腾讯 Hy4 支持电脑操作：模型开始直接接管界面

11 月 4 日，腾讯发布新一代大模型 Hy4。官方给出的三个关键词是：首次引入视觉理解、首次支持电脑操作（Computer Use）、综合能力进入开源模型前列。权重与系统卡随后发布。

国内大模型这半年的发布密度不低，Hy4 的差异化在于它选择了一条更「工程」的路线。

一、Computer Use 到底解决什么问题

过去两年，让模型「操作软件」的主流做法是调 API：日历、邮件、文档都有接口，模型按接口参数执行。

现实是大量软件没有可用 API，或者 API 覆盖不到关键操作。企业内部的 ERP、行业软件、老的桌面客户端，基本只能靠人点。

Computer Use 换了个思路：让模型看屏幕、移动鼠标、敲键盘——和人一样使用图形界面，必要时再结合命令行。这条路更慢、更容易出错，但覆盖面大得多。

二、为什么腾讯做这件事更顺

原因不在模型，在场景。腾讯有完整的办公产品线，Hy4 已集成进其中。这意味着模型不需要在陌生环境里摸索界面，它面对的是自家产品的 UI，元素识别与操作路径都可以针对性优化。

这也是它与 OpenAI、Anthropic 的差异：那两家做的是通用计算机使用能力，面向任意软件；腾讯做的是「在自己的产品里可靠地完成任务」。前者的难点是泛化，后者的难点是稳定性——后者更容易先落地。

三、能力边界要说清楚

官方表述是「可以结合图形界面与命令行，处理工作和生活中的各类任务」。这类描述需要谨慎对待。

Computer Use 的核心指标不是「能不能点对按钮」，而是三件事：

一是长任务的完成率。连续二十步操作，每一步 95% 正确，整体成功率只剩 36%。

二是异常恢复能力。弹窗、加载延迟、权限提示都会打断流程，模型能不能识别并处理。

三是可控性。操作范围是否被严格限定，出界时是否停下来问人。

这三项都需要实测，官方发布说明不会给。

四、趋势判断

把这一周的三件事放在一起看：OpenAI 给安全模型设访问门槛，Google 把最强模型先交给防御者，腾讯把模型塞进自家办公套件。

三个动作指向同一个结论：模型能力的竞争正在让位于「分发的竞争」。谁能决定模型在哪里被使用、以什么方式被调用，谁就掌握了实际的使用量。

对中国市场而言，办公套件是少数仍有增量空间的分发渠道。Hy4 的价值大概率不在榜单上，而在它能不能让一个不写代码的员工，真的把重复工作交出去。