腾讯新模型Hy3调用激增WorkBuddy紧急扩容算力资源消耗达到峰值这款被冠以“姚顺雨腾讯首秀”的大模型到底有哪些能力边界的突破。AGI-Eval大模型评测社区在第一时间对Hy3正式版进行了多维度开箱实测覆盖复杂推理、代码生成、智能体Agent与长文本处理四大核心能力模块。一、行业现状大模型进入“下半场”当前大模型产业正处于从训练阶段向推理阶段过渡的时期。需求侧国内日均Token调用量持续增长供给侧推理成本控制成为行业关注重点。与此同时模型能力的竞争焦点也在发生变化从参数规模竞争转向实际场景中的应用效果。2026年AI Agent方向受到较多关注。在此背景下腾讯混元Hy3正式版上线。该模型采用MoE架构总参数295B激活参数21B支持256K上下文。目前Hy3已接入元宝、WorkBuddy、CodeBuddy、Marvis、ima等腾讯产品。二、模型开箱实测那么腾讯混元Hy3在实测中的表现究竟如何2.2.1 复杂推理能力我们设计了涵盖博弈论、应用数学和逻辑推理的三个高难度问题以测试模型的思维深度和严谨性。Case 1: 多轮博弈最优决策推理两人轮流取 1-5 颗棋子共 32 颗拿到最后一颗获胜先手采用最优策略写出完整操作步骤证明先手必胜。☞【AGI-Eval大模型评测】看原版实测视频Case 2: 线性规划与成本计算工厂采购甲乙两种原料3 份甲 5 份乙成本 410 元5 份甲 2 份乙成本 340 元。现生产产品每份消耗 2 甲 1 乙订单需求 1200 件原料采购单价上浮 15%求调整后总生产成本写出完整方程组与分步计算。☞【AGI-Eval大模型评测】看原版实测视频AGI-Eval 点评HY3 在处理这类需要严格步骤和逻辑链条的问题时展现了良好的解题框架能力。它能够准确建立数学模型如方程组并按步骤求解对逻辑约束的理解也基本到位。这表明其具备了处理复杂分析任务的基础但其稳定性及在更抽象、多层嵌套逻辑下的表现仍是评判顶尖模型能力的关键。2.2.2 代码生成能力代码是检验模型逻辑和工程能力的核心标准。我们从代码重构、安全和并发编程三个角度进行了测试。Case 1: Python 代码重构输入一份冗长、无注释、重复函数的 Python 数据清洗脚本要求完成模块化拆分、类型注解、日志封装、冗余逻辑删除、性能优化输出重构后完整代码 改造对比说明。☞【AGI-Eval大模型评测】看原版实测视频Case 2: 代码安全漏洞修复给出一段存在 SQL 注入、XSS 漏洞的 Python Flask 查询代码先逐行标注风险点再重写无漏洞可运行版本附安全加固说明。☞【AGI-Eval大模型评测】看原版实测视频AGI-Eval 点评代码生成是 HY3 的强项。生成的代码大体完成得很优雅代码简洁逻辑清晰符合现代软件工程规范。但在并发编程的边缘 case 处理上暴露出一些逻辑瑕疵例如中途取消任务时状态反馈不明确以及计数器更新时机不严谨这可能在生产环境中导致数据统计偏差。2.2.3 智能体 Agent 任务Agent 能力是衡量模型能否从“聊天机器人”进化为“行动助理”的关键。我们设计了覆盖信息检索、多步规划、分析总结等多个场景的任务。Case 3: 产品购买指南基于网络评测筛选 3 款便携咖啡机总结优缺点撰写购买指南。☞【AGI-Eval大模型评测】看原版实测视频Case 4: 市场调研分析师针对某款新饮品检索媒体、社媒、投诉平台信息总结评价基调、核心槽点和市场风险。☞【AGI-Eval大模型评测】看原版实测视频Case 5: 消费电子选购报告扮演分析师针对特定预算和人群完成真无线耳机的市场扫描、参数提取、口碑聚类、多维对比和决策建议报告。☞【AGI-Eval大模型评测】看原版实测视频AGI-Eval 点评在此项任务中HY3 展现了其出色的工具调用、Agent 编排和调度能力。模型似乎对这类任务进行了原生优化能够熟练地运用搜索工具并从冗余的检索信息中精准分辨出官方或高价值的内容。其背后体现的推理逻辑特别是在信息筛选和整合环节是其作为生产力工具的核心优势。2.2.4 长文本处理能力处理海量信息是衡量模型“智力”和“耐力”的标尺。我们测试了 HY3 在处理数万字文档时的摘要和检索能力。Case 1: 长文档摘要输入一份 2 万字的 PDF 年报要求提取核心财务指标。☞【AGI-Eval大模型评测】看原版实测视频Case 2: 长上下文检索输入多轮对话历史或长篇小说片段回答末尾的细节问题。AGI-Eval 点评HY3 的长文档处理和文字识别能力突出仅用 44 秒就处理完数万字的年报模型推理速度极快。然而其优势似乎更体现在对单一长文档的快速“消化”上。实测发现当面临需要跨多个文档进行信息检索和定位的复杂场景时模型由于上下文窗口的限制能力稍显不足这可能是其未来需要重点突破的方向。三、总结那么Hy3 到底处在什么位置它并没有想成为那个无所不能的模型而是更像一位术业有专攻的搭档。如果你的日常就是和代码、数据和自动化任务打交道它会是一个反应敏捷、干活利落的好帮手。但如果你面对的是极其深奥的数理推演或是需要模型同时阅读并理解一整书架的资料那些重量级选手依然是更稳妥的依靠。