腾讯Hy3正式版深度实测：终于成功赶上AI下半场

十年磨一剑，两月一迭代。这句话用来形容大模型领域的发展节奏，似乎也颇为贴切。

今年四月，Hy3 Preview 版本正式上线。作为被业界誉为“姚顺雨腾讯首秀”的模型，它开始能够承接一部分用户的真实需求。不过，在具体的编程能力实测中，与同期发布的几款主流大模型相比，表现差距依然明显。

姚顺雨此前在谈及“腾讯AI下半场”时曾表示，发布Preview模型的主要目的之一，是希望通过真实用户反馈来发现并修复榜单中难以察觉的问题。

▲ WorkBuddy 内 Hy 3 限时免费中

经过两个月的打磨与优化，混元 3 正式版终于与用户见面。此次迭代融合了用户对预览版的反馈，并在模型稳定性与实用性上进行了深度提升。在 Agent 任务处理与 Coding 代码生成方面，Hy3 实现了质的飞跃。

我们进行了一轮前端网页生成测试，任务涉及复杂的 3D 网页模拟、严谨的游戏逻辑以及多种框架与库文件的调用。测试结果表明，Hy3 正式版交付的成果，相比预览版整整提升了一个档次。

最具代表性的案例是“旧金山金门大桥 3D 体验”。在 WorkBuddy 中输入相同的提示词并选择 Hy3 模型后，它能够像 Codex 一样，将用户需求拆解为多个子任务，并逐步执行、验证，最终交付高质量成果。

直接观察最终效果：Hy3 设计了近景穿梭、中景环绕、高空俯瞰、自动环绕以及电影巡游等多种视角。桥面纹理、桥上车辆、水面倒影等细节的真实感，远超预览版的表现。

作为对比，当时的预览版呈现出的画面，略显单调且局限，仿佛一个中途废弃的项目。

前端生成能力的显著提升，源于模型底层的进化。这些优化也让 Hy3 在综合的 Coding Agent 任务以及办公场景中，展现出更强的通用性。

在 WorkBuddy 内测试其办公能力时，面对复杂的工作流，Hy3 的任务规划能力、长文本信息处理能力以及多工具调用的熟练度，相比预览版均有了明显强化。交付的成果也更符合我们的预期。

根据最新的模型发布博客，Hy3 的推理能力、STEM 复杂推理以及数理能力也实现了显著提升。如今，用它来完成高阶数据分析、科学研究等硬核任务，同样可以胜任。

▲ WorkBuddy 会将任务进行详细规划，一步步执行

目前，Hy3 可以在 WorkBuddy 和元宝中体验。WorkBuddy 是腾讯早前推出的全场景 AI 工作台，功能类似于 Codex，能够直接从本地文件出发，快速处理电脑上的各类任务。

元宝也集成了 Agent 能力。使用混元模型并选择快速思考模式，输入明确需求并告知模型最终需要何种文件格式，元宝便会自动触发 Agent 能力。

像 PPT、Word、Excel、PDF 以及 HTML 等文件，现在可以直接在元宝中，借助 Hy3 的 Agent 能力生成。

API 定价方面，Hy3 输入为 1 元/百万 tokens，输出为 4 元/百万 tokens，命中缓存的价格为 0.25 元/百万 tokens。作为参考，DeepSeek V4 Pro 对应的价格分别为 3 元、6 元和 0.025 元。

我们进行了更多测试，可视化结果进一步印证了一个事实：Hy3 确实实现了突破性进展。

与旗舰模型比肩的网页生成效果

除了开篇“金门大桥”案例的显著变化，在 benchmark 表现上，Hy3 延续了预览版快速攀升的势头。在经典的 SWE-bench、HLE、BrowseComp 等榜单上，Hy3 几乎是进步最为显著的模型之一。

在完整的 Benchmark 对比中，Hy3 主要与 DeepSeek V4 Pro、GLM 5.2、Qwen 3.7 Max、GPT 5.5、Opus 4.8 以及豆包 Seed 2.1 Pro 等模型同台竞技。

可以看出，相较于预览版，Hy3 已经更接近国内外旗舰模型的综合表现，甚至在部分指标上实现了超越，整体水平已接近 GLM 5.2。

我们继续测试了之前用于预览版的同一组提示词——相同的指令与设置，Hy3 这一次的表现又有哪些提升？

例如这个主题公园场景。预览版交付的成果虽然可用，但界面既不美观，交互体验也不佳。而 Hy3 从启动页面就能看出，它在美术设计上投入了更多心思。

点击“开始建造”后，网页终于不再使用那些常见的 Emoji 符号——从小图标到大场景，都开始采用 AI 生成的图片。不过，模型在搭配这些图片时仍有些吃力，部分元素贴入公园后显得不够协调。

我们在其中体验了一段时间，所有资金、评级、游客量、满意度和清洁度等信息，都有一套完整的游戏逻辑在背后支撑。

例如，如果一直没有增加洗手间和游客服务中心，满意度就会始终处于低位；而一旦多修些道路、添加更多建筑，满意度便会逐步提升。

同样的提示词，预览版的效果如何，大家可自行对比。

还有 SVG 测试。此前“开着汽车的长颈鹿”动态 SVG，预览版生成的只是一个完全平面的 2D 动画。而 Hy3 不仅增加了更多细节，还让整个 SVG 画面更加自然——太阳、长颈鹿、汽车、风景，都具备了动画质感。

▲ Hy3 Preview 生成

▲ Hy3 生成

之前用于测试 GLM 5.2 的几款游戏复刻任务，如今用 Hy3 基本都能达到相同水准，有些表现甚至更优。

例如复刻《我的世界》。虽然场景中未出现水域，但这些砖块还原出的像素世界，与之前 GPT-5.5 生成的游戏已不相上下。

▲ Hy3 生成

▲ GLM 5.2 生成

还有《黑神话：悟空》的复刻，这是最令人惊喜的部分。在之前的测试中，无论是 GLM 5.2 还是 Opus 4.8，都倾向于用 2D 或较暗、较黑的风格呈现网页。而 Hy3 交付的游戏，是完成度较高的一款。

▲ Hy3 生成

▲GLM 5.2 生成

其他游戏，例如《地铁跑酷》，用 Hy3 生成的效果，对比此前测试省 Token 策略时使用 GPT-5.5 生成的结果，也有显著提升。在可玩性和直接上线的可能性上，Hy3 交付的网页都更具优势。

针对具体代码项目的分析任务，我们从 GitHub 上找了一篇经典论文的代码文件，交给 Hy3 分析，要求其识别 Bug 并提出优化建议。

有趣的是，提示词中并未要求交付任何文档，但 Hy3 还是生成了一份详细的 Markdown 报告。报告中清晰列出了项目研究内容、已确认的 Bug、潜在问题与鲁棒性风险，并从性能和架构层面给出了优化方向。

得益于 Coding Agent 能力的提升，Hy3 能够快速将一个 Matlab 项目转换为其他编程语言，或者将 Python 项目转换为可在 Google Colab 上运行的 ipynb 格式，并能顺手修复它自己发现的那些 Bug。

代码之外，我们也在 WorkBuddy 中让 Hy3 完成一份深度调研报告，主题为“计算机科学与技术这个专业怎么样”，最终交付了网页报告、PPT 和 Markdown 文档。

通常我们能想到的内容，无非是就业前景、院校排名、薪资水平等。而 Hy3 借助其联网搜索和推理分析能力，还补充了专业课设置、考研路径、算法工程方向等深度内容。

多文件处理能力同样值得关注——Hy3 能够一次性处理多个文件，同时输出多种不同格式的成果。

根据官方数据，Hy3 在 WorkBuddy 办公场景下的任务成功率，从 72% 提升到了 90%。无论是规模庞大的网页开发项目，还是各类小游戏、小程序，Hy3 现在都具备了稳定的交付能力。

经过一系列实测，可以明确地说，相比 Hy3 Preview，Hy3 的进步十分显著。如果你正需要一款趁手的工具，那么 Hy3 搭配 WorkBuddy 也许是一个值得考虑的选择。

不过，就像开篇提到的“两月一迭代”——有些模型甚至无需两个月便会完成升级。等到 GPT-5.6 全面开放、Gemini 3.5 Pro 正式上线，届时的基准又将树立新的标杆。

从 Preview 到正式版，Hy3 仅用两个月便完成了一次令人瞩目的迭代。下一次，它能否继续保持这一速度？这个问题，或许比这一代模型本身更值得关注。

无论如何，一个明确的趋势已经显现：越来越多的工作，我们可以放心地交给 AI 来完成。而大模型的选择，也正变得日益丰富。