评测背景近日腾讯混元 Hy3 正式版发布。根据官方信息Hy3 在保持较小参数规模和普惠价格定位的同时重点提升了推理、智能体和长上下文等能力。但对于实际选型来说模型是否值得使用不能只看厂商公布的升级方向也不能只看总榜排名。我们沿用晓天衡宇大语言模型榜单评测体系从 Agentic、Coding、General、Reasoning 四个一级维度以及 20 主流评测集对 Hy3 进行了完整评测。并重点回答三个问题Hy3 相比 Hy3-preview它的提升体现在哪些方面与 Qwen3.7-Plus、Kimi-K2.6、GLM-5 Turbo 等相邻模型相比Hy3 做出了怎样的能力取舍综合能力、速度、Token 消耗和成本来看哪些任务值得优先验证 Hy3榜单概览图中仅展示本文对比的部分模型欢迎访问晓天衡宇评测社区查看大语言模型7月榜单完整结果。核心结论结论一在成本和速度稳定的情况下重点补齐 Agentic 短板Hy3 以 60.04 分排在第 21 位相比第 31 位的 Hy3-preview领先 8.46 分跃升 10 位。能力上 Hy3 相对 Hy3-preview 提升最大的是 Agentic重点增强了信息检索与多步规划能力。编码和推理同步得到改善幻觉、记忆和长上下文也有稳定进步。这使得 Hy3 从单纯的回答问题进一步走向自主检索信息、规划步骤、调用工具执行任务。与此同时其推理速度、API 价格与 Token 消耗基本保持稳定能力提升并未影响效率。结论二更低成本获得相对突出的工具任务表现Hy3 不是同梯队模型中综合得分最高的但它在工具调度和幻觉控制这两个更贴近实际落地的能力上表现相对突出。同时Hy3 的 API 价格和推理成本也明显低于同梯队模型在需要密集调用模型的场景中性价比优势相对更明显。结论三更适合工具链固定的标准化任务极限能力场景仍有差距Hy3 的定位更偏向日常工作流中的稳定助手。它的优势在于能力、可靠性和成本之间的综合平衡。以下场景更适合优先考虑 Hy3预算敏感、调用频率高工具链和任务流程相对固定单次上下文长度可控以检索、工具交互、批量信息处理为主。如果任务更追求能力上限例如复杂数学推理、科研计算、高难度代码生成Hy3 仍有提升空间。评测体系本榜单基于智能体、代码、通用、推理四大能力维度进行综合评估基于加权分数计算模型的平均得分进行排序。其中智能体占比最高为 35%代码与推理各占 25%通用占 15%。深度解读Hy3 实用性体现在哪里从榜单位置来看Hy3 已经进入与 Kimi-K2.6、Qwen3.7-Plus 相近的竞争区间距离 2 个上位模型分差仅 1.4 分左右与后方的 GLM-5 Turbo 则拉开超过 2 分的差距。更值得关注的是得分背后的能力结构。下面我们直接对比五款模型在一级维度与二级维度上的得分情况来分析 Hy3 相比 Hy3-preview 提升了什么在相邻模型中做出了怎样的能力取舍。Agentic工具交互表现突出开放任务仍是短板Agentic 维度是 Hy3 的优势所在。它相对于 Hy3-preview 提升 12.91 分以 49.08 分排名第一领先第 2 名 Kimi-K2.647.711.37 分。该维度从主动调用信息、理解环境、规划步骤、完成交互任务来检验模型是否能够自己把事情做完。从能力结构看Hy3 的强项在于工具调度及信息检索它相对擅长执行既定流程自主规划则相对欠缺。而后者也是同一竞争区间模型共同面临的挑战。从二级维度看TAU3-Bench 是 Hy3 在本次比较中的核心优势。它以 82.4 分排在五模型第 1。这表明 Hy3 在该类工具交互任务中的完成表现相对更好。对于依赖工具调用和流程执行的业务这是一个积极信号。BrowseComp-ZH 是 Hy3 的另一优势它以 35.32 分排在模型第 2仅次于 GLM-5 Turbo40.8。这说明 Hy3 在该竞争区间内在结合外部知识完成任务方面表现较好在检索增强及搜索辅助等场景中具有一定优势。DeepPlanning 和 Seal-Hard 是 Hy3 的短板也是这组模型的共性短板DeepPlanning 上五模型差距不大Hy3 以 52.7 分排第 3略低于 GLM-5 Turbo 和 Kimi-K2.6。Seal-Hard 上所有模型得分均偏低均在 23–29 之间Hy3 排在中位与 Kimi-K2.628.8接近。这表明同一竞争区间模型在复杂开放环境中的自主规划、动态调整和闭环执行能力上整体都还不够成熟。Coding 工程辅助可用高难度代码任务有差距Hy3 在 Coding 维度得分 66.01五模型中排名第 4落后第 1 名 Qwen3.7-Plus68.532.52 分落后第 3 名 GLM-5 Turbo67.661.65 分领先最末的 Hy3-preview 59.046.97 分。从总分来看Hy3 在当前梯队中似乎并不占优但其 Coding 能力更适配哪些任务比单看总分更重要对于日常开发中的高频场景Hy3 已具备较强的辅助价值但它并不是面向高难算法、科研编程或复杂交互式编码任务的优势模型这类任务在此竞争区间内更适合交给 Qwen3.7-Plus 或 Kimi-K2.6。从二级维度看SWE-Multilingual 上Hy3 以 73.65 分排名第 2落后第 1 名 GLM-5 Turbo75.932.28 分领先 Qwen3.7-Plus72.51.15 分领先 Kimi-K2.666.147.5 分。这表明在多语言软件工程相关任务上Hy3 表现较优。在代码阅读、问题定位、工程修改等场景中可以认为它具备较好的辅助潜力。ClawEval 上Hy3 以 79.9 分排名第 2仅落后 Kimi-K2.680.30.4 分领先 Qwen3.7-Plus77.02.9 分。这表明 Hy3 在代码理解、问题识别、辅助审查类任务上表现相对较好。在更高难度的 Livecode-Bench 上 Hy3 短板明显以 80.76 分排名第 4较 Hy3-preview 提升了 8.66 分但与其他模型差距仍较大。如果核心需求是高复杂度的代码生成、算法开发、竞赛型编程等任务不适合优先考虑 Hy3。SciCode 上 Hy3 仅以 39.33 分排在最末甚至相对于 Hy3-preview42.8出现了少有退步。这组模型中Kimi-K2.6 得分最高表现相对更优。但该组模型最高分仅 53.5说明科研计算需求的解法在头部模型中而非此区间内。General幻觉控制相对突出指令遵循是最大短板Hy3 在 General 维度得分 61.33五模型中排名第 3落后第 1 名 Kimi-K2.664.232.9 分。相比总分排名值得关注的是 Hy3 在 General 维度内部呈现出更明显的能力分化一方面它在幻觉控制、记忆等能力上表现突出另一方面它在严格遵循复杂指令方面仍存在明显不足。从二级维度看幻觉控制是 Hy3 在 General 维度中表现最突出的一项以 54.6 分位列五模型第 1领先 GLM-5 Turbo53.850.75 分领先 Kimi-K2.649.754.85 分领先 Qwen3.7-Plus48.855.75 分。这项分数高表明 Hy3 在控制不确定信息生成方面呈现出相对更明显的可靠性。记忆上 Hy3 得分 71.65 同样位列五模型第 1这体现出 Hy3 在多轮对话中更能保持上下文一致性。在持续修改文档、连续任务协作等场景中这一能力倾向具有积极意义。指令遵循是 Hy3 在 General 维度中最明显的短板。Hy3 以 64.7 分排名五模型第 4。这意味着如果业务场景高度依赖精确执行复杂指令例如严格 JSON 输出、自动化流程编排等Hy3 的提升空间仍很大。长上下文能力上Hy3 处于梯队中后段。相对于 Hy3-preview 取得明显进展但在同组对比中不具备竞争优势。Reasoning整体达到可用水平复杂推理仍待提升Hy3 在 Reasoning 维度得分 68.64在五模型中排名第 3落后第 1 名 Qwen3.7-Plus73.434.79 分与第 2 名 Kimi-K2.672.28相差 3.64 分领先 GLM-5 Turbo65.603.04 分。在四大维度中Reasoning 并不是 Hy3 的优势项。它的推理能力结构可以概括为基础知识推理与部分专业推理达到可用水平但复杂计算、开放推理需增强。从二级维度看科学推理是 Hy3 在 Reasoning 维度中相对表现较好的能力。Hy3 得分 89.7排名五模型第 3与排在前面的模型差值相对较小。这说明在结合专业知识进行分析判断的任务中Hy3 已基本达到同一竞争区间水平。数学推理和逻辑推理上Hy3 与同梯队其他模型存在明显差距逻辑推理上Hy3 得分 70.43排名第 4落后 Qwen3.7-Plus 5.27 分落后 Kimi-K2.6 3.84 分数学推理上Hy3 得分 71.63同样排名第 4落后 Qwen3.7-Plus 9.27 分落后 Kimi-K2.6 5.44 分。在规则判断、复杂流程决策、数学计算、财务估算、工程计算等任务中Hy3 不是当前梯队内的更优选择。场景推理上 Hy3 同样没有形成明显优势。它得分 42.8排名第 3表明在复杂开放环境中的综合判断能力上Hy3 仍有提升空间。效率分析Hy3 为什么值得高频使用跨代来看Hy3 相对 Hy3-preview 在效率端基本持平推理速度仅慢 1 Token/SAPI 单价从 1.9 降至 1.8 RMB推理总成本从 1188 降至 1170 RMBToken 消耗微增 1M。能力补齐的同时效率指标并未出现明显退步。而另一个问题在同一竞争区间内的模型中Hy3 处于什么效率位置哪些任务下值得优先尝试它我们继续具体分析。推理速度差异速度不占优但可满足多数生产场景只看速度Hy3 在这组模型里优势并不算十分突出。它处在中上地带明显快于 Kimi-K2.6与 GLM-5 Turbo 接近。真正的速度领先者是 Qwen3.7-Plus。但结合能力效果可以看到 Hy3 的相对优势如果不追求极致响应更在意模型能不能稳定跑完工具调用任务、同时调用成本够低Hy3 的竞争力相对就更强。API 价格差异同梯队最低高频调用场景优势显著在这组模型里Hy3 的 API 价格优势尤为突出。仅 1.8 RMB属于明显低价带显著低于 GLM-5 Turbo、Kimi-K2.6 和 Qwen3.7-Plus比上一代 Hy3-preview 还略低。Hy3 的单价优势在调用量较大的任务中会更加明显例如企业内部 Copilot、知识库问答、批量内容处理、自动化工作流等场景。模型能力×Token 消耗差异消耗更多长任务或稀释单价优势图中仅展示本文对比的部分模型Hy3 的 Token 消耗为 26 MTokens 在本组模型中消耗最高是 GLM-5 Turbo 的 2 倍。结合能力表现来看其较高的 Token 投入换来了较均衡的 Agent 与通用能力但并未形成明显领先优势因此在 Token 利用效率上并不突出。这意味着Hy3 更适合 Token 增长相对可控的日常生产场景对于超长上下文、复杂多轮推理等任务还需综合评估 Token 开销带来的实际成本影响。模型能力×推理速度非最快也非最强能力与响应更均衡把能力和速度放在一起看Hy3 并不是这一组模型里速度和能力同时领先的选择。图中仅展示本文对比的部分模型Qwen3.7-Plus 在能力和速度上同时领先是这组模型中综合效率最高的选择。Kimi-K2.6 综合能力与 Qwen3.7-Plus 接近但速度明显更慢、成本也更高适合只追求综合能力上限的场景。Hy3 的位置相对更务实速度不抢第一但结合它在工具调度、幻觉控制上相对不错的表现和更低的 API 价格更适合需要兼顾可靠性和成本的场景。模型能力×推理成本综合性价比突出如果把模型能力和推理成本一起看Hy3 的性价比优势会更明显图中仅展示本文对比的部分模型Hy3 的推理成本在这组模型中是最低的仅 1170 RMB低于 Hy3-preview约为 Kimi-K2.6 和 GLM-5 Turbo 的三分之一。结合能力来看Hy3 并没有以最高成本追求单项能力领先而是在保持 Agentic 及 General 等核心能力可用的基础上将整体推理成本控制到最低。这使它更适合作为企业日常高频调用的模型选择在兼顾能力覆盖与成本控制的同时满足大多数生产场景需求。综合判断现在让我们再回到文章开始的三个问题Hy3 相比 Hy3-preview提升体现在哪些方面Hy3 补齐了信息检索和多步规划两项能力同时在编码、推理、幻觉控制及记忆层面得到改善。同时效率层面基本与 Hy3-preview 持平能力补足并未伴随明显的速度和效率代价。与相邻模型相比Hy3 做出了怎样的能力取舍Hy3 在工具交互和幻觉控制上得到横向对比中的最高分但推理深度、指令遵循和竞赛编码上存在明显差距。它的能力结构不是追求全面领先而是侧重先在工具任务可靠性上做深完成从对话工具到 Agent 的演进其他方向上提升至够用水平。综合能力、速度、Token 消耗和成本来看哪些任务值得优先考虑尝试 Hy3考虑到成本和能力可靠性之间的平衡调用频繁、流程标准化、上下文长度可控的任务可以优先考虑尝试 Hy3例如企业知识库问答、批量信息处理、工具链固定的自动化流程等。如果任务要求严格的格式输出、复杂数学推理、超长上下文或高难度算法编码Hy3 不是优先选项。同区间内可考虑比较 Qwen3.7-Plus 和 Kimi-K2.6或追求更具优势的头部模型。注本文结论基于晓天衡宇本期评测体系与样本反映模型在该评测框架下的相对表现不代表所有业务场景中的绝对优劣。实际选型仍建议结合具体任务、成本预算与业务验证结果综合判断。写在最后最新大语言模型评测榜单已同步上线至晓天衡宇•评测社区官网欢迎点击查看详细评测数据。