腾讯 Hy4 的「递归自我改进」名不副实

8 月 28 日，腾讯发布 Hy4 preview:一个 7700 亿参数的混合专家(MoE)开源模型，Apache 2.0 许可，上下文窗口超 100 万 token,BenchLM 综合榜 228 个模型中排第 7。模型是真的，权重可用。但官方公告里「递归自我改进」的说法，经 TemperatureZero 拆解后站不住脚。

公告称 Hy4 通过「自主分析推理系统瓶颈、多轮优化算子融合与通信」实现相对基线 31.8% 的吞吐提升。文章指出，这实际是训练基础设施开发阶段的工程优化——用模型找出多 GPU 通信瓶颈并落地优化，是 AI 实验室多年的常规 MLOps 做法。它不涉及模型修改自身权重、不构成能力迭代的正反馈回路，与 AI 安全研究里严格定义的「递归自我改进」是两回事。

💡 为什么值得看作者逐条拆解腾讯措辞：那 31.8% 吞吐提升来自工程优化，不是模型自我改造。