2026 年 8 月 28 日，腾讯发布并开源新一代混元旗舰模型 Hy4 preview（腾讯混元 Hy4 预览版）。官方把它写成面向真实生产力任务的开源旗舰，代码、办公分析、科学研究是公开材料里反复出现的场景；权重、产品入口和云端 API 也一并放出。
对法律科技观察，值得记录的不是“参数又大了一圈”，而是模型说明、开源权重、产品内嵌与云上调用可能对应不同主体与不同合同安排。下面按可核对事实、规格与架构、法律场景用法分开写。
发布与开源
据腾讯英文新闻稿与混元开源仓库，Hy4 preview 于 2026 年 8 月 28 日发布并开源。模型以 Apache 2.0 许可提供 Instruct 权重及 FP8 量化版本，托管于 Hugging Face、ModelScope、GitCode、CNB 等平台。官方研究页与 GitHub 仓库（Tencent-Hunyuan/Hy4-preview）对规格表述一致。
腾讯称，Hy4 preview 在模型规模、上下文长度与训练数据量上较前代显著扩展，预训练与后训练共同支撑其进入开源模型第一梯队。官方同时标明：这是 Hy4 的早期预览版本，预训练与后训练仍有提升空间；已知问题包括复杂任务上的长思考与过度自我验证，团队将继续迭代。
产品与 API
- 产品侧：WorkBuddy、CodeBuddy（国内/国际）、元宝（Yuanbao）、ima 等腾讯产品同步首发或接入。
- 免费策略：Hy4 preview 在 WorkBuddy、CodeBuddy 上线后前两周免费；Hy3 在上述平台的免费期延长至 2026 年 9 月 30 日。
- API 侧：可通过腾讯云 TokenHub 与 OpenRouter 接入；亦支持自建部署（官方推荐 vLLM、SGLang 等推理栈）。
公开报道还提到腾讯云参考计价（人民币 / 百万 tokens 量级：输入约 6 元、输出约 18 元、缓存命中约 0.3 元），国际通道价格另计。具体以腾讯云与 OpenRouter 实时价目为准。
官方强调的能力场景
腾讯将 Hy4 preview 写成“为生产力而生”，并列举与内部专家共建数据的领域：软件工程、游戏、金融、安全等。公开材料中的任务画像包括：
- 软件工程：长程开发中的理解、规划、调试与验证；前端视觉与交互质量。
- 办公与分析：复杂办公环境理解、金融分析、数据分析与跨文件协作；覆盖从信息处理到文档、表格、演示文稿交付。
- 游戏开发：自然语言生成可玩原型，并与主流引擎协作。
- 科学研究：复杂科研问题的理解与推理，涵盖 AI 研发、分子动力学、凝聚态物理、基础数学等。
内部盲测方面，腾讯组织 163 名专家、针对 203 个真实工程任务打分：Hy4 preview 均分 2.99 / 4，略高于 GLM-5.3（2.92）与 Kimi K3（2.94）。这是腾讯内部评测，外部独立复现仍有待观察。
官方还称，Hy4 preview 更深度参与了训练方法、数据策略、评测框架与底层算子的自动化优化，并在推理系统瓶颈上做过多轮改进。这类表述属于厂商技术叙事，宜与可复现基准、真实业务验收分开看。
核心规格
根据开源 README（主干参数，不含 MTP 层）与官方新闻稿，关键规格如下：
- 架构：混合专家 MoE，生产力向旗舰。
- 总参数：770B，显著大于 Hy3 preview 公开的约 295B 量级。
- 每 token 激活参数：49B，Hy3 preview 公开约 21B 激活。
- 层数：78，第 1 层标准 FFN，其余 77 层 MoE。
- 专家结构：每层 256 路由专家 + 1 共享专家，每 token 激活 top-8 路由专家 + 共享专家。
- 隐藏维度：6144。
- 注意力：Gated DSA（稀疏注意力），配合 IndexCache 跨层复用稀疏索引。
- 注意力头：64，Query 压缩 2048 / KV 压缩 512。
- 残差通路：iHC，4 条残差流，用于扩展层间信息通路。
- 上下文：1M tokens，公开材料称远超 Hy3 的 256K。
- 词表：120832。
- MTP：原生 1 层，约 10B 总参 / 0.7B 激活，用于投机解码、加速推理。
- 许可：Apache 2.0，含 FP8 量化权重。
采购与技术尽调时，比“770B”更要紧的是三点：
- 总参大、激活中等——算力账单由激活路径、上下文长度与并发共同决定，不能只看总参数。
- 1M 上下文——理论上可一次装入多份长合同、卷宗与制度汇编；有效利用仍取决于检索、分段、引用回溯与费用控制，而不取决于窗口上限本身。
- 开源 + 多入口——权重可自托管，也可走腾讯云 / OpenRouter / 产品内嵌；同一模型名可能对应不同数据处理主体与日志落点。
架构选择对法律工作流的含义
MoE 与成本结构。 每 token 只激活约 49B，有利于在旗舰能力与单位推理成本之间折中。律所或法务若自建，仍需按 FP8 权重、张量并行（官方示例常见 8 卡级配置）、投机解码（MTP）和峰值并发做容量规划；若走 API，应在合同附件中固定模型标识、区域、价目与变更通知义务。
长上下文与整卷一次喂入。 1M tokens 对尽调数据包、股权交易全文、诉讼材料汇编有吸引力。实务上更稳妥的验收标准通常是：关键条款能否稳定抽到字段、能否回到原文页码或段落、跨文件引用是否可追溯。窗口变长降低切分次数，并不自动降低幻觉与张冠李戴风险。
生产力向后训练。 官方强调与 CodeBuddy、WorkBuddy 及金融、工程专家共建。对法律团队，这意味着模型可能更擅长“跨文档整理—表格化—生成交付件”的办公链路，并不会自动具备管辖法、强制规范与证据规则上的可靠判断。产品叙事中的“金融分析”“跨文件协作”，可以落到合同台账、条款对照、事实时间线草稿，但输出仍需律师复核。
Agent 与工具调用。 部署文档提供 tool-call / reasoning parser 配置，面向代理式工作流。法律场景若接入检索库、文书模板、内部知识库，须在系统说明书中写清：工具白名单、禁止外传的数据类、人工确认节点，以及模型升级时的回归测试集（例如固定 NDA、股权回购、劳动争议样本）。
法律场景用法
结合公开能力画像，较匹配的试点包括：
- 长材料预处理：多份合同、规章、往来邮件的结构化摘要、争议焦点列表、时间线草稿，输出定位为人工核对的底稿。
- 条款对照与差异表：买方稿 / 卖方稿对照、模板偏离项清单（字段化输出便于进入台账）。
- 办公交付链路：从材料包到备忘录大纲、表格、演示文稿骨架——贴近官方“文档—表格—PPT”生产力叙事。
- 内部知识库问答（只读）：制度、历史意见、标准条款库的检索增强问答；需隔离客户秘密与公共语料。
- 工程化法务工具：与现有合同系统、对象存储、权限体系集成的草稿生成与校验脚本（偏 CodeBuddy 类工作流）。
不宜默认交给模型终局负责的事项包括：出具正式法律意见、无检索依据的法条适用、证据三性判断、监管报送材料的自动落款，以及任何“一次生成即对外生效”的文书。Hy4 preview 自承仍有长思考与过度自我验证问题，复杂合规任务更应限制自动循环次数，并保留人工中止权。
合规与采购要点
- 模型本体 vs 推理入口：开源权重自托管、腾讯云 TokenHub、OpenRouter、元宝/ima/WorkBuddy 内嵌，主体与日志可能不同。
- 数据分类：客户合同、身份信息、未公开交易信息是否出境、是否用于改进模型，需在协议中写死。
- 版本钉扎：preview 会迭代；生产应记录模型 ID、量化版本（如 FP8）、调用日期与提示词哈希。
- 输出责任：结构化字段可验收，法律正确性由执业人员确认；界面需避免“AI 已审核通过”类误导表述。
- 开源许可：Apache 2.0 有利于二次开发，但商标、产品名与对客宣传仍须单独合规审查。
- 生成式 AI 合规：面向境内公众的服务与纯内部应用，适用义务不同；内部试点也不能省略数据处理事实说明。
Hy4 preview 的事实面清楚：2026-08-28 发布并开源，770B 总参 / 49B 激活，1M 上下文，Apache 2.0，产品与 API 多入口，官方对标生产力与开源第一梯队。对法律场景，价值主要在长材料处理、跨文件协作和可字段化草稿，而非取代律师。决定其能否进真实卷宗的，仍是入口主体、数据边界、版本可追溯与人工复核是否写清——这些不会因为模型进入开源第一梯队就自动完成。