先问一个问题：你觉得现在用一次「旗舰级」大模型，要花多少钱？
很多人的印象还停留在「能力越强越贵」。但 8 月 28 日腾讯混元发布的 Hy4 preview，把这个印象按在地上摩擦了一遍——770B 总参数、1M 上下文的旗舰模型，开源免费拿走，API 输入只要 6 元每百万 token，还有产品端限时 2 周免费。
这不是一个小版本更新，而是国产大模型第一次把「旗舰能力」和「白菜价格」同时摆到桌面上。我们逐条拆开看。
一、Hy4 preview 到底是什么
8 月 28 日，腾讯混元发布并开源新一代大语言模型 Hy4 preview。核心参数：总参数 770B，激活参数 49B，上下文长度突破 1M。目前已经在 HuggingFace、GitHub、ModelScope 同步开源，API 通过腾讯云 TokenHub 和 OpenRouter 开放调用，同时在 WorkBuddy / CodeBuddy（国内版与国际版）、元宝、ima 等腾讯产品同步首发。
官方给它的定位是「为生产力而生」。方法上是和腾讯内部软件工程、游戏、金融、安全等领域的顶尖专家做高质量数据共建，再与 WorkBuddy 这类产品做深度协同（官方称为 Co-Design）。
有一点需要先说清楚：Hy4 preview 是 Hy4 迭代的早期版本，官方也坦承预训练与后训练仍有提升空间，已知问题包括复杂任务下思考时间偏长。它是「preview 先行、正式版跟进」节奏下的产物——自今年 2 月重建基础设施以来，混元大约每两个月迭代一次大版本。
二、770B 总参只激活 49B，这是什么水平
「770B 总参、49B 激活」这个组合，是典型的大规模 MoE（混合专家）架构：模型整体很大，但每次推理只唤醒其中一小部分参数。好处很直接——知识容量按 770B 算，算力开销按 49B 算，所以才可能做到「大而便宜」。
那效果呢？腾讯做了一次内部盲测：163 名内部专家、203 个工程任务，Hy4 preview 平均得分 2.99/4.00，略高于 GLM 5.3（2.92/4.00）和 Kimi K3（2.94/4.00）。
这里必须标注口径：这是腾讯内部组织的盲测成绩，属于自评数据，不是第三方公开榜单排名。它的参考价值在于「腾讯自己认为它超过了哪两个对手」，而不是「权威机构认定它排第几」。看这类数据，把它当成方向性信号就好。
三、6 元定价，把价格打到了什么位置
这是真正让普通人兴奋的部分。Hy4 preview 的 API 定价：
- 输入：6 元 / 百万 token
- 输出：18 元 / 百万 token
- 缓存命中：0.3 元 / 百万 token
海外口径为每百万 token 输入 0.834 美元、输出 2.501 美元、缓存命中 0.042 美元。
百万 token 是什么概念？大约相当于 70 万到 80 万个汉字，或者几本中等篇幅的书。也就是说，你往里塞一整本书的内容做分析，成本是一杯奶茶钱的水平。对做 RAG、批量文档处理、自动化脚本的开发者和副业党来说，这个价格意味着「token 成本基本可以从预算表里划掉」。
更直接的是产品端：WorkBuddy 和 CodeBuddy 面向用户开展为期 2 周的限时免费活动。注意，这是产品端免费，不是 API 免费——想零成本体验旗舰能力，这两个入口是当前最省事的路径。
四、四个真实场景：它到底能帮你干什么
参数看完了，落到普通人的活儿上。官方重点讲了四类场景：
软件工程。增强长程开发任务的理解、规划、调试与验证能力，前端开发的视觉审美和交互质量也有提升。官方示例是生成原生 WebGL 的横向互动漫画页——多章节角色画风一致、分镜空间与镜头节奏编排准确，还能顾及移动端性能。
办公分析。这个场景最贴打工人：模型从 72 份文件中自动判断发票是否合规，从 3 份规章制度里找到现行生效的那条规则，再据此甄别发票报销申请是否合规。跨文件检索 + 规则判定的组合，是过去最耗人力的那类活。
游戏开发。一句话需求直接生成可玩原型，并能熟练使用游戏引擎——官方演示是通过 MCP 接入 Unreal 5 引擎，纯对话从零做出一个射击游戏 Demo，包括环境美术、玩法、关卡搭建，还能多轮交互持续完善。
科学研究。这块有两个硬指标：一是结合 Hyra 模型，把三维 Blaschke-Lebesgue 这个百年经典问题的体积下界从 0.380799 推进到 0.41104，距离 Meissner 四面体猜想的最终证明只剩约 2% 的距离；二是 32,512 原子的磷脂双分子层模拟实现 2.02 倍加速，达到 54.9ms/step。
五、最值得琢磨的：模型参与了「造自己」
这次发布里最不一样的一条，是 Hy4 preview 在自身研发的全链路过程中发挥了实际作用——它首次参与了训练方法、数据策略、评估体系和底层算子的自动优化。流程是：模型提出方案、运行实验、根据结果继续迭代，实验产生的代码、日志和反馈进入下一轮探索，形成一个初步的递归自我改进闭环。
推理侧也是一样。它通过自主分析推理系统瓶颈，围绕算子融合、通信优化等方向做了多轮优化，端到端吞吐相较基线提升 31.8%，而且在不同上下文长度和并发度下都有稳定收益。
这两条加起来的意思是：模型不只是被训练出来的产物，它开始参与训练和优化自己的过程。这个闭环目前还很初步，但方向比数字更值得关注。
六、普通人怎么用上
三条路径，按门槛从低到高：
- 想直接体验：打开 WorkBuddy / CodeBuddy（国内版或国际版）、元宝、ima，产品里已经首发接入，且 WorkBuddy / CodeBuddy 有 2 周限时免费。
- 想自己部署：模型已开源，HuggingFace、GitHub、ModelScope 都能拿到权重。
- 想接进自己的工具：走腾讯云 TokenHub 或 OpenRouter 的 API，按 6 元 / 18 元 / 0.3 元的档位计费。
按混元「preview 先行、正式版跟进」的节奏，Hy4 的下一版模型近期也会陆续上线。如果你手上正好有批量文档处理、代码重构、或者想做的 AI 小工具，这两周的免费窗口是很好的试错期——先用起来，再决定要不要为它改工作流。
最后一个问题留给你：770B 参数的旗舰模型卖到 6 元，你觉得下一步国产大模型会卷向哪里？是继续拼价格，还是转向拼「能不能真的替你干完活」？评论区聊聊你的判断。
关注「AI 智习室」，每天一条看得懂的 AI 情报。
