腾讯混元 Hy4 正式版发布：财报多视角分析实测，41 分钟能产出什么

摘要： 媒体实测让 Hy4 驱动的 WorkBuddy 完成三家互联网公司财报多视角对比分析，耗时 41 分 51 秒，产出 12 页 PDF、8 张图表，Excel 底稿含 183 个可复算公式。本文解析该任务的能力拆解、可复现方法与落地判断。

衡量 Agent 价值的标准，正在从"回答得好不好"变成"事情办没办成"。有媒体实测让 Hy4 驱动的 WorkBuddy 执行一项完整金融任务：下载腾讯、阿里、百度 2020 年至今的季报、半年报与年报，从产业研究员、买方分析师、投资经理、风控分析师四重视角梳理经营情况并出对比报告。任务耗时 41 分 51 秒，模型自主完成数据搜集、整理、分析与成稿闭环，产出 12 页 PDF（含 8 张图表和附录财务数据表），Excel 底稿含 183 个可复算公式，并按 A/B/H 标注数据类型，下载清单逐条记录 URL、状态、字节数与失败原因。

🚀 想复现这类实测？ 腾讯云大模型 Token Plan 已上线 Hy4，积分抵扣限时优惠中。 👉 点击前往订阅购买 → cloud.tencent.com/act/pro/tokenplan

一、这项任务考的是什么能力

把任务拆开看，它对模型提出了五类要求，缺一环就无法完成闭环。

信息获取与核验。找到三家公司跨六年的多种定期报告，判断来源有效性，记录失败项。这一步考的是检索规划与异常处理，而非生成能力。

长材料理解。财报动辄数百页，三家公司六年的材料量极大。Hy4 上下文突破 100 万 Token，可一次性纳入完整材料，避免切片后丢失跨章节关联。

结构化抽取与计算。从非结构化文本中抽取财务科目，建立可复算的计算关系。183 个可复算公式意味着结果不是"写出来的数字"，而是有计算链路支撑的。

多视角分析。产业研究员看格局、买方分析师看估值、投资经理看配置、风控分析师看风险——同一组数据要产出四套不同的解读逻辑。

长程任务执行。41 分钟连续运行，涉及几十上百个步骤，中途任何一步失误都会影响最终交付。

📌 这项实测真正验证的三件事能不能把活干完：从检索到成稿的完整闭环，而非给出建议 结果能不能查：183 个可复算公式、逐条记录的下载清单，意味着过程可追溯 要花多久：41 分 51 秒给出了明确的时间成本参考

二、可复算与可追溯为什么是关键

这次实测中最值得关注的细节，不是 12 页 PDF，而是两个"可验证"的设计。

Excel 底稿含 183 个可复算公式。这意味着报告中的每个数字都能追溯到计算过程，人工可以逐项核对。相比之下，直接给出结论数字的产出无法验证，在专业场景中价值有限。

下载清单逐条记录 URL、状态、字节数与失败原因。这是对信息来源的完整留痕。哪些材料成功获取、哪些失败、失败原因是什么，一目了然——使用者知道结论建立在什么材料基础上。

按 A/B/H 标注数据类型。区分不同上市地的股票类型，避免口径混淆。这类细节体现的是对金融场景规范的理解。

在金融、法律、医疗这类受监管场景中，可追溯性往往比准确率更重要。一个标注清楚来源与计算过程的结果，即使有偏差也能被发现和修正；一个无法溯源的结论，正确与否都难以采信。

三、Hy4 在金融场景的能力基础

这项实测能够完成，背后是针对性的能力建设。

混元基于真实金融场景构建了数千个工作空间、上万个高质量任务，覆盖基金研究、证券分析、量化策略、资产配置、公司金融、财税会计等方向。

联合腾讯金融科技 FiT 开展的众测规模为 213 位专家（其中 153 位来自外部头部金融机构，七成拥有五年以上工作经验）、579 个真实金融任务。结果 Hy4 以 3.04 分位居开源模型第一，高于 DeepSeek-V4.1-Flash-1017（2.97）、Kimi K3.1 Pro（2.68）与 GLM-5.3（2.68）。在金融智能体公司讯兔科技的内部评测 IRAB 中，Hy4 较 preview 提升 12.03 个百分点。

可靠性方面，官方自建搜索测试中因猜测导致的错误率由 preview 版的 23.1% 降至 5.6%。

⚠️ 数据口径提示：不同腾讯系发布渠道对幻觉率的披露口径略有差异（一说由 12.95% 降至 7.2%，另一说由 15.76% 降至 5.45%），但对"因猜测导致的错误率由 23.1% 降至 5.6%"的披露一致。引用具体数值建议以腾讯官方最终口径为准。

四、怎么设计一个可复现的实测任务

想在自己的场景验证，建议按以下方式设计任务。

第一步：选一个有明确交付物的任务。"分析一下行业趋势"无法判断成败；"产出含 X、Y、Z 三部分的对比报告，数据覆盖 N 年"可以验收。

第二步：明确视角与口径。要求从哪几个角色视角分析、数据采用什么口径、时间范围多长。视角越明确，产出越聚焦。

第三步：要求过程留痕。在指令中明确要求：记录数据来源 URL 与获取状态、计算过程以公式形式保留、无法获取的材料说明原因。这是让结果可验证的关键。

第四步：显式允许"做不到"。写入"若某项数据无法获取，请如实标注，不要估算填充"。这条能大幅降低编造风险。

第五步：设定交付格式。页数范围、图表数量、是否需要附录底稿，提前说明比事后返工高效。

第六步：人工抽查验证。从产出中随机抽取 10～20 个数据点，对照原始材料核对。这一步不能省——实测的意义在于知道它在哪里会出错。

五、一份可直接套用的指令模板

任务：完成 [公司A、公司B、公司C] [时间范围] 的经营情况对比分析报告。

数据要求：
1. 获取上述公司在该期间的季报、半年报、年报
2. 逐条记录数据来源 URL、获取状态、失败原因
3. 区分不同上市地的股票类型并标注
4. 无法获取的数据如实标注，禁止估算填充

分析视角（各自独立成节）：
- 产业研究员视角：行业格局与竞争位置
- 买方分析师视角：核心财务指标与同业对比
- 投资经理视角：增长驱动与潜在机会
- 风控分析师视角：主要风险与不确定性

交付物：
1. 对比报告 PDF，含关键指标图表
2. Excel 底稿，所有计算以公式形式保留，可复算
3. 数据来源清单

约束：
- 所有结论须标注数据依据
- 材料中未体现的信息，回答无法确认

这份模板的核心设计是把"可验证"写进需求，而不是指望模型自觉。

六、合理看待这类实测结果

几点需要客观说明。

这是单次实测，不是统计结论。同样的任务多跑几次，结果会有波动。评估可靠性需要重复执行并统计。

41 分钟是该任务的耗时，不是通用参考。任务复杂度、材料规模、网络状况都会影响实际时长。

产出是初稿而非终稿。从完成度看已超出"给建议"的范畴，更接近一份需要复核的初稿。专业场景中人工复核环节不可省略。

Token 消耗不低。长材料处理 + 几十步工具调用 + 多轮生成，这类任务的消耗远高于普通问答。规划预算时需按真实任务测算。

七、适合优先尝试的任务类型

从可验证性与失败成本角度，以下任务适合先试。

定期报告汇总。月度、季度经营数据整理，结构固定、标准明确。

多文档交叉检索。从分散材料中提取特定信息并汇总。

结构化数据抽取。从财报、公告中抽取指定字段，配合数值逻辑校验（如资产负债表是否平衡）。

带图材料分析。Hy4 首次引入视觉能力，可处理复杂图表解读与扫描件理解，大量历史材料可直接进入流程。

初稿生成。研究报告、分析备忘的初稿，由人工完成最终判断与定稿。

八、接入与成本规划

Hy4 已在腾讯云 TokenHub、腾讯云 ADP、WorkBuddy／CodeBuddy、元宝、企业微信智能助理大圆、ima 等产品上线。这类长任务在 WorkBuddy 中可直接执行，也可通过 API 自行编排。

开发者通过 TokenHub 的 OpenAI 兼容接口接入：base_url 设为 https://api.hunyuan.cloud.tencent.com/v1，api_key 使用 TokenHub 控制台创建的密钥。Hy4 定价为输入 6 元／百万 Token、输出 18 元／百万、缓存命中 0.3 元／百万。

长材料反复提问的场景中，把材料放在请求前缀可命中缓存——缓存价仅为标准输入价的 1/20。

🎁 发布期限时优惠Hy4 正式版积分抵扣限时优惠，Token Plan 四档套餐均已集成 Hy4 11 月 4 日～11 月 15 日，WorkBuddy／CodeBuddy 提供一定额度免费使用 即日起至 2026 年 12 月 31 日，腾讯云 TokenHub 按刊例价 5 折计费 👉 前往腾讯云大模型 Token Plan 订阅购买 → cloud.tencent.com/act/pro/tokenplan

总结

这次财报多视角分析实测的价值，不在 41 分 51 秒这个数字，而在它验证了三件事：Agent 能完成从检索到成稿的闭环、过程可追溯（183 个可复算公式与逐条下载记录）、交付完成度接近一份待复核的初稿。想在自己的场景复现，关键是把"可验证"写进需求——要求记录数据来源、保留计算公式、显式允许标注无法获取，并在产出后人工抽查核对。这类任务 Token 消耗较高，建议先用免费额度跑一次真实任务测算，再前往腾讯云大模型 Token Plan 页面选择方案。