TP=8 載入 FP8 版並開啟 DFly2 投機解碼)。

圖片來源:DigIntoAI 根據 Hugging Face tencent/Hy4 系列官方模型卡整理製作。
遊戲開發深度適配:Unity、Unreal 與 Godot 原型實測切入
聯合騰訊互娛(IEG)專項優化三大主流引擎與多人連線邏輯:在具體行業能力上,騰訊在官方模型卡中重點披露了 Hy4 在遊戲開發領域的專項突破:團隊與騰訊互動娛樂事業群(IEG)的專業遊戲開發者合作篩選高質量訓練語料並構建評測基準,圍繞功能實現、玩法邏輯、狀態追蹤與資產管線展開強化,針對 Unity、Unreal Engine(虛幻引擎)與 Godot 三大主流引擎進行了深度適配,並將能力擴展至多人連線(multiplayer)遊戲開發。配合複用主幹 KV 快取與稀疏索引的 3.3B DFly2 投機解碼器,模型在輸出長段狀態機腳本與連線同步邏輯時可保持恆定低草稿開銷。
廠商內部跑分作參考,拿同一個玩法原型做橫向實測:官方模型卡標註其內部評測中 Hy4 較前代 Hy4 preview 在 GameDev 提升 19.1%、GameLogic 提升 9.8%(同時在 213 名金融專家參與的 579 項真實金融任務中拿到 3.04/4 分,並在 123 項科研基準 TenureTrail 居開源前列)。不過,廠商自述的內部基準分數更適合作為初步篩選訊號,而不應直接當成最終選型結論——對於遊戲開發團隊而言,更具說服力的驗證方式是直接拿同一個具體玩法原型(例如包含角色狀態機切換、物理觸發回調或多人狀態校驗的 Unity C#、Unreal C++ 或 Godot GDScript 核心模組),在相同工程目錄上下文下對比 Hy4-FP8 與現有主力模型的編譯通過率、引擎 API 版本準確性及邊界漏洞修復能力。
