腾讯混元 Hy3 + WorkBuddy 实测，300B 模型能力比肩 700B GLM 5.1
阮一峰约 7 分钟一、引言
本周，腾讯发布了全新的混元大模型 Hy3。
混元作为腾讯自研的主力模型，过去三年只发了两个版本：2023年9月的1.0版，2025年12月的2.0版。
现在，终于迎来了第三个版本，自然引人关注。而且，新版本做了重大调整，模型定位发生了变化（详见下文），有很多看点。
腾讯显然对它寄予厚望，4月份就公开了预览版 Hy3-preview[1]，供大家测试，提前预热。根据发布公告，正式版的编码能力和 Agent 能力，比起预览版又有大幅提升。
而且，今年3月腾讯还推出了配套工具 WorkBuddy[2]。
WorkBuddy 的官方定位是“桌面的 AI 原生工作台”，支持各种 AI 使用场景。它有点类似 Claude Code 国内版，结合 Hy3 模型，据说是大部分任务的高性价比之选。
现在只要在 WorkBuddy 里面使用 Hy3，就有两周的免费期。
上图就是 WorkBuddy 内置的可供选择的模型。
我利用这段免费期，测了一下 Hy3 + WorkBuddy 的组合，到底是不是像宣传的那样好用。
作为对比，我从 WorkBuddy 的内置模型里面挑选了 GLM 5.1 和 DeepSeek 4 Flash 来 PK。
为什么选择它们作为 PK 选手，而不是更新更强的模型，我来解释一下，这跟 Hy3 的模型定位有关。
二、模型定位
关于 Hy3，大家需要了解的第一点就是，它只是一个中等规模的模型，甚至可以说是小规模的模型，绝对不是那种超大规模的大模型。
它采用混合专家模型（MoE）架构，总参数 295B，运行时激活的参数 21B，上下文长度 256K。
这个参数规模比较小，表明它内部的运算量肯定也不大，一定比不了那些运算规模极大的 SOTA 模型。
但是根据腾讯公布的测试分数，它的得分并不那么低。
上图最左边就是 Hy3 的 SWE-bench Pro 得分，大概是位居中游。
发布公告这样说：“它展现出显著强于同尺寸模型的智能水平，并比肩更大尺寸旗舰模型的效果，大幅提升了在各类产品和生产力任务中的实用价值。”
我翻译一下这句话。腾讯认为 Hy3 的价值在于，相比同等尺寸（即中小规模）的模型，它的表现更好。而且，由于它的参数相对少，所以运算量小、成本更低、速度更快，因此具有更大的使用价值。
为了验证这句话是否属实，我选了两个跟它规模相近的国产模型，与它进行对比：GLM 5.1 和 DeepSeek 4 Flash。
从参数数量看，GLM 5.1 的计算量最大，混元 Hy3 其次，最后是 DeepSeek 4 Flash。
我的实际测试感受也是如此，DeepSeek 4 Flash 速度最快，混元 Hy3 其次，GLM 5.1 最慢。
由此可见，混元 Hy3 的设计思路不是追求最强的性能，而是追求性能和成本/运算速度的平衡，成为一个性能不错、成本较低、速度较快的、可以日常主力使用的模型。
下面就是我做的五轮测试，可以先说结论，混元 Hy3 的表现令人刮目相看，完全看不出它是一个中小规模的模型。
三、BridgeBench 测试集
我的测试题主要来自 BridgeBench 测试集[3]，它是目前最热门的测试基准，号称“全球排名第一的氛围编程测试基准”。
它一共170余道题，专门测试模型的代码能力。
它的运行方法和评分方法，都没有公开，但是部分测试题[4]是公开的。我选择了一些题目，上面三个模型都跑一下，看谁的表现最好。
不过，这些题目都相对复杂，跑起来太费时间，有时一道题要跑一个小时。所以，前面两轮简单测试，我就用自己收集的测试题[5]了。
另外，以下所有测试都是在 WorkBuddy 里面完成的。我只是切换模型和工作目录，其他条件都保持不变。
四、网页 UI 测试
第一个测试最简单，先看一下模型生成网页 UI 能力，要求重构网页，使其成为美观有效的商务网站入口页（提示词[6]）。
混元 Hy3
GLM 5.1
DeepSeek 4 Flash
显然，这三个模型的表现都很好，我觉得分不出差距。
对于大模型来说，生成网页 UI 应该算已经解决的问题了，已经不足以考验模型能力了，以后大概不用再测了。这里就是向大家展示一下，模型生成的网页样式和美感。
唯一可挑剔的，就是它们明显都用了 Tailwind 的模版或技能，导致看上去很雷同，没有个性。幸好生成的是商务网站，如果是个人网站，就太乏味了。
五、网页 2D 游戏《愤怒的小鸟》
第二个测试是生成网页版的《愤怒的小鸟》（提示词[7]）。这个测试其实难度很大，尤其是小鸟的飞行和碰撞效果。
混元 Hy3
这是我测过的最佳结果之一，页面跟原始 UI 很接近，游戏完全可玩，小鸟的飞行和碰撞效果逼真，小鸟落在地面上会反弹，砖块被碰撞后会消失。
GLM 5.1
这个结果也还可以，虽然 UI 跟原始游戏有差距（没有出现小猪），但是小鸟的飞行效果做得很好，尤其是玻璃碰撞后的粉碎效果很漂亮。
DeepSeek 4 Flash
这个结果也是可玩的，但是明显比其他两个模型逊色，无论是 UI 还是游戏的动画效果。
至于混元 Hy3 和 GLM 5.1 的比较，我个人感觉，前者更好一些，还原了原作，还原度更高。
六、2D 台球游戏
这个测试要求使用 Python 语言，生成一个 2D 的台球游戏（提示词[8]）。
测试要求是只使用 pygame-ce 和 numpy 这两个软件包，前者负责处理游戏窗口，后者负责处理台球碰撞的数学计算。
混元 Hy3
这个结果出乎意料的好，画面精美，游戏完全是可玩的，碰撞效果逼真，可以逐一将球打落袋。
GLM 5.1
这个结果完全失败，台球就是黑色方块里面一个平面的圆，甚至方块的四角都没有去除。
而且，这个游戏不可玩，无论我怎么尝试，始终无法用球杆将白球击出。
DeepSeek 4 Flash
这个结果还可以，也是可玩的。但是，开球方式不对，是横过来开球，而且很难操作，需要鼠标来瞄准，然后用 Space 键击出（鼠标左键无效）。
显然，这一轮的赢家是混元 Hy3。
七、3D 鹈鹕骑自行车
这个测试要求使用 GLSL 着色器语言，生成 3D 的“鹈鹕骑自行车”场景（提示词[9]）。
模型生成的将是一个 GLSL 脚本，把它贴到 shardtoy.com[10] 进行在线编译就能看到渲染结果。
混元 Hy3
GLM 5.1
DeepSeek 4 Flash
这一轮，三个模型的生成结果，都不算很理想。混元 Hy3 相对还好一点，但是自行车更像平衡车，由于提示词是英语 Bicycle，我不知道这个词是否还包括两轮的平衡车，否则就很难解释这种形状。
GLM 5.1 的自行车就更奇怪了，轮子成了水平的转盘，这是水上自行车吗？至于 DeepSeek 4 Flash，完全没有生成鹈鹕。
八、大型 3D 网页游戏
最后是最难的测试，要求模型生成大型的复杂网页游戏。
我先测了生成《MineCraft》，要求所有代码包含在单个的 HTML 文件（提示词[11]）。
混元 Hy3
虽然画面比较简陋和残缺，但是游戏要素是完整的，你看得出来这是 MineCraft，一个开放的动态世界，可以无限漫游，使用 wasd 这四个键进行移动。
你甚至可以砍树收集材料。
相比之下，其他两个模型的生成结果，就有点惨不忍睹。
GLM 5.1
DeepSeek 4 Flash
虽然都很糟糕，GLM 5.1 生成的至少还是一个 3D 世界，可以四处移动，DeepSeek 4 Flash 生成的就是一个黑屏，什么也没有，也无法操作。
我怀疑是不是测试过程有问题，于是又测了生成 3D 开放世界《罪恶城市》（提示词[12]）。
混元 Hy3
我觉得这个城市的视觉效果还不错，可以第一人称视角无限漫游，右上角还有实时地图。
另外，路上还有行人，你可以按键发射子弹，同时听到音效。
GLM 5.1
DeepSeek 4 Flash
GLM 5.1 直接黑屏，DeepSeek 4 Flash 能运行，但画面一点看不出是个城市。可以确认了，这两个模型在 3D 网页游戏方面的能力比较弱。
九、总结
经过这些测试，混元 Hy3 的表现让人眼前一亮，简单的任务不成问题，复杂的任务也能生成可以接受的结果。
它（300B 模型）的表现明显好于 DeepSeek 4 Flash，很多时候也好于参数数量远大于它的 GLM 5.1（750B 模型），至少不比它差。
考虑到 Hy3 尺寸更小，运行速度占优势，而成本也低，它的 API 定价是百万 Token 输入/输出为 1元/4元，确实是一个性价比很突出的模型。
它以小模型的价格，却有着越级的表现，各方面比较均衡，完全可以作为日常主力的编程/Agent 模型使用。
而且，现在通过 WorkBuddy[13] 使用 Hy3 是免费的，我认为完全值得大家去试试这个模型。
（完）
References
[1] Hy3-preview:https://www.tencent.com/zh-cn/articles/2202320.html[2]WorkBuddy:https://www.codebuddy.cn/work/[3]BridgeBench 测试集:https://www.bridgebench.ai/[4]部分测试题:https://www.bridgebench.ai/test-prompts[5]自己收集的测试题:https://github.com/ruanyf/ai-test-case[6]提示词:https://github.com/ruanyf/ai-test-case#case01[7]提示词:https://github.com/ruanyf/ai-test-case#case03[8]提示词:https://www.bridgebench.ai/prompts/c4541e6f-be24-4b0b-ad5e-9ae5b8cfc1b7[9]提示词:https://www.bridgebench.ai/prompts/64269eb6-6691-4d05-9489-91fb7f4ddf08[10]shardtoy.com:https://www.shadertoy.com/[11]提示词:https://www.bridgebench.ai/prompts/e3aca9dc-5d6d-4002-ab9c-76267f9689b2[12]提示词:https://www.bridgebench.ai/prompts/709d9a91-7406-4240-8b23-ef4a456c385c[13]WorkBuddy: https://www.codebuddy.cn/work/