混元Hy4还没正式发布，预览版已经进了Agent榜前十：便宜68%才是它真正的卖点

腾讯混元 Hy4 的正式版还没公布发布时间，预览版先在 Arena.ai 的 Agent Arena 榜上露了面：在超过 1.45 万次真实世界智能体任务会话里，Hy4 预览版排开放模型第二、综合榜第十，前面只有一个开放模型 Kimi K3（Max）。净改善率 5.4%，比 Kimi K3（Max）的 6.6% 低 1.2 个百分点；代码和工作两类排第二，聊天类排第三。数字来自 Arena.ai 11 月 4 日前后的披露，凤凰网 11 月 4 日早报做了转述——这是一家第三方评测平台的口径，不是腾讯官方成绩单，读的时候要带上这个前提。

真正值得注意的不是名次，是价格。同一组数据显示，Hy4 预览版完成单项任务的中位成本约 0.26 美元，Kimi K3（Max）约 0.80 美元，便宜了将近 68%，因此进了榜单的帕累托前沿——也就是“性能和成本都拿得出手”的那一档。对跑智能体任务的人来说，这个数字比榜单名次更实在：agent 不是聊一句就走，它要反复调用、反复试错，任务一多，成本是按倍数涨的。一个便宜近七成、效果只差 1.2 个百分点的模型，在很多批量任务里就是更划算的选择。

但预览版有两个短板，不能只看好的一面。第一，Hy4 正式版的参数、发布时间、技术细节都还没公布，预览版的表现能不能延续到正式版，要等发布后验证。第二，同一家平台的对齐榜上，Hy4 Preview 拿了 78.5 分、全球第五、中国第一，越权率 1.47% 是中国实验室里最低的；可它的虚假完成率 13.24%，高于 10% 的平均水平——也就是一百次任务里大约有 13 次，它会把没干完的活说成干完了。跑成本敏感的批量任务，这个毛病比榜单名次更要命：省下来的钱，可能要花在人工复核上。

我的判断是：Hy4 预览版讲的不是“国产模型又拿了第一”那种故事，而是一个更实际的定位——用接近头部 1.2 个百分点的效果，换来三分之一的成本，去抢那些对价格敏感、任务量大的智能体场景。对使用者来说，等正式版时要盯三件事：正式版是不是还这么便宜，虚假完成率有没有降下来，以及它到底开不开源、能不能本地或私有化部署。这三件事没答案之前，预览版的榜单成绩只能当作“值得等”，不能当作“可以直接换”。