继 4 月底发布 Hy3 preview 后，腾讯混元模型 Hy3 终于在今天正式上线！
还直接给了两周的免费时长，所有人可以在 WorkBuddy 中随意使用：
这消息对最近的我来说，来得还有点点及时……
因为我前阵子一直想搞个智谱 GLM 5.2 的 Coding Plan，用来跑些 claude -p 的体力活任务。但 GLM 5.2 是真的难抢，后来我好不容易搞到了个号，结果……高峰期还是会经常爆 429，我还得再给它找个 backup 兜底（为保障稳定性，我是真的有个 fallback chain）
正好混元的新模型上来就是两周免费，看完我各家的巨额 token 账单后，我真是觉得是时候把薅羊毛这事认真搞搞了。。
模型信息
在薅 Hy3 这把羊毛前，我们先来看下模型的情况：
Hy3 是一个快慢思考融合的 MoE 模型，总参数 295B、激活 21B，上下文 256K，官方声称主打 Coding 和 Agent 场景。
官方基准上，Hy3 的 Coding 和 DeepSeek V4 Pro、Seed2.1 Pro 打得有来有回，而 Agent 类任务（浏览、MCP、Skills）在国产模型中实现领先，好几项都只差 Claude Opus 4.8 一个身位，甚至个别项还反超了。
价格方面，输入输出每百万 tokens 的价格分别为 1 元和 4 元，命中缓存的输入为部分则是 0.25 元。这个性能和价格，如果我没算错，应该属于最强性价比了：
案例速览
官方给出的几个案例里，我们先挑两个来看下。
第一个是用 Hy3 做的核聚变能源引擎的概念的宣传网页：
再一个，是使用摄像头通过手势交互控制图片粒子融解重组的案例：
还有些其他的，可以到这里来查看更多案例和模型细节：
https://hy.tencent.com/research/hy3
当然，官方的案例和官方的声称毕竟是官方的
，真实水平如何还得我自己测了才行。于是我用 Hy3 跑了些测试，甚至还让 Claude Code 当裁判，拉它和 GLM 模型进行了一场 PK（胆大如我依然敢用 cc）。
03
WorkBuddy
首先是在哪里测。
我最近在用 Codex 和 cc 时，已经有超过一半是在 GUI 而非 TUI 的终端了。之前总觉得 TUI 是真好用，但用着用着，就会自己给 TUI 做各种小的 UI 改进和美化，把 TUI 做成了 GUI 去了……
所以我们还是得承认一个事实：GUI 还是比 TUI 要好用不少。
文件查看、页面加载、元素选取、和 AI 进行交互式反馈，等等，这类需要人来用的工具，还是得 GUI，效率才会更高。
我现在一般都推荐使用 Codex（Claude Code 还是先缓缓吧，太 了），但这个对许多没基础的人来说，确实成本还是有些高……后来我才发现，是对面 Windows 电脑的微软应用商店里压根没有 Codex……
最后我想了一下，告诉他：「要不你还是用 WorkBuddy 吧。」
WorkBuddy 是腾讯自家的桌面 AI Agent（GUI 的，开箱即用），对非程序员是真的友好。而且我了解到，腾讯内部本来就在推进混元和 WorkBuddy 的 Co-Design。
并且，更重要的是，作为腾讯内部队友，WorkBuddy 也第一时间完成了 Hy3 模型的首发接入，并限时两周免费体验（前面有介绍）。
那这次 Hy3 的测试使用，自然我想就得先用腾讯自家的 Harness 来实测。
04
制作 PPT 之，西方美术史
打开 WorkBuddy 后，默认选中的就是「日常办公」。
而正好，我最近想要把公众号的排版，再参考参考西方美术史（东方的已经参考过了），再打磨提升一下。
于是我以口喷形式给 WorkBuddy 下达任务：
“ 给我做份 PPT，把西方美术史的典型绘画风格收集起来，一种风格一页，配上代表画作。
但其实，我预期并不算太高……这事 Codex 之前给我干过一次，虽然不算一塌糊涂，但确实质量一般。
而 WorkBuddy 这边，Hy3 上来便开始写了个脚本，去搜索和下载名画图片，整理各流派的年代、代表画家和风格特征：
过程倒是非常地，有模有样。
许久之后……它给我生成了一份 PPT：
这份成品 PPT 是一份 23 页的《西方美术史 20 种典型绘画风格》，从文艺复兴一路排到波普艺术。
怎么讲，这个 case 可以说还真是让我有点点小惊艳……（你可以自己试下这个任务作为对比）
我甚至一度觉得：诶，它的审美好像还不错？
而且它是真的快。
快到我一度怀疑：是用的人还少呢，还是腾讯的卡其实有很多？
不过有点抽象的是……这里有个小惊喜：
05
代码开发之，吉他必备工具
WorkBuddy 日常办公的右边一格，叫做：代码开发。
有玩过吉他的朋友应该都知道，调音器和节拍器基本是人手必备的两件工具。作为曾经拥有过 20+ 把吉他的入门级爱好者，我就想，要不让 Hy3 给我做一个 macOS 原生的吉他调音器 App 吧（我显然没有绝对音高）。
但这个活对它来说，似乎是有点太容易了……几下就搞完了，而且做得确实还可以：功能麦克风实时取音、音分偏差表盘、六根弦自动识别，全都有且能用来调音；UI 上不说惊艳，但也算是拿得出手，丝毫不丑了（话好像说得有点早）。
但美中不足的是，App 没有图标，所以我让它给画上一个：
第一版 icon 出来，我沉默了……
我也是很有耐心，提要求让它给我改：
改到第三次时，总算是不错了，比如在 Alfred 里召唤时也长得比较和谐：
看它这么轻松，我想要不就再多来点活：把节拍器也给我搞上一个：
做出来后，我又让它再优化一下摆针动画的流畅度。
结果改着改着，App 直接给我干崩了……
好在我把崩溃的消息丢给它后，Hy3 自己翻一通崩溃日志、解析 crash report，最后定位到是节拍器的 AVAudioEngine 在连接节点时抛了个不可捕获的 NSException，然后说一共有三个问题：连接格式不兼容、初始化时机不对、没有延迟加载。
然后，逐个修掉。
修完之后，节拍器就稳稳地跑起来了，摆针也顺滑了：
调音器加节拍器的完整版，长这样：
这个 case 跑下来，Hy3 给我的感受是：Coding 能力基本在线，完全可以作为 GPT / Claude 的储备模型使用。对于崩溃类的异常排查，它也能自己查日志自己修好。
稍微遗憾的是，它并没有直接进行自我检测和验收，崩溃了得等我反馈而不是它自己发现自己解决。（当然，也与我指令里没多说一下要自行验收有关）
06
Fable 5 舆情分析
我还测试了些其他我的日常任务。
最近讨论度最高的模型可以说非 Fable 5 莫属了。我便让 WorkBuddy 帮我把过去 24 小时关于 Fable 5 的讨论全找出来，做一份舆情总结。
这个任务对基本功的考验在于：有着数千条推文（我日常有在持续的采集），模型需要去重、分类、按主题归纳。
它从全量贴子里扫出来了 947 条相关推文，去重后按 7 个类别做了结构化总结，每条观点都带着作者、粉丝数和原文出处：
整个过程里的各种 bash 命令、文件读写也都没出什么岔子。感受上这类后台跑的活，可以放心交给它（我在用 claude -p 进行各种运维）。
07
正面对决
单独测感受还行，要不……拉个对手来正面比一场？
对手我本来是想选 GLM-5.2 的，但我测试的时候它正好一直 429 了……（智谱这个模型确实是有点太受欢迎了，想稳定用上还是需要一点点运气，果然和 Claude 的使用难度有点像）
那就退一步，用 GLM-5.1（走的 OpenRouter 调用—— Claude Code 特意给的方案）。
而这场对决的裁判，我请的是 Claude Code：使用同一套环境、逐字相同的 prompt，两个模型在完全隔离的目录里各干一遍，全程无人工干预。跑完之后，裁判再逐项独立复核：重跑代码、重跑测试、重算数据，不采信模型自评。
四个 case 全部来自我自己的真实使用场景，不太学术和严谨，但是几个比较符合我日常的真实使用场景：bug 修复、从零写代码、数据分析、可视化。
结果是，四个任务两家全部达标，但细看还是有些差异：
• 抓 bug：一段异步连接池里埋了一堆隐蔽的并发 bug，Hy3 找到 5 个，GLM-5.1 找到 4 个，各自实测跑 3 遍全部通过，是真修好了。Hy3 还额外点出了两个最隐蔽的坑（错误路径泄漏和非重入锁死锁）；
• 从零写限流器：两家测试全部通过，Hy3 写了 528 行代码配 25 个测试，GLM 是 333 行配 21 个，架构完整度都到了生产级；
• 数据分析：54 天的流量数据，两家的数字都是拿 Python 实算出来的，核心结论一致。GLM 的报告多一层因果拆解，Hy3 则更聚焦；
• 可视化仪表盘：同为 6 图 + 6 卡，水准相当。
比如抓 bug 的 case，裁判 cc 的点评是：
仪表盘的 case 我直接把截图贴上来，这是 Hy3 的：
这是 GLM-5.1 的：
Claude Code 还给出了一个很细节的观察：两家总耗时几乎一样（都是 14 分钟出头），但 Hy3 用了 83 轮交互，GLM 只用了 35 轮。Hy3 是小步快跑、边干边验证，GLM 则是先想一大段再动手，两条路子，殊途同归。
最后，裁判 Claude Code 给出的总结论是：Hy3 能力过关，两个纯代码任务在细节上还略胜一筹；整体与 GLM-5.1 不相上下，基本追平，直接替换完全没有问题。
08
自动化
说到 WorkBuddy，我最喜欢的是它的自动化玩法，类似我之前会在电脑上加的一堆 crontab。
这里请容我再次介绍一下本账号 AGI Hunt 的同名网站
可以说 AI 资讯收集再交给 AI 整理这事，我要说自己是第二个，那大概没人会好意思说自己是第一个……
而这个周末，我刚用 Fable 5 给网站做了一把视觉暴力大改版，还顺手加了个获取资讯的 Skill 接口，可以按频道抓取自己感兴趣的内容。 而 WorkBuddy 是支持 Skill 创建的，于是我便让它把我自己的网站的 Skill 给接一下：
“ 请帮我接入 AGI HUNT 实时 AI 资讯:阅读 https://agihunt.info/agent/v1/skill.md 并按其中的说明完成安装与授权。
一句话丢过去后，WorkBuddy 自己读取了我网站的 skill.md，安装、授权、校验，一条龙全办完了：
我网站上有个内容频道叫做 Fun 频道，专用于收集 AI 相关的各种段子、翻车和名场面：
所以接上之后我先手动试了一把，让它挑几条今天的段子，用来活跃下社群气氛：
效果还行……于是我再进一步，让它给我配个定时任务：每小时整点自动跑一遍 Fun 频道的新段子：
有意思的，Hy3 把任务取名为「AGI Hunt 整点段子」，也是一语双关了……
于是，每个小时它都会先过滤掉已经发过的，再挑几条新的段子出来给我，每条都带着原帖链接。下面是跑了一天之后，我任务列表的样子：
也算是让 AI 给我多增加了点与 AI 有关的快乐源泉了……
当然，除了 Skill，还可以在 WorkBuddy 里创建专家和连接器，能够更好的连接外部应用和数据，来进行各领域的专业工作。
09
总结：这羊毛得薅
最后，我再来总结一下模型的特点：
Coding 和 Agent 过关，不输于 GLM-5.1。这也是本次模型更新的重点，常规任务上甚至和国外御两家相比也不太难感到明显的差异。
审美不错，但不太稳定。PPT 让我有些惊艳，但从 icon 的设计能看到，还是需要在 prompt 上多下点功夫，才能把效果拉上来。
上下文 256K，够用但略短。虽然，1M 的模型在超过 200K 后智商其实也就这样了：
而我对 Hy3 最大的期待是：多模态要早点上线。
没有多模态，我许多闭环任务的 verify 都要打折扣了，因为它没法自己截图看一眼效果对不对。好在据说多模态快上了，值得期待。
总体来说，相比最强模型，混元 Hy3 还是有些差距的。但日常使用上，我的判断是： 99% 的人的 99% 的任务都已经够用了。
毕竟即便是个博士，也不会每句话都是博士级水平……
Hy3 在线的 Coding 能力可以让任何人随手就能搓出想要的工具和软件，而稳健的 Agent 能力则可以帮助用户完全几乎所有电脑操作，而且速度还特别快（至少目前是）。
再结合腾讯自家的 WorkBuddy，和腾讯自家的全民级产品和用户量，我甚至觉得，WorkBuddy + Hy3，将会成为一款国民级的 Agent 工具。
不过，国不国民那是腾讯的事，对我们来说要做的是：
这两周的羊毛，必须得先薅为敬！
◇ ◆ ◇