11 月 4 日，腾讯发布旗舰 MoE 开源模型 Hy4，总参数约 770B，主打原生视觉推理与电脑操控（computer-use）能力。它可以理解屏幕截图、在浏览器和桌面软件里自动点击操作，相当于给 AI 配上了"眼睛"和"手"。对想了解 Agent 落地的人来说，Hy4 是一个能本地或云端部署、可实操的电脑操控样本，既适合学习，也适合在私有环境里做合规试验。
一、Hy4 能做什么
视觉推理：把界面截图喂给它，它能识别按钮、输入框、报错信息并给出操作建议。电脑操控：它可自动在网页和桌面应用里完成多步任务，比如填表、查数据、导出文件。开源权重意味着你可以私有化部署，数据不出内网，适合对合规敏感的场景，也能在自己的机器上调试玩法。它把"看"和"做"连成一条链路，比纯文本助理更接近真实办公动作，也更容易接进你现有的工作流。
二、怎么用起来
通过腾讯云 TokenHub 或开源社区权重获取模型。轻量试用可用官方对话入口；要跑 computer-use，需要配合支持截图与操作的运行环境，比如浏览器自动化或桌面代理。提示词要给清"目标 + 当前界面状态 + 终止条件"，并让它在每步操作后汇报结果，方便你随时接管，避免它一路跑偏。新手建议先从一个固定网页上的单一操作练起，比如登录后导出一份报表，先把链路跑通再叠加复杂度。
三、一个操作示例
假设你要从后台导出当月订单：你可以让 Hy4"打开后台，进入订单页，选本月，点导出 CSV，保存到桌面"。它会先截一张图识别页面，找到对应按钮逐一点击，每步都把结果回传给你看。中途若弹出验证码或页面改版，它把当前截图丢回来问你下一步，而不是瞎点。这种"看得见、问得清、收得住"的特性，正是电脑操控 Agent 能否放心用的关键，也决定了它适合辅助而非完全托管。
四、提升稳定性的技巧
- 分步确认：先让它列出操作计划，你同意后再执行，避免误操作带来损失。
- 截图反馈：每步操作后回传截图，让它对照判断是否达成目标。
- 设安全边界：限定可访问的网址和文件夹，防止越权访问重要资料。
- 失败重试：卡住时把报错和截图一起丢回去，让它换路径重来，常常比硬撑更有效。
- 留审计日志：记录它每一步动作，事后复盘哪步出了偏差，下次提示词写得更准。
五、注意事项
电脑操控有真实操作风险，首次务必在测试环境或无关紧要的账号上跑，确认行为可控再放开。开源模型能力会随版本变化，以官方文档为准。涉及资金、隐私的操作必须人工复核，不要把关键凭证交给自动执行的流程。把它当实习生而不是正式员工，关键节点你把关，它负责把机械步骤跑通，这样既能省力又不至于失控。
此外，电脑操控类任务对网络和环境很敏感，页面一改版就可能前功尽弃，所以别把它接进不可逆的操作里。像"删除数据""发送邮件"这类动作，宁可多一步人工确认，也不要图省事直接放开。把高风险按钮留在你手里，低风险重复活交给它，这套分工最稳，也最能让你放心把日常杂活托付出去。
Hy4 把"看懂屏幕 + 动手操作"打包成开源模型，是体验电脑操控 Agent 的实在入口，值得动手玩一遍。
