正文：
hy4-preview版本表现：
- 测试题数：约1.5万
- 总分（准确率）：74.7%
- 平均耗时（每次调用）：95s
- 平均token（每次调用消耗的token）：6352
- 平均花费（每千次调用的人民币花费）：111.6
1、新旧对决
对比参照模型 hy3，hy4-preview 在 ReLE 中文综合评测中的变化非常剧烈：综合得分大幅跃升，榜单排名直冲前十五；但与之对应的，是单次调用的生成耗时、Token 消耗以及综合花费均出现了数倍乃至数十倍的上涨。具体对比数据如下：
*数据来源：非线智能ReLE评测https://github.com/jeinlee1991/chinese-llm-benchmark
*输出价格单位： 元/百万token
- 总分与排名显著上移：hy4-preview 综合得分从 64.0% 提升至 74.7%（+10.7 个百分点），总榜排名直接从第 71 位跃升至第 15 位，实现了混元模型在中文综合榜单中的梯队跨越。
- 推理与数学增长大：推理与数学计算从 60.9% 飙升至 83.0%，大幅提升 22.1 个百分点，是所有细分项中进步最显著的维度，体现了新模型在数理逻辑与深度思考上的重度投入。
- 语言与指令遵循大幅强化：语言与指令遵从从 58.9% 提升至 78.8%（+19.9 个百分点）。对长指令解析、复杂格式约束和多要求任务的处理能力明显改善，是带动总分上涨的另一大主力。
- 专业领域全面补齐：法律与行政公务从 78.0% 提至 85.3%（+7.3 个百分点），金融从 80.8% 提至 87.9%（+7.1 个百分点），Agent 与工具调用从 62.0% 提至 68.2%（+6.2 个百分点），展现出均衡的能力结构改善。
- Coding稳步提升：Coding 从 54.9% 提升至 59.4%（+4.5 个百分点）。在 ReLE 中文评测数据下有所进步，但官方主打的代码仓库级工程能力，仍需结合后文多轮 Agent 基准综合评估。
- 教育与医疗平稳微升：教育从 56.6% 升至 60.2%（+3.6 个百分点），医疗与心理健康从 86.0% 升至 87.5%（+1.5 个百分点）。医疗基线原本较高，本轮主要以稳固为主。
- 响应耗时明显拉长：单次平均耗时从 64 秒增加到 95 秒（约为上一代的 1.5 倍）。慢思考和长上下文验证机制虽然换来了更高的准确率，但也牺牲了交互场景下的即时反馈速度。
- Token膨胀与成本跃升：平均单次 Token 生成量从 618 暴增至 6352（约 10 倍）；输出单价由 4.0 元/百万token 调整为 18.0 元/百万token，综合千次调用成本从 1.8 元攀升至 111.6 元（约为上一代的 62 倍）。显然，hy4-preview 从hy3 的低成本定位，转向重度资源消耗的旗舰路线。
2、横向对比
在当前主流大模型的竞争格局中，hy4-preview 作为腾讯混元新一代开源旗舰，究竟处在什么梯队？我们从成本档位、代际梯队和开源商用三个维度进行横向剖析：
同成本档位对比
- 约90至130元档位表现稳健：在千次调用百元左右的高成本区间，hy4-preview（74.7%，111.6元）展现出了相当的竞争力。它在中文场景下，超过了同成本档位的 gpt-6-astra（74.2%，108.1元）、gpt-5.4-high（72.6%，122.3元）和 kimi-k2.6（72.9%，100.4元），但低于国内的 qwen3.7-max（76.9%，99元）、qwen3.8-max（75.4%，107.3元）与 deepseek-v4-pro（74.9%，94.1元）。
- 响应延迟不占优势：hy4-preview 平均耗时 95 秒，虽快于长思考开源竞品 deepseek-v4-pro（145s）、glm-5.3（154s）和 kimi-k2.6（175s），但明显慢于 qwen3.7-max（51s）、qwen3.8-max（67s）以及海外闭源模型 gpt-6-astra（14s）、gpt-5.4-high（24s）等。
- 向下看低成本Flash：对比当前势头迅猛的轻量选手 deepseek-v4.1-flash（74.4%，20.7元）、glm-5.3-flash（74.2%，12.7元）和 qwen3.8-flash（74.0%，10元），hy4-preview 虽在总分上略胜一筹（高 0.3~0.7 个百分点），但调用花费高出 5 至 10 倍。
新旧模型对比
- 混元产品线跃迁：上一代 hy3（64.0%，第71位）仅处在中下游，早期混元版本 hunyuan-2.0-thinking（68.6%）和 hunyuan-2.0-instruct（63.9%）也多在 50 名开外。hy4-preview（74.7%，第15位）的推出，直接将腾讯混元拉入榜单前列。
- 战略路线重塑：hy3 时代主打 1.8 元/千次的低成本跑批，而 hy4-preview 则转向追求高上限的生产力旗舰。两者不仅是版本迭代，更是产品定位上的转向。
开源/商用对比
- 开源阵营内部格局：在开源权重模型中，hy4-preview 位列前列，仅次于 kimi-k3、glm-5.3 与 deepseek-v4-pro，并优于一众轻量开源模型。
- 与商用闭源相比：面对 qwen3.7-max、claude-opus-5、gemini-3.8-flash 等商用天花板，hy4-preview 在中文综合理解上已咬得很紧，为企业私有化部署和深度微调提供了较高水准的开源底座选择。
- 业务落地权衡：高准确率与深度思考伴随着高延迟与高 Token 开销。如果业务追求快响应与成本，Flash 阵营依然是首选；如果看重私有权重、超长上下文以及复杂代码与智能体任务的上限，hy4-preview 的价值则更为突出。
3、官方评测
根据腾讯混元官方博客（https://hy.tencent.ai/research/hy4-preview）及开源公告，官方重点展示了模型在 MoE 架构创新、长程软件工程及复杂智能体任务上的基准数据：
软件工程与代码智能体
针对核心主打的软件工程场景，官方公布了一系列高难度代码智能体评测基准：
- 开源工程基准：SWE-bench Multilingual 达 82.9，SWE-bench Pro 达 65.7，DeepSWE 达 64.3，Terminal-Bench 2.1 达 85.4，NL2Repo-Bench 为 58.9，CyberGym 达 78.4。
- SWE Atlas代码全流程：Codebase Q&A 得分 64.0，测试用例编写（Test Writing）57.8，代码重构（Refactoring）53.3。
- 内部工程评测：在 Hy-SWE Max Verified（64.2）与 Hy-CompanyBench V2（62.4）等企业级真实场景中均取得稳健成绩。
Agent、搜索与办公任务
在复杂 Agent 与日常办公协作方面：
- 智能搜索与工具整合：WideSearch 达到 83.9，OneMillionBench（含工具调用）达 65.4，DRACO 达 77.2。
- 办公生产力套件：OfficeQA Pro 达 66.2，MCP-Atlas 为 83.7，Toolathlon-Verified 达 74.1，BankerToolBench 为 78.6，Hy-FinAgentBench 达 79.7。
- 真实工程盲测：官方组织 163 位内部专家对 203 个真实工程任务展开双盲评审，Hy4 preview 均分达 2.99/4（高于 GLM 5.3 的 2.92/4 与 Kimi K3 的 2.94/4），对 GLM 5.3 胜平负为 46.8%/12.8%/40.4%，对 Kimi K3 为 51.2%/7.9%/40.9%。
STEM与推理基准
在科研与高难度数理推理基准上：
- 前沿科学评测：GPQA Diamond 达 92.3，SUPERChem 为 66.4，ArXivMath 为 66.6，MathArena Apex 2025 为 74.2，BioMysteryBench 为 71.3，HLE with tools 达 55.4。
- 早期版本说明：官方同时指出，Hy4 preview 仍处于迭代初期，在复杂任务中仍存在长思考过度自我验证、回答冗长等局限，后续正式版将继续优化预训练与对齐策略。
非线智能官网 https://nonelinear.com.cn/static/models.html 已上线 hy4-preview，，支持一键接入（附接入代码），添加客服 发送 体验金，可享20-50元首充奖励，欢迎对比体验。。
快速接入代码如下：
from openai import OpenAI
client = OpenAI(
base_url="https://api.nonelinear.com.cn/v1",
api_key="YOUR_API_KEY",
)
response = client.chat.completions.create(
model="hy4-preview",
messages=[
{"role": "user", "content": "分析一个大型代码仓库的模块结构，并给出重构风险清单"}
],
)
print(response.choices[0].message.content)