騰訊Hy4開源、Gemini 4 Carbon限量開放與台灣AI動能

｜AI 產業趨勢解讀

騰訊發表開源大型語言模型 Hy4，Google 公布主打資安防禦的 Gemini 4 Carbon 並限量開放。鄧白氏第4季調查則顯示，台灣企業 AI 部署領先全球，但資料準備度與風險治理拖慢投資回報。

本文重點

  • 騰訊 Hy4 主打開源、電腦操作與長時程任務，價格與預覽版持平
  • Gemini 4 Carbon 先給資安防禦者，再逐步擴大到一般客戶
  • 台灣企業 AI 部署領先全球，但資料與風險治理仍是缺口

11 月初，AI 產業有三則消息值得企業主管與公部門承辦人留意。騰訊在 11 月 4 日發表開源大型語言模型 Hy4。Google 公布以資安防禦見長的 Gemini 4 Carbon，並採取限量開放。鄧白氏（Dun & Bradstreet）同期公布第 4 季「台灣企業 AI 動能指數」，指出台灣的 AI 部署速度領先全球，但投資回報還沒有同步跟上。

重點整理

一、騰訊 Hy4：開源、能操作電腦、價格不變

根據騰訊官方新聞稿，Hy4 是騰訊最新一代的大型語言模型，首度加入視覺理解能力，也首度支援 computer use（電腦操作），可以透過命令列與圖形介面完成工作。官方也提到，模型針對 Blender、CAD 等專業軟體做過專門訓練，目標是處理較長、較複雜的任務。

騰訊表示，模型權重與 system card（系統說明文件，記載安全評估與技術細節）會在近日釋出。價格方面，Hy4 與預覽版相同，約每百萬輸入 token 0.90 美元、每百萬輸出 token 2.70 美元。11 月 4 日至 15 日，騰訊的 WorkBuddy 與 CodeBuddy 免費提供，Hy4 在騰訊雲 TokenHub 的牌價則打五折，優惠到 12 月 31 日。

安全面向上，騰訊說明訓練資料以防禦性資安資料為主，並排除攻擊利用相關素材。這些評估結果是騰訊自行公布，尚待外界獨立驗證。

二、Google Gemini 4 Carbon：先給防禦者

Google 在官方部落格宣布 Gemini 4 Carbon，稱其為目前最強的模型，強項是資安與長時程工程任務。Google 公布的數字包括：在 SEC-bench Pro 達 88.2%、ExploitGym 達 54.8%、CWE-bench 達 71.0%。Google 也表示，在 Gray Swan 的間接提示注入（indirect prompt injection，即把惡意指令藏在文件或網頁中誘導 AI）測試中，攻擊成功率為 0.0%。這些同樣是官方說法。

值得注意的是推出方式。Carbon 先提供給一部分資安防禦者，再透過 Fairwind Program（Google DeepMind 的受管控存取計畫）逐步開放給更多受信任的夥伴，之後才會擴大到開發者、企業與一般使用者。Google 也說明，目前正配合美國政府自願性的模型發布前測試。價格方面，導入期為每百萬輸入 token 2 美元、輸出 10 美元，導入期結束後會調為 4 美元與 20 美元。

三、鄧白氏：台灣跑得快，回報還在追

鄧白氏公布的第 4 季台灣企業 AI 動能指數為 57，低於第 3 季的 60 與第 2 季高點 72，但仍在擴張區間。調查顯示，台灣有 78% 的企業已跨過規劃或試行階段（全球 64%），38% 已進入營運化或代理式 AI 工作流程（全球 27%）。

不過，台灣取得廣泛或顯著投資回報的企業為 27%，與全球的 28% 相近。資料完全準備就緒的企業僅約 9%；這些企業中有 77% 取得廣泛或顯著回報，資料只有部分就緒者則為 13%。風險緩解指數 47、技術完備度指數 49，都落在收縮區間。

分析

開源模型的價格與能力持續逼近。 Hy4 不只談模型分數，也強調與自家辦公、程式開發產品的搭配。企業評估模型時，除了看排行榜，也要看它能不能接上自己的工作流程。另一方面，開源模型是否適合採用，仍要等權重與 system card 公開後，再看授權條件、硬體需求與實際表現。涉及機敏資料的單位，還需要評估模型來源與資料流向的合規問題。

前沿模型開始「分級開放」。 Carbon 先給資安防禦者，說明能力越強的模型，越可能以身分審核、使用條款與逐步放行的方式推出。這對公部門有參考價值：未來導入 AI 時，授權範圍、使用者驗證與稽核紀錄，會是採購與治理的核心條件，而不只是「能不能用」。

台灣的課題從部署轉向資料與治理。 鄧白氏的數據點出一個落差：部署很快，但資料準備與風險控管跟不上，回報就難以放大。這與許多企業的實務經驗一致，AI 專案卡關的原因，常常不是模型不夠強，而是資料分散、權限不清、沒有人負責驗證結果。

給企業的建議

  1. 先盤點資料，再談擴大導入。 挑 1～2 個高價值流程，確認資料來源、更新頻率與權責單位。源智匯與農業部合作的跨單位資料整合案例，就是先整合知識庫，再讓同仁用自然語言提問，這類做法可以參考。
  2. 模型選擇保持彈性。 開源與閉源模型、不同價位的模型都在快速更新，系統設計時應讓模型可替換，避免綁死單一供應商。評估時用自己的真實任務做小規模測試，不要只看發表會的數字。
  3. 把權限與驗證寫進流程。 參考 Carbon 的分級開放思維，為 AI 設定使用者驗證、可存取的資料範圍與操作紀錄，重要決策保留人工覆核。
  4. 用可衡量的指標追蹤回報。 在專案開始前先定義節省的工時、錯誤率或服務回應時間，每季檢視，才能判斷是否值得擴大。
  5. 開源模型上線前先做合規檢查。 確認授權條款、資料是否離開境內、以及公部門或產業規範的限制，必要時採地端部署或混合架構。

源智匯長期協助企業與機關把 AI 應用落地，從知識庫整合到 AI Agent 訂做開發，經驗是：模型每季都在進步，真正決定成效的是資料基礎與治理機制。先把這兩件事做好，之後換用哪個模型都比較從容。

名詞解釋

大型語言模型
用大量文字資料訓練出來的 AI 模型，能理解與生成文字，是聊天機器人與 AI Agent 的核心。
computer use
指 AI 能像人一樣操作電腦，例如在命令列或圖形介面中點選、輸入並完成任務。
system card
模型發布時附上的說明文件，通常記載安全評估結果與技術細節，方便使用者判斷風險。
token
AI 模型處理文字的計價單位，大致是文字被切分後的片段。用量越大費用越高。
Fairwind Program
Google DeepMind 的受管控存取計畫，讓經過審核的資安防禦單位優先使用進階模型。
間接提示注入
攻擊者把惡意指令藏在文件或網頁裡，AI 讀取內容時被誘導做出非預期的行為。

常見問題

騰訊 Hy4 的權重已經公開了嗎？

依 11 月 4 日的官方新聞稿，騰訊表示會在近日釋出模型權重與 system card。採用前請再確認實際釋出時間與授權條件。

一般企業現在可以使用 Gemini 4 Carbon 嗎？

目前不行。Google 表示先提供給部分資安防禦者，並透過 Fairwind Program 逐步開放受信任夥伴，之後才會擴大到開發者、企業與消費者。

鄧白氏調查說明台灣企業 AI 做得如何？

部署速度領先全球，78% 已跨過規劃或試行階段。但取得廣泛或顯著回報的比例為 27%，資料準備與風險治理仍是主要缺口。

參考來源