国内大模型竞争激烈，腾讯悄悄更新混元 Hy3-Preview
国内大模型的竞争最近十分激烈，几乎每隔一段时间就有新模型发布。腾讯今天悄悄给元宝更新了全新混元 Hy3-Preview 模型，号称是「底层推倒重来的第一作」。主导这次重建的是首席 AI 科学家姚顺雨，他是 ReAct 框架的提出者，也是元宝团队去年从学术界挖来的重量级人物。（图源：腾讯混元）
Hy3-Preview 跳出跑分竞赛，实测表现如何？
有意思的是，Hy3-Preview 刻意回避了跑分竞赛，提出 "评测真实性" 原则，改用自建题目和人工评测来衡量真实战斗力。官方强调了复杂推理、代码和智能体三个方向的重磅升级。那么，Hy3-Preview 在这三个部分的表现到底怎样呢？
Hy3 代码实测：速度快但结果不完美
这次实测围绕网页生成、游戏编写、交互建模和 SVG 动画四个方向展开。使用偏自然语言的提示词，从普通用户视角测试 Hy3-Preview 在无明确指引下的决策和执行能力。
在 SVG 星图动画设计中，Hy3-Preview 约 30 秒完成代码输出，速度快，但效果一般，流星效果未做出，拖拽交互有问题，星座只有两个。用同一段提示词测试 Codex，它几乎需要 5 分钟生成网页，没做流星特效，只做了粒子效果，但星座故事完整，有点击和拖拽效果。（图源：雷科技制图/由 Codex 制作）
在城市夜景 SVG 动画测试中，Hy3-Preview 做到了题目要求，建筑有层次，窗户随机亮灭，车灯流动，闪电有双闪效果，窗户亮灭细节处理细心。（图源：雷科技制图）
让元宝做模拟建造游戏，它做出了完整游戏框架，有经济系统、交通、噪音、绿化和随机事件。但在做经典 Roguelike 游戏时，忘记设计敌人，主角无法获得经验升级。（图源：雷科技制图）
在交互建模部分，要求做点击位置扩散水波纹的交互特效，Hy3-Preview 用像素级波纹叠加生成水波纹效果，三个控件可用，但波纹叠加干涉效果不明显。（图源：雷科技制图）
从代码测试来看，Hy3-Preview 在创意执行和界面呈现上可用，但任务难度大时，可能先搭框架再询问需求。速度快，但结果不够完美。
逻辑推理：被表面现象迷惑，也有稳定发挥
推理测试考的是模型能否 "想清楚"。给 Hy3-Preview 出了四道常识推理题，结果出乎意料，它在最 "聪明" 的题上答错，在最考验耐心的题上发挥稳定。
第一道题问一瓶水和一块冰放在密封保温箱 24 小时后水的变化，正确答案是不变，Hy3 回答水变多了，理由是冰升华、水蒸气凝结成液态水，但忽略了箱子密封，总量守恒。（图源：雷科技制图）
第二道题问根据邻居家情况能推断出的合理解释，Hy3 分层列出可能性，得出邻居还没起床的最可能结论，推断链条清晰。（图源：雷科技制图）
第三道题问餐厅把最贵菜放菜单第一页的原因，Hy3 答出 "价格锚定效应"，还补充说明放第一页影响更大，值得点赞。（图源：雷科技制图）
综合来看，Hy3 在常识推理上，需要慢慢思考的题易出错，需要展开说的题发挥稳定。它更擅长有条理地讲解问题，但判断关键条件时易被知识量拖累。不过，这次 Hy3-Preview 比之前多了点 "活人感"，能给予情绪安慰。（图源：雷科技制图）
Hy3 Preview：有惊喜也有遗憾
测完后有微妙对照感，Hy3 Preview 知道自己在做什么，但还未完全做到。创作和表达是其稳定部分，如城市夜景动画、水波纹实现思路、推理题分析和聊天回复都不错，适合聊天、写东西和创意类任务。
但硬任务表现不佳，物理逻辑错误，游戏只搭壳。不过在行业背景下，Hy3-Preview 是及格线以上的模型。
过去两年，国内大模型竞争围绕参数规模和榜单排名，虽建立了评判标准，但榜单与真实体验差距明显。腾讯提出不追公开榜单，用真实场景验证模型能力，代表了行业新的成熟度。
Hy3 Preview 的意义在于选择了更难但更对的路，从预训练到强化学习全部推倒重建。目前在表达和创意上够用，严格正确的任务还需时间。普通用户可拿它聊天、写东西、处理日常信息。腾讯称正式版和更大规模模型正在推进，摘掉 "Preview" 后缀后，或许能见识到混元真实实力。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
