一、引言
本週，騰訊發佈了全新的 混元大模型 Hy3 。
混元作爲騰訊自研的主力模型，過去三年只發了兩個版本：2023年9月的1.0版，2025年12月的2.0版。
現在，終於迎來了第三個版本，自然引人關注。而且，新版本做了重大調整，模型定位發生了變化（詳見下文），有很多看點。
騰訊顯然對它寄予厚望，4月份就公開了預覽版 Hy3-preview [1] ，供大家測試，提前預熱。根據發佈公告，正式版的編碼能力和 Agent 能力，比起預覽版又有大幅提升。
而且，今年3月騰訊還推出了配套工具 WorkBuddy [2] 。
WorkBuddy 的官方定位是“桌面的 AI 原生工作臺”，支持各種 AI 使用場景。它有點類似 Claude Code 國內版，結合 Hy3 模型，據說是大部分任務的高性價比之選。
現在只要在 WorkBuddy 裏面使用 Hy3，就有 兩週的免費期 。
上圖就是 WorkBuddy 內置的可供選擇的模型。
我利用這段免費期，測了一下 Hy3 + WorkBuddy 的組合，到底是不是像宣傳的那樣好用。
作爲對比，我從 WorkBuddy 的內置模型裏面挑選了 GLM 5.1 和 DeepSeek 4 Flash 來 PK。
爲什麼選擇它們作爲 PK 選手，而不是更新更強的模型，我來解釋一下，這跟 Hy3 的模型定位有關。
二、模型定位
關於 Hy3，大家需要了解的第一點就是， 它只是一箇中等規模的模型，甚至可以說是小規模的模型 ，絕對不是那種超大規模的大模型。
它採用混合專家模型（MoE）架構，總參數 295B，運行時激活的參數 21B，上下文長度 256K。
這個參數規模比較小，表明它內部的運算量肯定也不大，一定比不了那些運算規模極大的 SOTA 模型。
但是根據騰訊公佈的測試分數，它的得分並不那麼低。
上圖最左邊就是 Hy3 的 SWE-bench Pro 得分，大概是位居中游。
發佈公告這樣說：“它展現出 顯著強於同尺寸模型的智能水平 ，並比肩更大尺寸旗艦模型的效果，大幅提升了在各類產品和生產力任務中的實用價值。”
我翻譯一下這句話。騰訊認爲 Hy3 的價值在於，相比同等尺寸（即中小規模）的模型，它的表現更好。而且，由於它的參數相對少，所以運算量小、成本更低、速度更快，因此具有更大的使用價值。
爲了驗證這句話是否屬實，我選了兩個跟它規模相近的國產模型，與它進行對比：GLM 5.1 和 DeepSeek 4 Flash。
從參數數量看，GLM 5.1 的計算量最大，混元 Hy3 其次，最後是 DeepSeek 4 Flash。
我的實際測試感受也是如此，DeepSeek 4 Flash 速度最快，混元 Hy3 其次，GLM 5.1 最慢。
由此可見，混元 Hy3 的設計思路不是追求最強的性能，而是追求性能和成本/運算速度的平衡，成爲一個性能不錯、成本較低、速度較快的、可以日常主力使用的模型。
下面就是我做的五輪測試，可以先說結論，混元 Hy3 的表現令人刮目相看，完全看不出它是一箇中小規模的模型。
三、BridgeBench 測試集
我的測試題主要來自 BridgeBench 測試集 [3] ，它是目前最熱門的測試基準，號稱“全球排名第一的氛圍編程測試基準”。
它一共170餘道題，專門測試模型的代碼能力。
它的運行方法和評分方法，都沒有公開，但是 部分測試題 [4] 是公開的。我選擇了一些題目，上面三個模型都跑一下，看誰的表現最好。
不過，這些題目都相對複雜，跑起來太費時間，有時一道題要跑一個小時。所以，前面兩輪簡單測試，我就用 自己收集的測試題 [5] 了。
另外，以下所有測試都是在 WorkBuddy 裏面完成的。我只是切換模型和工作目錄，其他條件都保持不變。
四、網頁 UI 測試
第一個測試最簡單，先看一下模型生成網頁 UI 能力，要求重構網頁，使其成爲美觀有效的商務網站入口頁（ 提示詞 [6] ）。
混元 Hy3
GLM 5.1
DeepSeek 4 Flash
顯然，這三個模型的表現都很好，我覺得分不出差距。
對於大模型來說，生成網頁 UI 應該算已經解決的問題了，已經不足以考驗模型能力了，以後大概不用再測了。這裏就是向大家展示一下，模型生成的網頁樣式和美感。
唯一可挑剔的，就是它們明顯都用了 Tailwind 的模版或技能，導致看上去很雷同，沒有個性。幸好生成的是商務網站，如果是個人網站，就太乏味了。
五、網頁 2D 遊戲《憤怒的小鳥》
第二個測試是生成網頁版的《憤怒的小鳥》（ 提示詞 [7] ）。這個測試其實難度很大，尤其是小鳥的飛行和碰撞效果。
混元 Hy3
這是我測過的最佳結果之一，頁面跟原始 UI 很接近，遊戲完全可玩，小鳥的飛行和碰撞效果逼真，小鳥落在地面上會反彈，磚塊被碰撞後會消失。
GLM 5.1
這個結果也還可以，雖然 UI 跟原始遊戲有差距（沒有出現小豬），但是小鳥的飛行效果做得很好，尤其是玻璃碰撞後的粉碎效果很漂亮。
DeepSeek 4 Flash
這個結果也是可玩的，但是明顯比其他兩個模型遜色，無論是 UI 還是遊戲的動畫效果。
至於混元 Hy3 和 GLM 5.1 的比較，我個人感覺，前者更好一些，還原了原作，還原度更高。
六、2D 檯球遊戲
這個測試要求使用 Python 語言，生成一個 2D 的檯球遊戲（ 提示詞 [8] ）。
測試要求是隻使用
pygame-ce
和
numpy
這兩個軟件包，前者負責處理遊戲窗口，後者負責處理檯球碰撞的數學計算。
混元 Hy3
這個結果出乎意料的好，畫面精美，遊戲完全是可玩的，碰撞效果逼真，可以逐一將球打落袋。
GLM 5.1
這個結果完全失敗，檯球就是黑色方塊裏面一個平面的圓，甚至方塊的四角都沒有去除。
而且，這個遊戲不可玩，無論我怎麼嘗試，始終無法用球杆將白球擊出。
DeepSeek 4 Flash
這個結果還可以，也是可玩的。但是，開球方式不對，是橫過來開球，而且很難操作，需要鼠標來瞄準，然後用 Space 鍵擊出（鼠標左鍵無效）。
顯然，這一輪的贏家是混元 Hy3。
七、3D 鵜鶘騎自行車
這個測試要求使用 GLSL 着色器語言，生成 3D 的“鵜鶘騎自行車”場景（ 提示詞 [9] ）。
模型生成的將是一個 GLSL 腳本，把它貼到 shardtoy.com [10] 進行在線編譯就能看到渲染結果。
混元 Hy3
GLM 5.1
DeepSeek 4 Flash
這一輪，三個模型的生成結果，都不算很理想。混元 Hy3 相對還好一點，但是自行車更像平衡車，由於提示詞是英語 Bicycle，我不知道這個詞是否還包括兩輪的平衡車，否則就很難解釋這種形狀。
GLM 5.1 的自行車就更奇怪了，輪子成了水平的轉盤，這是水上自行車嗎？至於 DeepSeek 4 Flash，完全沒有生成鵜鶘。
八、大型 3D 網頁遊戲
最後是最難的測試，要求模型生成大型的複雜網頁遊戲。
我先測了生成《MineCraft》，要求所有代碼包含在單個的 HTML 文件（ 提示詞 [11] ）。
混元 Hy3
雖然畫面比較簡陋和殘缺，但是遊戲要素是完整的，你看得出來這是 MineCraft，一個開放的動態世界，可以無限漫遊，使用 wasd 這四個鍵進行移動。
你甚至可以砍樹收集材料。
相比之下，其他兩個模型的生成結果，就有點慘不忍睹。
GLM 5.1
DeepSeek 4 Flash
雖然都很糟糕，GLM 5.1 生成的至少還是一個 3D 世界，可以四處移動，DeepSeek 4 Flash 生成的就是一個黑屏，什麼也沒有，也無法操作。
我懷疑是不是測試過程有問題，於是又測了生成 3D 開放世界《罪惡城市》（ 提示詞 [12] ）。
混元 Hy3
我覺得這個城市的視覺效果還不錯，可以第一人稱視角無限漫遊，右上角還有實時地圖。
另外，路上還有行人，你可以按鍵發射子彈，同時聽到音效。
GLM 5.1
DeepSeek 4 Flash
GLM 5.1 直接黑屏，DeepSeek 4 Flash 能運行，但畫面一點看不出是個城市。可以確認了，這兩個模型在 3D 網頁遊戲方面的能力比較弱。
九、總結
經過這些測試，混元 Hy3 的表現讓人眼前一亮，簡單的任務不成問題，複雜的任務也能生成可以接受的結果。
它（300B 模型）的表現明顯好於 DeepSeek 4 Flash，很多時候也好於參數數量遠大於它的 GLM 5.1（750B 模型），至少不比它差。
考慮到 Hy3 尺寸更小，運行速度佔優勢，而成本也低，它的 API 定價是百萬 Token 輸入/輸出爲 1元/4元，確實是一個性價比很突出的模型。
它以小模型的價格，卻有着越級的表現，各方面比較均衡，完全可以作爲日常主力的編程/Agent 模型使用。
而且，現在通過 WorkBuddy [13] 使用 Hy3 是免費的，我認爲完全值得大家去試試這個模型。
（完）
References
[1]
Hy3-preview:
https://www.tencent.com/zh-cn/articles/2202320.html
[2]
WorkBuddy:
https://www.codebuddy.cn/work/
[3]
BridgeBench 測試集:
https://www.bridgebench.ai/
[4]
部分測試題:
https://www.bridgebench.ai/test-prompts
[5]
自己收集的測試題:
https://github.com/ruanyf/ai-test-case
[6]
提示詞:
https://github.com/ruanyf/ai-test-case
#case01
[7]
提示詞:
https://github.com/ruanyf/ai-test-case
#case03
[8]
提示詞:
https://www.bridgebench.ai/prompts/c4541e6f-be24-4b0b-ad5e-9ae5b8cfc1b7
[9]
提示詞:
https://www.bridgebench.ai/prompts/64269eb6-6691-4d05-9489-91fb7f4ddf08
[10]
shardtoy.com:
https://www.shadertoy.com/
[11]
提示詞:
https://www.bridgebench.ai/prompts/e3aca9dc-5d6d-4002-ab9c-76267f9689b2
[12]
提示詞:
https://www.bridgebench.ai/prompts/709d9a91-7406-4240-8b23-ef4a456c385c
[13]
WorkBuddy:
https://www.codebuddy.cn/work/