文章总结： 腾讯hy3正式版在coding和agent任务上表现优秀，与更大参数模型相当；强调性价比，价格远低于DeepSeekv4Pro；通过多个case测试显示正式版在规划、交互细节、质感等方面优于preview；文章认为大模型竞争将分两条路线，hy3走性价比路线。建议用户尝试hy3正式版，尤其适合成本敏感场景。 综合评分： 86 文章分类： 产品介绍

---

看完 Hy3 的 Blog，我突然就理解了腾讯的思路。

原创

阿颖 阿颖

AI产品阿颖

2026年7月8日 11:26 北京

在小说阅读器读本章

去阅读

看来腾讯新发布的 Hy3 正式版，口碑还不错。我的感觉是，和之前的 Hy3 Preview 相比，这是一次大版本的升级。

如果之前用过 Preview 的话，我强烈建议大家再去跑一下正式版，体感差距非常明显。

这两天 Hy3 的 API 免费，Workbuddy 里也免费。

有一说一，腾讯这半年来，在 LLM 方面，追上来不少。

可能好多人没注意到，Hy3 的总参数只有 295B，一个中型规模的 MoE 模型。

但就是这样一个模型，在 Coding 和 Agent 任务上的表现，已经能够和 GLM5.1、DeepSeek V4 Pro 这些参数规模大它两到五倍的旗舰模型相提并论了。

按照 Scaling Law 的逻辑，模型能力和计算规模之间一直存在耦合关系。

所以，可以期待看看 Hy4 发布的时候，是不是腾讯就可以彻底回到国内的 Top3 行列了。

总体来讲，日常大部分 Coding 和知识工作任务，Hy3 已经不在话下。但整体仍然落后于 GPT 5.5、Opus 4.8 等等顶级闭源前沿大概半代的距离。

我觉得 Hy3 和 DeepSeek V4 Pro 的路线其实有点接近，除了追求模型能力上限之外，都非常重视实际使用中的性价比。

下面这句话，是那天官方公众号里的话。类似的表达，在开头和文末都有说。

我觉得这种强调本身就是 Hy 模型的核心思路，在能力、成本和实际可用性之间寻找一个更好的平衡。

下面这是 Hy3 和 DeepSeek V4 Pro 的价格。能看出来，在输入和输出这两项中，Hy3 比 V4 便宜很多。

我一直有一个判断：未来大模型竞争可能会走向两条不同的路线。

一条路线，是像现在一些闭源模型一样，优先追求智能上限，把模型能力做到极致，同时通过规模化和工程优化不断降低使用成本。

另一条路线，则是反过来，把效率和价格放在更重要的位置，在保证足够强能力的基础上，不断提升模型的智能水平。

我觉得这两条路线都有机会跑出来。

因为未来 AI 的需求本身就是分层的，有些场景需要最强的模型能力，比如复杂科研、复杂推理。但更多日常工作和 Agent 场景，用户更关心的是成本、速度和稳定性。

往四五线城市走，往非 IT 公司走，一个白领一个月可能也就四五千块钱的工资，让公司再掏 1000 块钱的 token 成本，很多老板根本接受不了。

但如果用 Hy 3 这样的模型，一个月最多 100 块钱就够了。这笔账就算得过来。

毕竟，很多知识工作者的场景，不一定非得用 GPT 5.5 或者 Opus 4.8 这样的模型。

其实我感觉，WorkBuddy 这半年能够悄悄突围，也正是击中了这个逻辑。改天有机会再细聊。

我和同事认真花了半天时间，完整测试了在日常的重要场景中，Hy3 正式版的表现。接下来我逐一分享下。

#01

Case 1：研究类的任务

初始提示词：

帮我研究下目前知网等论文检测网站查 AI 率的原理是什么？以及要降 AI 率，逻辑上应该怎么做？最后做成一个 PPT 和一个详细的 PDF。

我拿 Preview 和正式版分别跑了一遍。这个 Case 我主要看两件事：模型会不会先规划，以及规划之后会不会继续主动补充信息。

Hy3 Preview 的思考过程和预期差不多，先规划任务，然后开始搜索资料，再按部就班完成整个流程。

一次直出的 PPT 只有五页，内容过于粗糙了。

Hy3 正式版让我印象比较深的一点，它先把 PPT 的整体结构设计出来，再围绕每一页需要的信息进行二次检索。整个过程更像一个真正做研究的人。

更有意思的是，它还主动判断这个流程未来可能会重复使用，并自动沉淀成一个 Skill。这一步我完全没有要求。

最后 Skill 真的创建成功了。

最终生成的 PPT，无论内容完整度还是整体结构，都比 Preview 好了一截。

#02

Case 2：点赞组件

这个 Case 主要看前端组件生成能力。我的要求很具体，初始点赞数 128，点击后变红并加 1，再点取消，500ms 内重复点击无效。

从这个 Case 开始，就能更直观的感觉到 Hy3 Preview 和 Hy3 正式版思考过程的区别了。

我会发现 Hy3 Preview 每个任务都要展开深度思考，对于某些不需要深度思考的任务，这已经成为过度思考了。

一个点赞按钮，本身需求已经非常明确。如果模型还要花很长时间分析各种实现方案，其实就是一种额外开销。

最后功能实现倒是没有什么问题，按钮可以点击，也能完成红色状态和计数变化。

但整体的审美和交互就比较差，和我们往常见到的小红星按钮不一样。

Hy3 正式版明显果断很多。确认需求之后，几乎没有额外犹豫，直接开始生成 HTML。

最后还顺手把关键实现点整理出来。

生成的组件，无论视觉效果还是交互细节，都更符合现在常见产品里的点赞按钮。

#03

Case 3：搜索框组件

这个 Case 比点赞按钮复杂不少。

它开始涉及多个状态之间的切换，包括输入联想、300ms debounce、键盘上下选择、回车确认以及点击外部关闭，我想通过这个 Case 看看模型管理复杂交互状态的能力。

Hy3 Preview 的效果如下：

Hy3 正式版如下：

两个版本都能完成任务，但正式版整体效果更好，很多交互细节不需要再二次返工。

确实，写到这里，我感觉随着任务复杂度增加，正式版和 Preview 的差距开始变得更明显。

#04

Case 4：前端动画

这个 Case 主要测试模型对于复杂 CSS 动效的理解能力。

任务要求 sparkle 图标内部渐变沿形状流动，边框还有一段渐变光带沿圆角持续运动，同时两端需要自然淡出。

Hy3 Preview 的效果如下：

Hy3 正式版的效果如下：

如果只看功能，两者区别并不大。

真正拉开差距的是质感。 Hy3 正式版在光带速度、渐变过渡以及整体观感上更加自然，看起来更接近真实产品里的效果。

#05

Case 5：复杂的前端页面

这个 Case 主要看模型能不能把一组设计素材变成可运行的前端页面。

任务给了两份 PDF 素材，一张作为深海背景，一张作为隐藏图层。最终需要实现一个沉浸式交互页面，鼠标移动时像探照灯一样逐渐揭示珊瑚遗迹。

Hy3 Preview 的思路比较谨慎。它会不断比较不同技术方案，例如 React、Tailwind、Vite，以及不同 PDF 处理方式，花了不少时间做路线选择。

Hy3 正式版则明显更像一个真正的前端工程师。它先检查素材，发现输入的是 PDF，而不是图片。

接着自动把 PDF 渲染成高分辨率 PNG，再转换成网页适合使用的 JPG，同时分析两张图片的颜色、尺寸以及图层关系。

完成素材处理之后，再搭建 React + TypeScript + Tailwind 工程，并单独实现 RevealLayer 作为探照灯遮罩。最终效果如下：

#06

写在最后

全部测试完之后，我又回去认真看了一遍 Hy3 正式版的官方 Blog。

每次任何一家公司的新模型发布，我都会花时间认真看 Release Blog。因为 Release Blog 一定会清晰传递模型团队最在乎什么，以及他们这一阶段真正想解决的问题。

很多时候，看一个模型，不光要看 Benchmark，也要看团队自己最愿意花篇幅去讲什么。

那些反复出现的关键词，通常就是他们这段时间最重要的战略方向。

Hy3 的 Blog，和其他所有公司 Blog 最不同的地方就是模型和应用的 Co-design。

这让我又想起来姚顺雨那句话。

过去几十年，大家都在琢磨怎么把模型训得更聪明。Transformer、GPT 这些技术，本质上都是在训练方法上做突破。评测只是个辅助，用来证明你的模型确实更强。

现在情况变了。大规模预训练加上推理能力，再配上 RL，这套训练范式已经跑通了。

AI 大模型就此进入下半场。下半场真正最重要的事情是重新定义评测，定义 AI 到底要解决哪些真实的问题。

模型竞争的下半场，正式来了。

---

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：AI产品阿颖 阿颖 阿颖《看完 Hy3 的 Blog，我突然就理解了腾讯的思路。》