当李冰冰、宋慧乔、苏菲玛索有数同框 ，我才彻底明确 ，什么叫相由心生
编者按：本文为 Hy3 preview 评测 ，评测情形为 WorkBuddy ，评测内容基于真实使命执行效果 。本次共测试三个场景：事实审计员、文档可视化、深度研究 。Hy3 preview 终于来了 。刚刚 ，腾讯混元宣布宣布 Hy3 preview ，Hy3 preview 宣布前的几个小时 ，混元还悄悄换了一个新 Logo 。关于一个强调 " 重新出发 " 的团队来说 ，这个细节也不算意外 。" 帮我查一下最近三个月 AI 领域的高管变换 ，比照 5 个差别配景的信源 ，列出已知事实和矛盾点 ，给出信度评分 。"凭证腾讯内部对 Hy3 preview 的功效定位——多办法、多信源、需自主妄想 ，笔者自设了这样一句测试指令 。模子在约 7 分钟内完成了多轮搜索、信息交织验证和结构化输出 。这只是其中一个典范场景 。笔者本次共测试了三个场景 ，划分是多信源核验、文档可视化、深度研究三个维度 ，从差别切面评估这款产品在知识事情场景中的适用性和界线 。配景与产品剖析2025 年以来 ，中国大模子厂商的叙事泛起了一次整体转向 。头部厂商相继从 " 对标 GPT-4"" 刷新基准测试榜单 " 的军备竞赛 ，转向 " 在真实营业场景中跑通 "" 降低单位使命本钱 " 的务实路径 。腾讯混元团队在这一配景下 ，选择了一个明确的产品定位：不追参数第一 ，聚焦适用性和性价比 �；煸哦咏诙啻翁峒� " 下半场 " 看法 ，首席 AI 科学家姚顺雨曾体现："AI 生长的上半场 ，焦点是训练大于评估；下半场 ，评估大于训练 。" 姚顺雨以为 ，上半场的竞争在于谁能把模子训练得更大、更强 ，成为顶级的 " 做题家 "；而下半场的竞争在于谁能让模子在真实营业场景、真实系统中经得起磨练 ，成为真正的 " 上下文学习者 " ——纵然用户给足了信息 ，模子依然需要具备从中学习并应用的能力 。在 Hy3 preview 宣布时 ，姚顺雨进一步体现："Hy3 preview 是混元大模子重修的第一步 。我们希望通过这次开源和宣布 ，获得来自开源社区和用户的真实反响 ，资助我们提升 Hy3 正式版的适用性 。"这一理念直接指向了目今大模子落地的焦点痛点：不是模子不敷强 ，而是强在 " 影象 "、弱在 " 应用 " 。本次腾讯宣布的 Hy3 preview ，正是混元团队在这一理念下推出的第一个版本——腾讯混元在团队、架构、基础设施重新整合后的产品 。凭证官方披露 ，2026 年 2 月 ，腾讯混元重修了预训练和强化学习的基础设施 ，并确立了模子追求适用性的三个原则：其一 ，能力系统化 ，不推许 " 偏科 " ，纵然是代码智能体的简单应用 ，也涉及推理、长文、指令、对话、代码、工具等多种能力的深度协同；其二 ，评测真实性 ，自动跳出易被 " 刷榜 " 的果真榜单 ，通过自建问题、最新考试、人工评测、产品众测等多种方法评估模子的 " 真实战斗力 "；其三 ，性价比追求 ，深度协同模子架构和推理框架的设计 ，大幅降低使命本钱 ，让智能 " 用得起、用得好 " 。凭证官方披露的信息 ，Hy3 preview 的焦点参数如下：295B 总参 /21B 激活参数的组合 ，意味着 Hy3 preview 处于 " 中型模子 " 区间 。相比千亿参数以上的超大模子 ，这一尺寸在安排本钱和推理效率上具备显着优势 。MoE（Mixture of Experts）的焦点逻辑是 " 按需激活 " ——每次推理只挪用部分专家网络 。这一设计可以实现 " 参数目大但推理本钱可控 " 的效果 ，切合 " 适用性 " 和 " 性价比 " 的定位 。Hy3 preview 声称实现了快慢思索的融合 ，即在简朴使命上快速响应 ，在重大使命上启动深度推理 。256K（约 25 万 Token）的上下文窗口 ，在同尺寸模子中处于较高水平 。官方将其定位为 " 混元迄今最智能的模子 " ，Hy3 preview 于 4 月 23 日正式宣布并同步开源 ，在重大推理、指令遵照、上下文学习、代码、智能体等能力及推理性能上实现了大幅提升 。实考试证本次评测选取三个典范场景 ，事实审计员、文档可视化和深度研究 。事实审计员使命类型：多信源交织核验测试指令：调研关于 " 最近三个月 AI 领域高管变换 " 的听说 ，比照至少 5 个差别配景的权威信源 ，列出已知事实和逻辑冲突点 ，并给出信度评分 。执行效果：执行耗时：约 7 分钟信源笼罩：CNBC（权威财经）、WIRED（科技深度）、The Verge（科技媒体）、钛媒体等（中文科技财经）、Mint（国际科技）评测维度评分：实测发明的主要事务：1. ?OpenAI 高管去职潮（高信度）：Kevin Weil、Bill Peebles、Srinivas Narayanan 三人于 4 月中旬同日去职 ，Sora 关停 ，Prism 项目终止并入 Codex2. ?xAI 首创人整体去职（中等信度）：2026 年 2-3 月 ，11 位团结首创人所有去职3. ?理想汽车高管变换（中等信度）：郎咸朋于 2026 年 2 月 14 日去职4. ?苹果 CEO 更替（待验证）：约翰 · 特纳斯接替库克 ，英文主流媒体未普遍报道 ，信源可靠性存疑结论：模子在多信源检索和结构化输出方面体现稳固 ，但在信息交织验证时保存 " 收得多、核得少 " 的倾向——对可疑信息（如 " 苹果 CEO 更替 " 缺乏英文信源佐证）未能自动标注危害 。但同时也未能识别苹果 CEO 更替这一信息现实上可信度较高 ，该信息苹果官网已经举行了官宣 。这一能力短板在严肃的事实核查场景中需要关注 。文档可视化使命类型：财报 PDF 转动态仪表盘将附件的腾讯 2025 年年度财务报告 PDF 转化为一个深色主题 HTML 动态仪表盘 ，详细要求如下：焦点约束：严酷基于年报原文数据 ，榨取引入任何外部信息如年报中未提及某项数据 ，明确标注 " 年报未披露 " 而非虚构所有数字以年报为准 ，不举行二次盘算数据剖析要求：提取近三年焦点财务数据（营收 / 净利润 / 毛利率） ，做三年比照剖析主要营业板块的收入结构（按营业线拆分）标注要害财务指标的转变趋势（增添 / 下降 / 持平）视觉要求：深色主题 ，专业金融气概（参考彭博终端配色）数字入场动画：要害数据从 0 转动增添至现实值（数字脉动效果）交互效果：鼠标悬停要害指标时显示详细数据（决议舱扫描效果）包括数据泉源标注：每项数据标注对应年报页码输出要求：单 HTML 文件 ，内嵌 CSS 和 JavaScript响应式设计 ，适配 PC 端展示代码结构清晰 ，便于后续修改执行耗时：约 20 分钟输出效果：腾讯 2025 年年报 HTML 动态仪表盘效果截图（部分）：结论：AI 辅助财经内容生产正从 " 文本天生 " 向 " 数据可视化自动化 " 进阶 。该工具在数据处置惩罚、视觉泛起、交互设计三个层面的完成度已抵达可宣布至财经媒体报道的及格线 。推荐指数 4.5/5.0 �？捎呕颍喝瓯日帐菘墒踊狈� ，缺乏恒久趋势折线图；营业分部占比缺乏饼图或堆叠柱状图；移动端适配有待完善 。深度研究使命类型：工业研究报告天生以 "AI 训练本钱下降趋势及其对工业名堂的影响 " 为主题 ，举行深度研究剖析 ，输出结构化报告 ，要求笼罩本钱驱动因素、数据支持、工业名堂影响 ，投资机会与危害、未来趋势判断 ，区分事实陈述和看法剖析 ，对要害数据注明泉源 。执行耗时：约 5 分钟信源笼罩：共引用 6 个一手信源 ，包括 Stanford HAI 2025 报告、Epoch AI 研究论文 ( arXiv:2405.21015 ) 、央视新闻报道、中国信通院报告等报告规模：约 4500 字 ，包括 3 张数据表格、6 个主要章节、20+ 个细分论点报告地址：Tencent Cloud CodeBuddy结论：模子在深度研究的框架搭建、信源检索与标注、结构化输出上体现优异 ，能够天生切合专业标准的研究报告 。但在工业洞察的深度（如对中国 AI 芯片厂商的详细剖析）、危害提醒的周全性上仍有提升空间 。适用场景建议：? ? 快速搭建研究报告框架? ? 检索和整理果真信源? ? 天生结构化剖析报告??? 需审慎：详细投资标的推荐、未果真数据的推测、前瞻性判断（需人工复核）产品组合拳：模子 +Agent 框架凭证腾讯内部测试的果真反响 ，Hy3 preview 在以下四个纬度获得了相对起劲的评价：在海内大模子竞争名堂中 ，混元本次的定位可以归纳综合为："不做第一 ，但求好用 " 。从参数规�？� ，295B 总参 /21B 激活参数定位于中等尺寸区间 ，与 " 大杯 " 产品保存差别 ，但规�？刂拼戳烁玫耐评硇� 。从场景定位看 ，Coding 和 Agent 场景是明确的主打偏向 。这一选择与 Agent 经济的崛起趋势相吻合——当模子的价值越来越多地体现在 " 作为 Agent 的大脑 " 而非 " 直接回覆用户问题 " 时 ，响应速率、使命完成率、多办法稳固性 ，比纯粹的基准测试分数更主要 。从生态角度看 ，混元与 WorkBuddy 的团结组成了 " 模子 +Agent 框架 " 的组合 ，模子能力可以在真实营业场景中一连磨炼 ，场景反响可以一连反哺模子优化 。官方数据显示 ，在 CodeBuddy 与 WorkBuddy 产品上 ，Hy3 preview 首 token 延迟降低 54%、端到端时长降低 47%、乐成率提升至 99.99%+ 。现适用户情形中 ，已稳固驱动最长 495 步的重大 Agent 事情流 ，笼罩文档处置惩罚、数据剖析、知识检索、MCP 工具链编排等多样化办公场景 。整体推理效率提升 40% ，成内情比上一代模子大幅下降 。在商业化定价上 ，腾讯云 TokenHub 平台显示 ，Hy3 preview 输入价钱最低 1.2 元 / 百万 tokens ，输出价钱最低 4 元 / 百万 tokens ，并推出小我私家版最低 28 元 / 月的 Token Plan 套餐——这为评测稿此条件及的 " 性价比优势 " 提供了可量化的基准参照 。现在 ，Hy3 preview 已在腾讯云、元宝、ima、CodeBuddy、WorkBuddy、QQ、QQ 浏览器、腾讯文档、腾讯乐享等产品首发上线 ，微信公众号、清静精英、腾讯新闻等多个主线产品也在陆续接入 。Hy3 preview 的宣布 ，更像是一个信号 ，而非一个结论 。它标记着腾讯混元在履历团队重组、架构重构后 ，选择了一条更务实的路径——不再追逐榜单上的 " 第一 " ，而是追求现实场景中的 " 好用 " 。在本文测试未涉及到的性价比中 ，官方宣布的内部测试可作为参考：腾讯内部测试显示 ，腾讯文档 AI PPT 天生乐成率提升 20%、耗时缩短 20%；清静精英 AI NPC 角色饰演稳固性获得营业团队高度评价；QQ AI 助手数学推理体现提升尤为显着；元宝深度 Co-Design 后用户意图明确与内容质量周全提升 。上述数据为混元 " 性价比优势 " 提供了一定的内部佐证 ，但跨厂商的横向比照仍需在后续评测中进一步验证 。结语从更宏观的视角看 ，Hy3 preview 的泛起 ，是整个大模子行业转向的一个缩影 。已往两年 ，海内外的大模子竞争实质上是一场基础设施竞赛——谁能训得更大、算得更快、数据更多 ，谁就站在了排行榜的前线 。但这场竞赛正在迎来边际效益递减的节点：当 GPT-4 级别的能力已经 " 白菜化 " ，当推理本钱以每年数倍的速率下降 ，纯粹的参数军备竞赛最先失去意义 。下一个竞争维度 ，正在转向使命完成率、工具挪用稳固性、长程推理的可靠性——换句话说 ，是 " 能不可真正干活 " ，而不是 " 能不可在考卷上拿高分 " 。这恰恰是 Hy3 preview 所押注的偏向 。关于腾讯混元来说 ，这次重新出发面临的挑战不但是手艺层面的 。在竞争敌手已积累大宗真适用户反响的配景下 ，怎样快速积累高质量的使命数据、怎样在腾讯重大的营业生态中找到 " 模子磨炼 " 的最佳路径 ，将直接决议混元能否在下半场建设真正的差别化 。WorkBuddy 作为面向知识事情者