6.5
深览指数
科技腾讯新闻··AI 生成
腾讯混元Hy3正式上线：坚持实用主义路线，Agent任务解决率跃升至90%
腾讯混元发布了Hy3正式版，这是一个采用MoE架构、总参数295B的模型，延续了实用主义路线。Hy3在Agent和工具编排任务上建立了差异化优势，在ClawEval、SkillsBench等测试中超越了DeepSeek V4 Pro和Qwen 3.7 Max。更重要的是，Hy3已接入元宝、WorkBuddy等内部产品，在真实业务中验证了90%的Agent任务解决率。文章展示了金融建模、代码生成等实测案例，干货密度高。适合关注国产大模型进展、评估模型实用性的技术决策者阅读。原文 ↗
核心观点
- ▍腾讯混元Hy3的核心定位是实用性和性价比，不追求参数最大，而是用较小尺寸模型逼近更大模型的实际表现并实现成本优势。
- ▍在Agent和工具编排类任务上，Hy3建立了明确的差异化优势，但在纯数学推理上仍是明显短板。
- 01Hy3采用MoE架构，总参数295B、激活参数21B，支持256K上下文长度，定价输入1元/百万tokens，输出4元/百万tokens。
- 02在Agent测试中，ClawEval pass^3为68.5（超DeepSeek V4 Pro的62.4和Qwen 3.7 Max的65.2），SkillsBench 55.3同样领先。
- 03WorkBuddy内部测评显示，Hy3正式版任务解决率从preview的72%跃升至90%，平均耗时缩短34%。
- 04在元宝Agent的Benchmark评估中，Hy3已超过GLM 5.1，逼近Claude Sonnet 4.6。
- 05Hy3正式版在内部长文、RAG评测中幻觉率较preview下降约44%；深度推理模式下常识错误率降低12.3%。
- 06实测案例中，Hy3能独立搭建5220格联动现金流模型，零硬编码，全程逻辑一致。
- 07Hy3采用Apache2.0开源协议，已在Huggingface、Modelscope等平台上线。
反方 / 局限
- — 在纯数学推理上，MathArena Apex得分38.7，远低于GPT 5.5的85.4，国产模型整体在该领域存在结构性差距。
- — 在代码类测试SWE-bench Pro上Hy3得分57.9，与DeepSeek V4 Pro和Qwen 3.7 Max仍有3-5个点的差距。
腾讯混元Hy3DeepSeek V4 ProQwen 3.7 MaxGPT 5.5Claude Sonnet 4.6WorkBuddy元宝imaHuggingfaceApache 2.0MoEClawEvalSkillsBenchMathArena Apex
8 分钟 · 3 卡片 · 9 资料
读原文 →