此前在文本里描述一张故障截图，团队现在可以试着把截图与问题一起发给混元。11月4日，腾讯发布混元HY4正式版，腾讯云TokenHub列出新模型标识，ADP也公布了接入。正式版首次为这一型号加入视觉理解；真正影响开发者迁移的，是选哪种协议、图片怎样送进去，以及模型看到画面后能不能被允许做下一步。

快速看点：正式版与预览版是两个模型标识；图片可同文本混排，精细度选项因协议而异；能识图、应用有电脑操作能力和正式权重可下载，不能画等号。

正式模型标识已上线，预览请求不会自动变成新版

TokenHub的产品动态将11月4日列为新增支持HY4的日期；调用指南把hy4和hy4-preview列成两项。对现有项目，迁移不只是确认账号能鉴权，还要检查模型标识是否写在配置、工作流节点或回退列表里。保留一条预览基线，有助于把模型变化与协议参数变化分开定位。

腾讯云为正式版列出的上下文窗口是1024k，最大输入960k、最大输出64k，口径是该入口的文档规格，不是可以把窗口全用作输入。三项数字即使与预览同表一致，也不能据此推出图文请求在时延、账单或并发上同样表现。应用层还需给输出预留空间，避免系统指令、附件与历史把预算先耗完。

接入图片，先选清协议和精细度

TokenHub列出三种兼容接口：Chat Completions、Responses与Anthropic Messages。图片可以与文字出现在同一轮消息中，支持多图和多轮。文档以文字识别、图表解读和截图分析为例；同一张图做粗略分类与读取表格小字，不适合使用同一套输入策略。

例如，低精细度路径会先缩小图片；如业务要辨认小字，可测试高清路径，而original这一选项文档只列在Responses协议下。指南也列有单张10MB及单请求图片数量限制，历史消息中的图片也会计入。最大可传张数与最大上下文各是约束，不能把两项上限同时视为可达吞吐。

比较稳妥的办法是从真实业务里选几张脱敏图片，分别测试整图、手动裁切和文字提取结果，再测识别错误时的回退。扫描件里发票号少一位、工单截图里环境名被读错，可能比漏掉一段描述更严重；关键字段应交给业务规则或人工核对，不能只凭模型回复格式正确就写入系统。

对连续多轮看图的流程，还应检查历史图片是否每一轮都要随请求发送。比如第一轮已提取明确的设备编号，后续只需要查工单，应用可以比较继续附图与只传已确认字段的差别。图片服务自己的访问权限、有效期和脱敏也要单独检查，不宜把任何外链都直接传给模型。

看懂界面与操作界面之间，还有一层执行控制

腾讯发布材料也讨论办公应用里的电脑操作，但视觉输入接口首先交付的是把图像作为模型输入的能力。让模型读出按钮，不等于任意API客户端都能替用户点击。运行程序、操作浏览器或改动文件，需要应用侧具备执行工具、明确的权限和失败处理，不能靠换一个模型标识完成。

如果团队打算接到巡检或工单场景，可以先做只读验证：把截图转成建议，不给执行权限；下一阶段再为高风险动作单独设审批和日志。测试时把“是否读对”“动作是否被允许”和“是否确实执行成功”记录为不同结果，避免把演示中的操作能力当成生产环境的默认行为。

本轮能核实的是腾讯云托管入口与ADP接入。腾讯公告对正式版权重和系统卡采用后续发布口径，不能用此前预览仓库证明正式权重已到，也不把厂商场景分数当作业务上线效果。这里没有发起模型请求或执行电脑操作。

上线验证也不必用一份综合分数收尾。图片读取准确率、因协议配置导致的请求失败率、需要人工接管的比例，分别对应不同的改进方向。前者可能需要改图片处理，第二项可能需要修接入，最后一项则关系到流程能否把识别错误挡在真实业务动作之前。

小编判断

正式版的可用变化，是团队现在有明确的模型标识和图像输入契约，可以开始设计迁移验证。先挑一个不涉及外部写入的图文任务，把协议、图片清晰度和人工复核成本跑明白；自托管团队则继续等待正式权重、系统卡与许可。这样能分别回答两件事：接入今天能不能做，部署最后能不能落地。