截至 11 月 5 日的公开信息，腾讯在 11 月 4 日发布混元 Hy4 正式版，参数规模 770B，首次引入视觉理解能力，并首次支持电脑操作（Computer Use）。官方说明它可以完成细粒度图像处理、复杂图表分析与数学视觉推理，还能结合命令行与图形界面执行任务，并针对 Blender、CAD 等专业软件与跨应用长程任务做过专项训练每日经济新闻：腾讯混元 Hy4 正式版发布，首次支持视觉理解与电脑操作。对做 AI 搜索可见度的团队，这条更新改变的是一个常被忽略的素材层：图片。
能读图之后，引用对象变了
过去模型对图片的处理主要是识别图中的文字，现在可以理解图表结构、比较图中要素、甚至推导图中的数值关系。这意味着当用户上传一张成分表、一张参数对比图或一张包装照片提问时，模型的答案会建立在这些图像内容上，而图像来自哪里、是否清晰、是否标注了来源，就成了新的可见度变量。
同一批更新里还有几个数字值得记录：在 579 项真实金融任务众测中 Hy4 综合表现位居开源模型第一，自建测试的幻觉率由 15.76% 降至 5.45%，GameDev 与 GameLogic 评测分别提升 19.1% 与 9.8%巴伦日讯：混元 Hy4 开源，视觉能力是本次最显眼升级。幻觉率下降意味着模型更愿意给出确定表述，这对品牌是双刃剑：说对了传播更快，说错了也更难被用户怀疑。
多模态不等于图片自动被引用
模型能读图，不代表它会主动去找品牌图片。它仍然以自己的检索路径为主，图片只是可被理解的一种证据形式。真正的影响在于：当答案需要图示、对比或参数时，能被稳定解析的图片素材更容易被采用。
三类图片素材的可用性差别
第一类是包装图。包装上的文字通常是品牌名、规格、卖点，信息密度低且排版花哨，模型识别难度大。如果包装图旁边没有可读的文字说明，它在引用链条里几乎没有作用。
第二类是参数表与对比图。这类图片结构清晰、行列关系明确，模型最容易解析，也最容易被用来支撑「哪个更适合」这类问题。品牌把参数整理成表格图片，同时提供同内容的文字版，被引用的概率会明显高于只有图片的版本。
| 素材类型 | 可解析程度 | 常见问题 | 改进方向 |
|---|---|---|---|
| 包装与实物图 | 低至中 | 文字变形、卖点堆叠 | 配文字说明与规格字段 |
| 参数表与对比图 | 高 | 缺少单位与口径 | 标注单位、口径与数据来源 |
| 成分与工艺图 | 中 | 专业缩写未解释 | 图注解释缩写与含量 |
| 场景与使用图 | 低 | 无文字锚点 | 补图注说明场景与人群 |
第三类是场景图。它的价值在于传达使用情境，但对模型来说是「无语义」的，除非有图注说明谁在什么场景下怎么用。很多品牌把预算全放在场景图拍摄上，却在 AI 答案里毫无存在感，原因就在这里。
图片要配一套可读的文字底座
可行的做法是给每张关键图片配三样东西：图注（一句话说明这张图是什么）、结构化字段（图里的关键数值以文字重复一遍）、来源标注（拍摄方或数据来源）。三样齐了，图片才既能被人看懂，也能被模型引用钛媒体：2026 年 11 月 5 日钛早语音播报。
另一个变化是监测口径。过去监测 AI 搜索可见度只看文字回答，现在需要记录回答里是否出现图片、图片来自哪个域名、图片内容与品牌口径是否一致。这一层目前工具支持有限，多数团队仍靠人工抽检，但至少要在问题库里加上「带图提问」这一类。
先补最容易被问到的图
不是所有图片都值得整理。优先级最高的三类是：用户最常比较的参数、最常被质疑的功效依据、最常被问到的规格差异。这三类整理清楚，等于把用户最想问的问题提前写进了可被引用的素材里。
行动清单
动作可以小步走：先盘点关键图片，再补图注与字段，最后把带图提问加进监测。三步做完，图片从「给人看的物料」变成「可被机器读的证据」，这一步的投入远低于重新拍摄。
常见问题
模型能读图，还需要文字版吗？
需要。文字版更稳定、更易检索，图片解析存在误差，两者同时提供才可靠。
官网图片会被直接引用吗？
不一定。模型仍走自己的检索路径，图片需要配合可读文字与来源标注；AI 搜索可见度取决于这些素材能否被稳定解析并成为引用来源。
幻觉率下降对品牌是好消息吗？
是，但也是压力。说对了传播更快，说错了也更难被用户察觉，纠偏机制仍要准备。
带图提问要怎么写进问题库？
按用户真实行为设计，例如上传包装照片问适不适合敏感肌，记录回答是否引用了图中信息。
