最近中国开源模型真是有点杀疯了的感觉。今天看到千问刚发布的后训练模型 Qwen3.8-Max-0902 登上了 Code Arena 榜首，我记忆中这是第一次。 Qwen3.8-Max-0902 2.4T 参数，1M 上下文令牌，为真实世界的复杂性而生。在编码与协作方面进一步后训练之后，Qwen3.8-Max-0902 直接站到了世界前沿。竞争非常激烈，仅中国基模有千问、Kimi、DeepSeek、腾讯混元和 GLM 站在第一梯队。Qwen Kimi 等我之前都写过，混元 Hy 没聊过，因为之前它在 Coding Agent 领域确实差点事，这次混元后来居上了。过去两年，开发者讨论 Coding 模型时，第一排通常是 Claude、GPT，以及后来追上来的 DeepSeek、Kimi 和 GLM。腾讯场景很多，混元却很少成为这类讨论的主角，直到 Hy4 preview 发布。我这周订了腾讯云 Token Plan，在 DSH 里跑 Hy4 preview，做了两个功能特性，可以说又快又好。 Hy4 preview 是一款 770B 总参数、每个 Token 激活 49B 参数的 MoE 模型，上下文长度达到 1M。现在的重点都是长程软件工程、文档型办公和科学研究上，Hy4 全方位提升了 Coding Agent 理解任务、制定计划、调试、验证，以及前端界面的视觉和交互质量。腾讯公布了一组内部盲测：163 名内部专家评估了 203 个真实工程任务，Hy4 preview 平均得分 2.99，略高于 GLM 5.3 的 2.92 和 Kimi K3 的 2.94。与两者相比，Hy4 的胜率分别为 46.8% 和 51.2%。内部测试当参考就好，能不能打，一个是去看 https://arena.ai，另一个就是上手做个功能，是骡子是马，拉出来溜溜。看技术报告，Hy4 preview 的 Agent 协作能力似乎很强，同时管理多个 Codex 会话，根据实验结果调整研究方向，协调它们优化一个小模型的后训练任务，Hy4 作为研究负责人，在 8 项评测上都超过了让 Codex 独立探索的结果。这个我后续准备在 DSH 里用用，正好集成了 Codex Agent，如果可行，倒是个突破。我最近试了好几个 Agent 协作的产品，比如引入 Codex、K3（kimi code）和 GLM5.3（CC），让他们其中之一牵头带着另外两个 Agent 一起干活，效果都很一般，还很耗费 Token。比如 raft.build、Codeg 等，如果 Hy4 在这方面能让其他 Agent 干得又快又好又省钱，那我还是很期待的。腾讯的另一个优势来自产品协同。Hy4 可以和 WorkBuddy 等共同训练和评测，也已进入元宝、腾讯云和 OpenRouter。大厂这个优势明显，真实任务与产品反馈形成的循环很重要，内部循环效率也更高。飞轮一旦形成，会越跑越快。