很多人把大模型的进步读成「又变强了」，Hy4 真正变的是生成后那一步：画完 JSPaint 不急着交卷，先把成品和原图逐块比对再修眼睛；做火箭不直接套公式，而是把「证明末速度 7.67 km/s」改写成恒等式，用两条独立积分互相验证。官方口径里幻觉率从 12.95% 降到 7.2%，猜测型错误从 23.1% 降到 5.6%——这就是「能自我校验」和「只生成一次」的差别。

正式版不是 preview 加个补丁。Hy4 preview 是 2026 年 8 月 28 日发布的 770B 总参、49B 激活的 MoE，1M 上下文、Apache 2.0 全开源，官方盲测 2.99/4 险胜 GLM 5.3 的 2.92 和 Kimi K3 的 2.94。到 11 月 4 日正式版，预训练与后训练规模双扩，Base Model 已换，并首次加入视觉理解与 Computer Use——这才是它能「用鼠标在 JSPaint 上画画」的前提。

「吐槽一句游戏广告就得到一个游戏」听着新鲜，但这词是 DeepSeek 先打出来的：10 月 17 日 V4.1-Flash-1017 靠自反馈强化学习把 Terminal-Bench 4.0 从 31.2 拉到 42.3，单任务成本降到 1—2 元，官方演示就是少量提示词直接交付可运行项目。Hy4 的差异在于它把这套能力接到了视觉理解和 Computer Use 上——同样低提示，但模型能自己截图看效果再改。

Hy4 输入 6 元、输出 18 元每百万 tokens，缓存命中 0.3 元，与 preview 同价。对照看：Hy4 比 GLM-5.3（约 10/31 元）便宜约四成，但比 GLM-5.3-Flash（约 1/3.6 元）贵 6 倍；DeepSeek V4.1-Flash 单任务 1—2 元。这条定价线说明腾讯卖的是「长程任务一次跑通」的旗舰价，不是性价比价——低成本位的空档留给尚未发布的 Hy4 flash 去填。

同一句「模型参与了自己的训练」，两种读法。官方说 Hy4 preview 自主优化推理系统、端到端吞吐提升 31.8%，是递归自我改进闭环的初步验证；质疑方的锚点是：官方发布稿没有公开基准跑分表，唯一第三方数据 SWE-bench Pro 65.7%（总榜第 7），吞吐提升的 baseline 未披露也无第三方复现。判断这件事的关键不在宣传词，而在「是否有人能复现那 31.8%」。

Hy4 在蒸汽朋克钟楼里算对了 r=m·N/2、中心距 r₁+r₂、ω₂=−ω₁·N₁/N₂ 和齿槽相位，鼠标悬停齿轮能显示准确数值——数学链是通的。但视角一变，背景墙壁贴图就闪；Opus 5.5 贴图更稳，钟表位置却穿模。工程落地读者该记住的是这个组合：长程任务里「算得对」和「渲染得住」是两条独立的短板，闭环能修前者，修不了后者。

Hy4 画一张图花 1 小时 31 分，其中相当部分耗在「画完比对再重画」。自我校验把错误率从 12.95% 压到 7.2%，代价是 token 翻倍。真正值得问的是：什么任务值得付这个闭环税？财务对账、代码回归这类有客观判据的场景划算；审美、创意类任务里模型的自评没有 ground truth，改十轮也只是在自身偏好里打转。判据在哪，是 Agent 工程当前的空白。