腾讯混元Hy3正式发布实测：295B MoE架构比肩DeepSeek V4 Pro，WorkBuddy限时免费2周

摘要

2026年7月6日，腾讯混元Hy3正式版发布，采用MoE混合专家架构，总参数295B、激活参数仅21B，最大支持256K上下文。相比4月23日发布的preview版本，Hy3在Agent任务解决率上从72%跃升至90%，平均耗时缩短34%，幻觉率下降44%。模型已在WorkBuddy、元宝、ima等腾讯核心业务首发接入，并采用Apache 2.0协议开源，可免费商用。本文通过AI眼镜行业报告、电商数据分析、PPT生成、3D建模等六大实测场景，对比DeepSeek V4 Pro，深度评测Hy3在真实办公任务中的表现，帮助用户判断这款模型是否值得上手。

一、Hy3是什么？从参数到定位的快速拆解

腾讯混元Hy3是混元团队重建预训练和强化学习底层基础设施后的第一个正式版本，由姚顺雨主导研发。这是一个快慢思考融合的MoE语言模型，总参数295B，激活参数仅21B，最大支持256K上下文。

从官方定位看，Hy3走的是”实用主义”路线，不追求参数规模最大，而是希望以较小尺寸比肩参数量2到5倍的旗舰模型。在270位专家基于真实工作的盲测中，Hy3均分2.67/4，优于GLM5.1的2.51/4，前端、数据与存储、CI/CD等工程类别优势显著。

价格方面也极具竞争力：输入1元/百万tokens，输出4元/百万tokens，输入命中缓存价格仅0.25元/百万tokens。在高频办公任务中，Hy3的Token消耗显著低于GLM5.2，文档处理节省47.4%，PPT制作节省49.0%。

二、Hy3 vs preview：到底进步在哪里

从preview到正式版，混元团队花了两个月时间迭代，主要集中在三个方向：提升后训练算力规模、提升后训练数据质量和多样性、针对preview阶段的幻觉问题做细粒度检测与训练约束。

关键数据提升非常明显：

• SkillsBench：从29.1提升至55.3
• MathArena Apex：从12.8提升至38.7
• SWE-bench Pro：从46.0提升至57.9
• BrowseComp：84.2，与GPT5.5的84.4几乎持平
• ClawEval pass3：68.5，超过DeepSeek V4 Pro的62.4和Qwen3.7 Max的65.2

Agent和代码核心能力提升20%-30%，幻觉率从12.5%降至5.4%，常识错误率从25.4%降至12.7%。多轮问题率从17.4%降至7.9%，长对话理解基准MRCR从42.9%跳至75.1%。

不过在纯推理任务上，国产模型整体与GPT5.5之间仍存在结构性差距。MathArena Apex上Hy3得分38.7，GPT5.5是85.4，Qwen3.7 Max也仅44.5。

三、六轮实测：Hy3真实办公能力深度评测

为了让评测更贴近真实使用场景，我们选择在WorkBuddy里完成所有测试——Hy3本来就是在WorkBuddy首发上线，而且有两周限时免费体验。横测对象选择DeepSeek V4 Pro，测试规则是”尽量保持一致”，同一case使用同一版提示词，不提前帮模型拆任务。

实测1：AI眼镜行业报告

任务要求撰写一篇结构化的”中国AI眼镜/智能穿戴硬件行业服务生态发展综述”，覆盖近3-5年行业演变，并用画板绘制行业价值链流程图。

Hy3表现：首页做了明显的信息分层，蓝色封面区、核心主线摘要、卡片式目录，用表格区分音频眼镜/拍摄眼镜/AR显示眼镜/AI助手眼镜四种产品形态，信息层级清晰，易读性强。

DeepSeek V4 Pro表现：更像传统研究文档，白底居中标题、线性目录，信息铺得很完整，但视觉层级较弱，第一眼不容易抓住主线。

结论：两个模型都完成了行业报告，Hy3在可读性和视觉分层上更友好，DeepSeek在信息铺陈上更朴素但扎实。

实测2：电商业务健康度+用户价值分析

基于UCI Online Retail.xlsx数据集，要求完成数据字典、数据质量审计、核心指标看板、RFM分群与LTV、异常检测、结论与建议六项任务。

Hy3表现：报告结构舒服，摘要、指标卡片和图表都有，GMV、订单数、客单价、活跃用户等关键指标清晰可见。RFM分群用二维散点图和分群柱状图说明问题。

DeepSeek V4 Pro表现：数据展示更进一步，很多地方是”表格+图表”一起给，既能看趋势也方便核对具体数字。RFM部分做了3D散点图，把Recency、Frequency、Monetary三个维度放到同一张图里，更直观更有记忆点。

结论：这一轮偏向DeepSeek V4 Pro，Hy3结构稳但可视化维度稍逊。

实测3：人形机器人2026调研PPT

要求创建10页PPT，钛金灰视觉风格，联网搜索人形机器人最新趋势，重点涵盖具身智能技术进展和工厂实际应用转化情况。

Hy3表现：PPT更清爽，结构稳定，10页里把执行摘要、市场预测、技术进展、厂商对比、应用场景、挑战和展望都铺开了。

DeepSeek V4 Pro表现：信息更满，技术架构、关键突破、工厂落地和竞争格局部分细节更多，但看起来比较拥挤。

结论：两者像孪生兄弟，排版相似但内容结构有差别。Hy3胜在清爽，DeepSeek胜在信息密度。

实测4：创意设计网站

从Neo-Brutalism设计师角度设计网站，要求粗野主义硬边、饱和糖果色块、粗描边、平移阴影。

结论：两个模型都做得不错，没有明显差距。都抓住了粗野主义特点——高饱和色块、粗描边、明显偏移的阴影、贴纸感装饰和夸张字体处理。WorkBuddy的Skill加持可能有一定作用。

实测5：3D广州塔建模

要求创建像素级完美的广州塔模型，支持白昼一键切换，以及含汽车、建筑物、行人、路灯等的周边微缩城市模型。

Hy3表现：整体完成度更高，模型细节、光照层次、昼夜切换和操作流畅度都更稳定，场景里周边城市元素更丰富，切换视角无卡顿，更像可继续展示的3D demo。

DeepSeek V4 Pro表现：也完成了任务，广州塔形态更接近现实中的”小蛮腰”，塔身轮廓更容易认出来，但整体完成度略逊一筹。

结论：Hy3在3D建模和场景构建上明显领先。

实测6：AI内容运营实时监控仪表盘

要求开发可直接运行的仪表盘，使用ECharts.js或Chart.js，包含可折叠导航栏、实时状态栏、仪表盘区域、告警详情面板，支持实时数据刷新、图表切换、列表筛选、告警状态更新。

Hy3表现：版本更偏向”监控台”布局，右侧告警详情面板直接展开，顶部状态、实时曲线和告警区域之间关系更明显。

DeepSeek V4 Pro表现：更像传统数据看板，第一屏把核心图表集中展示，信息密度较高，适合快速扫数据。

结论：两者完成度都不错，差别主要在产品形态上。

四、业务接入与真实反馈：模型越用越强

Hy3已接入WorkBuddy/CodeBuddy、元宝、ima、Marvis、QQ浏览器、腾讯新闻、WeGame、腾讯乐享、搜狗输入法、微信公众号，另有近50个业务在接入队列中。

各业务反馈数据：

• WorkBuddy：自主选择Hy3 preview的用户数增长6倍，任务解决率从72%跃升至90%，平均耗时缩短34%
• ima：Agent系统稳定性达95.1%，知识库问答推理质量净提升近19%
• Marvis：核心场景任务完成率93.7%，6个Agent协作派发正确率92%
• 元宝：深度推理模式错误率降低12.3%，极速模式降低8.5%
• 微信公众号：AI分身意图识别准确率98.94%
• WeGame：AI助手多轮推理成功率92%，幻觉率从4.5%降至2.8%

从preview上线以来，Hy3日均token消耗量增加了20倍。这套逻辑就是正反馈——多元产品矩阵提供真实反馈，模型进步反哺所有产品。

五、Hy3的差异化优势与短板

优势：

1. 性价比突出：较小尺寸比肩大尺寸旗舰，价格有绝对竞争力
2. Agent能力领先：ClawEval pass3拿到68.5，超过DeepSeek V4 Pro和Qwen3.7 Max
3. 幻觉率显著下降：相比preview版本下降约44%，”张冠李戴””无中生有”类问题明显减少
4. 开源友好：Apache 2.0协议，全球开发者可下载免费商用
5. 3D建模和前端工作台表现惊艳：在多个场景完成对顶流的超越

短板：

1. 数学推理是明显天花板：MathArena Apex得分38.7，远低于GPT5.5的85.4
2. 256K上下文不算优势：主流模型都在往1M上下文冲
3. 代码类测试与顶尖模型仍有差距：SWE-bench Pro等测试与DeepSeek V4 Pro和Qwen3.7 Max仍有3-5个点差距

六、写在最后：该不该用Hy3

看完六轮实测，Hy3走的是完完全全的”实用主义”路线，尤其在WorkBuddy平台加持下潜能被榨到极致。无论是资料研究、数据分析、PPT，还是网页生成、3D场景、实时后台，Hy3都能交出高分答卷，没有明显短板，视觉与交互甚至屡屡带来惊喜。

对于想尝鲜的用户，Hy3在WorkBuddy里限时免费2周，刚好可以拿自己的真实任务跑一轮，看它交出来的东西能不能接着用。对于企业用户，6月腾讯推出的WorkBuddy企业版也值得关注。

混元团队这次交出的答卷，确实让人看到了国产大模型在”好用”方向上的努力和突破。

文章来源：本文由大国AI导航（daguoai.com）基于腾讯混元官方发布信息、WorkBuddy实测数据及多方媒体报道综合整理。