利益相关：本篇测评撰写于笔者在混元供职期间
短的结论：鹅家有女初长成
基本情况：
在模型研发大加速的背景下，头部厂商已经把模型发布间隔压进了两个月乃至一个半月，这背后是整个模型生产管线的高速运转。而经过 Hy3 锤炼的混元团队也敏捷起来，Hy4 preview 距离上次发布也仅有 7 周。
但间隔短不意味着模型提升小，换代之后的Hy4 preview 规模也来到了可攻可守的“舒适区”，这个参数量可以塞下比前 300B 更大的知识空间，Agent 能力经过良好调教也可以与更大 Size 的模型相媲美。
就逻辑能力来看，Hy4 preview 基本持平发布早 10 天的同尺寸 GLM-5.3，推理效率差一些，但在更低的定价下，任务成本依然占优。而 Agent 能力同样持平 GLM-5.3，在不同任务领域互有胜负。
成绩数据：
之前在 Hy3 评测中，笔者曾申明今后混元的成绩不会进榜。这是考虑到简单的几个数字表达能力有限，而且由于笔者使用封闭题目，其他人无法复现分数。结合笔者身份，给出分数会存在诸多解释成本，故隐去。
详细分析：
-
编程：前代 Hy3 站在基本可用线上，能应付中低难度的开发任务，而前代的边缘知识不足导致其在更综合更前沿的领域里折戟。两个月时间里也涌现出像 Kimi K3 这样的国产新顶流，Hy3 无论在绝对性能还是性价比上都已有较大劣势。而 Hy4 preview 则一次性空降到国产头部阵营。
-
审美方面是 Hy4 preview 的强势领域，这在 Hy3 时代就有所体现，到了 4 代则全方面加强。常规的网页和应用 UI，建模，动画，乃至游戏开发等需要审美的场景，Hy4 preview 都有强势表现，细节把控方面甚至能做到优于 K3。但这种表现并不稳定，偶尔也会输出下限更低，观感较差的产物，而且受限于 Hy4 preview 尚不具备视觉能力，模型自测难以发现这类问题，有赖于用户反馈。
-
Hy4 preview 有着较强的开发纪律，前置环节会尽量多调研和收集资料，后置也会在力所能及范围内多做测试，交付一个模型自己满意的版本。这也导致Hy4 preview 同任务的最终步数远超前代，项目 J 这类明确要求先调查再行动的任务，前代只草草象征性搜一两篇材料就动工，而新版则至会花费近一半时间在资料调查上，最终呈现效果丰富，内容殷实，拿到了国产中第一个 J 项目 A 评级。
-
不过一体两面的是，Hy4 preview 的自测在前端任务场景会过重，其直出代码本身质量就不算低，靠大量自测也只能进行局部改进，这带来了一定的任务时间和成本浪费。如果要求不做额外运行自检，Hy4 preview 也能交付可用性相当高的产物，而耗时会下降 1/3。对非前端任务，禁用自测带来的效率改善并不大，反而质量下降的风险更高，得不偿失。
-
稳定性：混元系列截止到 Hy3 都一直被输出稳定性困扰，多 Pass 很难输出一致内容，导致前代极限能力虽然能进入第一梯队，但用户实际体验只在二梯队中游。Hy4 preview 则几乎克服了这种问题，稳定性也来到国产优秀水平。其中 9/28 的任务 3 Pass 输出一致，低于 GLM-5.3 的 10 个，高于其他下位模型。在输出不一致的任务中，下限也较高，不会像前代偶尔滑落到完全不可用程度。
-
推理效率：前代 Hy3 处理复杂推理，尤其解空间化简类问题会过度依赖暴力搜索的问题在 Hy4 preview 被延续和放大，这导致其平均 Token 消耗也大幅上涨，持平了 DeepSeek Pro。但不同的是 Hy3 的暴力搜索效率不高，花费了 Token 但找不出或找不全答案，而 Hy4 preview 则可以拿到答案。换言之，Hy4 preview 的推理效率其实有相当提升，只不过还存在过程优化空间。
-
幻觉控制：Hy4 preview 较 GLM-5.3 要略低一些。尤其在长文本处理方面精度不低。虽然达不到行业顶级的低幻觉水平，但表现同样稳定且高可用，这对于驱动 WorkBuddy 从事文字办公类场景会是利好。
赛博史官曰：
在大模型革命性技术出现之前，模型训练恐怕已没有秘密，新一代模型能做多好，多快，更多的是组织学范畴的问题。智谱靠着高速转动的数据飞轮极速崛起，月之暗面靠正确的方法论和一以贯之的坚持一鸣惊人，混元则是这棵树上绽放的新葩。从替补席走到台前的混元如今也需要迎接用户更加挑剔的审视，真正的考验从此刻开始。