腾讯 Hy4 评测：写代码追上来了，幻觉率89%

腾讯刚发布的 Hy4，最有看头的不是总分，是它有点偏科。编码能跟一部分中游闭源模型比一比；换到知识问答，又会把不知道的事硬答得很完整。第一张：编码分数先上桌。AA 的 FrontierCode 2.0 里，Hy4 得 31%，Claude Fable 5.1（max）是 32%。另一项 Terminal-Bench 4.0，Hy4 得 37%。在编程和终端任务上，它值得拿来跑几个真实小活；但评测分不等于项目能脱手交付。第二张：同一个模型，换种题就翻车了。AA-Omniscience 里，Hy4 准确率 50%，Kimi K3.1 Pro 是 49%，差得不多；幻觉率却是 89% 对 37%。这里的 89% 不等于 89% 的回答全错，而是更偏向「不知道时也硬答」。所以拿它查资料、问政策和找出处，别把流畅当可靠，来源还是要自己点开。第三张：便宜要连着长度和速度看。AA 模型页列的单价是每百万输入 token 0.834 美元、输出 2.501 美元。它完成评测任务平均要 13.9 分钟，整套下来输出 1.6 亿 t，整套下来输出 1.6 亿 token，同价档中位约 7260 万。单价低是事实；它也可能想得更久、说得更长，你的实际成本不能用半个公式算。官方 11 月 4 日还说它加了视觉理解、操作命令行和图形界面的能力，并承诺后续发布权重。发布当天还称不上已开源，等权重和许可真的出来再聊。想了解分数口径和价格、速度的取舍，再看今天的 Hy4 长文。来源：Artificial Analysis 评测与模型页（2026-11-05 / 11-06）；腾讯官方发布（2026-11-04）。数据均为第三方评测或官方口径，非本账号实测。