腾讯Hy3开源盲评：三道题对照GLM-5.2与DeepSeek-V4-Pro，谁更实用？

腾讯开源旗舰模型 Hy3：从“刷榜”到“实战”的务实转向

过去一年，大模型领域的竞争焦点已从公开榜单上的分数博弈，转向了真实任务解决能力与性价比。在这一背景下，腾讯混元团队负责人姚顺雨带领团队调整方向，于 2026年7月6日开源了新一代旗舰模型 Hy3 (Hunyuan 3)。

一、核心定位：极致性价比与高可靠性

Hy3 采用 MoE（混合专家）架构，总参数 295B，但单次推理仅激活 21B（仅为同赛道 GLM-5.2 的一半）。这种设计带来了显著的算力与成本优势：

• 成本极低： 定价为输入 1 元、输出 4 元/百万 token。官方理念是“以 Claude Opus 约 1% 的价格，解决 90% 的日常问题”。
• 可靠性强： 官方宣称幻觉率减半（12.5% → 5.4%），跨框架方差小于 4%，Tool-call 稳定。
• 生态绑定： 接入腾讯自家 WorkBuddy 后，任务成功率从 72% 跃升至 90%。

二、盲评实测结果

本次测评利用 OpenRouter 接入裸模型，由 Claude Opus 4.8 进行盲评，三道测试题覆盖了长程执行、规划与上下文理解：

1. 3D 跑酷游戏开发（长程执行）： DeepSeek-V4-Pro 略胜一筹（0.91分），Hy3 紧随其后（0.88分），GLM-5.2 差距明显（0.66分）。Hy3 虽然上限高，但在多次运行的一致性上仍有波动，第三方平台接入时稳定性不足。
2. 多约束项目规划（指令遵循）： 三家模型表现接近（Hy3 0.893，DeepSeek 0.919，GLM 0.936）。主要差距在于对隐藏资源冲突的识别，DeepSeek 表现最为敏锐。
3. 财报深研（上下文与工具使用）： Hy3 全场最佳（0.903分），在长文本理解与综合方面占据绝对优势。不过，三家的联网工具使用能力均存在短板（得分仅在 0.8 左右）。

三、结论与建议

Hy3 的核心特征可以概括为：
* 优势： 综合能力均衡无短板，长文本处理能力强，激活参数少成本低，Apache 2.0 协议可自由商用。
* 边界： 缺乏单项顶尖能力，深度自主 Agent 任务表现不够稳定，通过第三方平台（如 OpenRouter）接入时稳定性较差。

适用场景推荐：
* 对成本敏感且需要处理大量上下文的文档分析场景。
* 需要开源自部署、不受许可证限制的企业级应用。
* 在腾讯生态（WorkBuddy、元宝等）内使用，能获得更稳定的体验。

---

注：本文基于您提供的测评文章整理，实际表现可能因具体应用场景和版本更新而有所差异。