Hy4 终于发布了！
上次 Hy4 preview 的时候我就测过了，感觉在 Hy3 的基础上提升很多，没想到 Hy4 正式发布直接·干到开源最强行列了。AA 榜单冲到国内第二。
在 Arena 榜单中更是干到了开源第一，有点猛。
相比于 Hy4 preview，Hy 在预训练和后训练上显著扩展了数据和训练规模，从各种评分也能明显看出来。
还有一个点值得说说的就是，Hy4 真的很便宜，基于全球用户的 8500 多次真实长程 Agent 任务，Hy4 每个任务成本 0.55 美元。
不过实测才能检验评分的真实性，我们用同样是开源模型前列的Kimi K3.1 pro 和 DeepSeek V4.1 Flash 1017来对比评测 Hy4 的水平，看看是不是和榜单排行一样。
多的不说，直接上手实测。
01. 三模横评实测
我在这次测试用的是 WorkBuddy ，里面这三个开源模型都有，Hy4 还是免费的，大家想体验的可以去下载一个试试。
Case 1 3D沙盘
让模型从零搭一座会下雨的 3D 小城，想看看它能不能把地形、降雨和排水之间的关系做对，很考验模型的空间理解、计算和代码实现能力。
提示词：请为城市展馆制作一个可交互的 Three.js 雨洪沙盘。你自行设计一座包含住宅、学校、绿地、道路、河道和排水口的小城，做出高低起伏的地形、清楚的建筑层次和半透明水面。采用米白建筑、蓝绿地面和少量橙色风险提示。
观众可以旋转缩放视角，切换小雨、暴雨和停雨，调整排水能力，关闭某个排水口后再恢复，观察积水的位置、深度和消退过程。提供播放、暂停、单步、倍速和重置，默认打开就能看见完整场景。
请设计明确、可复现的简化格网规则，说明降雨、入渗、相邻格流水和排水如何计算。水应随地势向低处汇集，雨量、地形与排水位置都要实际影响结果，避免负水量。采用固定时间步推进，水面、时间线和统计由同一套状态驱动。
持续显示累计降雨、累计入渗、累计排出和当前储水，满足「降雨＝入渗＋排出＋储水」。水深用 mm、水量用 m³，计算规则和参数能够查看。暂停冻结全部状态，重置清空积水和累计量，反复切换条件也能正常运行。
交付本地可运行工程、启动说明和演示录屏，实际检查暴雨、排水口关闭与恢复、暂停继续和重置。采用适合科普展项的简化模型即可。
Hy4 把道路、河道、住宅和排水口做得比较具体，录屏也展示了从全景推进到排水口附近的观察过程。近景能看建筑和水面的关系，不过高楼有时会挡住地面。
Kimi K3.1 pro 地面格网、低处的积水色块与右侧水量统计放在一起，很适合解释规则。但城市建筑比较低矮、均匀，场景的空间层次没有那么丰富，但画面留白让操作和数据更容易看懂。
DeepSeek V4.1 Flash 1017 把小城做得很有体量感，蓝色积水也比较容易辨认。但画面里的楼群和面板都比较密，第一次看时需要花一点时间找重点。
Case 2 机械臂网页
我给出机械臂的关键尺寸和分拣要求，让模型自己设计工位，想看看它能不能把三维结构和连续动作一起做对，模型对关节关系、空间位置和动作衔接的理解必须到位，效果才能好。
提示词：请制作一个三维机器人自动分拣网页，采用浅色工业产品演示风格。工位、机器人外壳、夹爪、包裹和料槽由你设计，使用程序生成几何体，能旋转缩放查看。
机器人采用两段水平旋转连杆加竖直升降工具。连杆长分别为 160 mm 和 140 mm；两关节均绕 Z 轴旋转，范围分别为 −170° 至 170°、−155° 至 155°；第二关节相对第一连杆。工具 Z 范围 20—180 mm，平移高度 160 mm，夹爪开口 8—54 mm，最大载重 800 g。底座为 (0,0)，台面为 z=0。关节层级必须真实驱动夹爪位置。
自行安排 12 件包裹：3 件易碎、3 件普通电子产品、4 件日用品，以及一件 1100 g 的超重件和一件位于 (310,0) mm 的包裹。前 10 件的大小、位置与重量由你合理设定，确保可以抓取且不重叠。设置 A、B、C 三组料槽，每组 4 个可达槽位，一槽一件。易碎品优先进 A，其余电子产品进 B，其余进 C。
按包裹号依次执行接近、下降、夹取、抬升、搬运、放置和松爪。夹住后包裹才跟随工具，松爪后留在槽位。运动连续，不瞬移、不穿过台面或其他包裹。对不能执行的包裹保留原位，说明原因，并继续处理后面的任务，不要求力矩仿真。
提供自动队列、手动关节调整、包裹选择、暂停继续、单步和重置。角度、坐标、阶段、槽位占用与画面同步，重置恢复初始工位。交付本地工程和启动说明，检查抓取、异常处理、暂停与重置。
Hy4 给机械臂增加了外壳、关节、立柱和夹爪等细节，工位的刻度与包裹配色也比较完整。录屏中能对照实时姿态、当前阶段与分拣进展。
Kimi K3.1 pro 的操作反馈比较清楚。自动队列完成了 10 件正常包裹的分拣，日志很清楚，暂停、继续和重置也有演示，但模型外形比较简单。
DeepSeek V4.1 Flash 1017 搬运过程有连续的关节变化，观看者可以对照包裹位置和阶段提示理解流程，但侧边数字与场景标注比较多，缩成对比画面后，部分文字会显得细小，模型也没那么精致。
Case 3 小游戏
模型从角色、场景到交互都是自己设计，来做出一个能完整玩下来的小游戏，能直观的看出模型的自主设计和状态管理能力。
提示词：请制作一个名为《漂流小海湾》的可玩模拟经营小游戏。角色与场景由你设计，使用奶油色和粉彩手绘风格，做出鱼的转向与摆尾、水草摆动、气泡和前后景层次，让水族箱有生活感。
玩家要在金币有限的情况下，让生态箱度过 12 个游戏分钟，一局约 60—90 秒。至少有三类动物和水草，包含氧气、食物、浑浊度、金币与设备能耗。动物消耗食物和氧气，水草供氧，投喂过量增加浑浊度，水泵改善供氧但消耗能源。数值需要相互关联。
玩家可以投喂、买水草、调节水泵，应对阴云、访客投食和短暂停电。请自行确定合理的初始值、消耗率、价格、事件时点和胜负条件，集中管理参数，并让玩家能看懂操作的代价。事件只触发一次，余额不足不能购买，持续低氧或缺食时出现疲惫与救援反馈。
完成开始引导、游玩、暂停、正常结算或救援、重新开始的完整流程。结算显示花费、能耗、动物状态和关键操作。支持存档导入导出，读档恢复生态状态、时间和事件进度；暂停不继续扣资源，重开不叠加旧计时器。
请交付本地可运行项目和启动说明，实际玩完一局，检查按钮、资源变化、暂停、存档和重开。所有数值作为游戏设定使用。
Hy4 把鱼缸放在画面中心，大面积水色、鱼群和前后景水草，让作品更像可以摆在桌面上的小水族箱。能看到资源和时间持续变化，以及事件提示。
Kimi K3.1 pro 给不同鱼类和米虾做出了外形区分，水草、气泡、前景砂地也有层次。
DeepSeek V4.1 Flash 1017 的粉彩配色、手绘鱼群和奶油色面板比较统一，投喂、设备、事件和操作记录都有各自的位置，但左右面板和底部记录占了不少空间，水族箱里的生活感还可以继续丰富。
Case 4 黑洞网页
很传统的测试案例，可以看出模型的实时渲染、光影组织和镜头控制能力。
提示词：请制作一个名为「事件视界」的沉浸式网页，打开就能看到占据主画面的黑洞、发光吸积盘和有纵深的星空。黑洞周围的星光产生明显弯曲，吸积盘有旋转纹理、明暗层次与掠过视线的光环，整体采用深黑、琥珀金和少量冷蓝色。
鼠标拖动可以绕黑洞观察，滚轮从远处星海连续推进到吸积盘附近，再拉回远景。不同观察角度要看到盘面的厚度和遮挡关系，相机不能直接穿进模型或突然跳位。
提供黑洞规模、盘面倾角和旋转速度三个控制项。调整后，星空扭曲范围、吸积盘形态和动画一起变化。点击远处星点可以聚焦，再恢复原视角；暂停冻结盘面与粒子，恢复后接着运行。
用实时几何和着色效果组织画面，背景星海有远近层次，泛光保留细节。采用艺术化的引力透镜视觉近似，不要求科研级精度。首屏直接呈现完整主视觉与简短操作提示。
请直接完成可在本地运行的工程，自己打开浏览器检查首屏、交互和反复操作，修复阻断运行的问题后交付源码、启动说明和演示录屏。主要画面留给场景，必要控件放在边角，提供暂停或低动效模式。
Hy4 的画面冲击力来自吸积盘上方的大幅弯曲光环，以及从远景推到黑洞附近的镜头。金色流纹和不同视角的遮挡关系比较突出。整个视觉效果出来确实要比下面两个模型要漂亮。
Kimi K3.1 pro 采用线条化表达，橙金色条纹围绕黑洞旋转，盘面转到侧面时也能辨认轮廓，不过星空较暗，盘面的体积与光影层次偏弱。
DeepSeek V4.1 Flash 1017 的黑洞第一眼能看懂主题，但高亮区域稍强，局部纹理会被泛光盖住，可以再收一点亮度。
Case 5 液态效果网页
提示词：请制作一个液态金属文字雕塑网页。暖白色背景上，一团银色金属液滴缓慢汇聚成具有真实厚度的「HELLO」，表面带流动高光、柔和倒影和细小液珠，整体像一件可以操作的数字雕塑。
文字可以编辑，先支持 1—10 个英文字母与数字。输入新内容后，旧字形松散成液珠，再自然汇聚成新字形，动画保持连续。鼠标靠近会推开局部金属，移开后逐渐恢复；点击可以产生一圈涟漪，拖动可以旋转观察字形侧面。
提供镜面银、香槟金和黑铬三种材质，以及流动速度和扰动强度控制。材质切换保留当前形态，改变文字后各项控制继续有效。重复输入、打散和复原时，场景中不能不断累积旧对象。
字体与界面要有海报感：主字形足够大，留白明确，控制区克制。形变、反光和液珠通过实时渲染实现，可以采用视觉近似，不要求完整流体求解。
请直接完成可在本地运行的工程，自己打开浏览器检查首屏、交互和反复操作，修复阻断运行的问题后交付源码、启动说明和演示录屏。主要画面留给场景，必要控件放在边角，提供暂停或低动效模式。
Hy4 的字边更圆润，表面有连续的亮暗反射，附近的小液珠也提供了金属流体的暗示。HELLO 改成 LIQUID 的过程有实际展示，主体与背景的对比比较明确。
Kimi K3.1 pro 的金属反光、侧面厚度和旋转透视比较清楚，但字形整体比较规整，液体松散、融合的效果展示还可以加强。
DeepSeek V4.1 Flash 1017 把大量小液珠聚成文字，代价是颗粒感始终很强，文字更像由金属珠堆成，距离题目要求的连续、柔滑液态表面还有差距。
Case 6 材料质感网页
我想用一块能抓起来的丝绸，看看模型能不能把材质、形变和操作手感都做出来。拖住一角，其他部分要跟着受力；松手以后，布料还要带着惯性摆动。
提示词：请制作一个名为「风的形状」的三维丝绸交互网页。象牙白的安静空间里悬着一大幅朱红丝绸，轻风让布料缓慢起伏，褶皱随角度产生柔亮高光，地面留下有层次的阴影。
用户能用鼠标抓住布料上的一个点并拖动，附近网格随之拉伸、弯曲和摆动，松手后带着惯性恢复。可切换上边缘固定、上方两角固定和单角悬挂，形态要随支撑方式改变。布料下方放一个可移动的球体，布料碰到球体时自然搭覆，不能直接穿过去。
提供风向、风力、阻尼与丝绸／棉布材质切换，支持暂停、继续和重置。快速拖动、连续换固定方式和反复重置后，布料仍能稳定运行，避免突然爆开、飞走或留下旧状态。
用实时三维网格和明确的约束或物理规则驱动布料。镜头能拉近观察褶皱，也能绕到侧面看垂坠。画面重点是布料的材质与触感，控件保持小巧。
请直接完成可在本地运行的工程，自己打开浏览器检查首屏、交互和反复操作，修复阻断运行的问题后交付源码、启动说明和演示录屏。主要画面留给场景，必要控件放在边角，提供暂停或低动效模式。
Hy4 展示了较明显的扭转、垂坠和褶皱变化，材质与照明能帮助看清变形。黑色球体的视觉反差很强，拖拽稳定性、极端参数和连续重置都可靠。
Kimi K3.1 pro 把褶皱做得很醒目，两角悬挂时的下垂弧线、局部隆起和红色反光都比较有表现力。材质的亮面比较强，布料也显得厚重，更接近厚缎面的观感。
DeepSeek V4.1 Flash 1017 的象牙白空间、红布和浅色球体很统一，布料会改变外形，但画面大部分时候比较平整，褶皱集中在局部，高光层次偏克制。基本交互有了，丝绸细腻、轻薄的质感还可以继续加强。
测试总结
总的测试下来，Hy4 三维场景和材质表达真的很不错。 黑洞的弯曲光环、吸积盘纹理和镜头推进很有冲击力；液态金属文字的圆润边缘与连续反光，也比较接近题目要求的金属雕塑。机械臂的结构细节、水族箱的场景层次同样值得看。
02. 一些分享
这轮测完，我觉得 Hy4 的各种排名还是比较中肯的，不管从完成效果还是美术风格来说，都是国内模型的顶尖选手。
而且这些能力的价值很容易体现，比如老师做点教学内容，可以试着把知识点做成互动演示；产品经理有想法，可以先搭个简单的页面，看看实际操作是否顺手。
模型能帮我们完成很大一部分任务的搭建工作了，我们就有更多精力判断内容有没有用、体验好不好。
但大家都会用模型之后，需求判断、审美和后续打磨的重要性也会跟着提高。
友友们也可以下载个 WorkBuddy 做点自己想做的东西，反正现在 Hy4 免费用，不用白不用对吧。
原文链接：AA 国模第二！Hy4 到底什么水平？6 个实测横评见真章
