Hy3實測：補短板后，姚順雨要做騰訊全家桶的水電煤

7月6日，騰訊混元Hy3發布，這也是姚順雨加入騰訊后的期中考試答卷。

和preview版本一樣，正式版依舊是快慢思考融合的模型，依舊MoE架構，總參數295B，激活參數21B，支持到256K上下文。

但不同的是，在騰訊內部實測中，各項表現正式版都提升明顯。

里面有幾項值得單獨說一下：

提升幅度達到斷層的是MathArena Apex，數理綜合能力上正式版分數足足翻了3倍；

提升幅度其次的是HLE，工具輔助文本推理從35.4漲到了53.2，提升了50%；

Terminal Bench 2.1，終端運維代碼能力提升了13.7分，幅度在1/3。

當然要也有提升幅度較小的，SWE-bench Multilingual多語言代碼，提升幅度不足10%。

相信各位也能看出來，這次正式版相對于預覽版，并不是Hy2到Hy3 preview那種重構式的迭代，只是在補短板的方向上，邁出了一步。

先前和主流模型差距大的幾項能力，都得到了大幅補足，雖說不是都超越頂尖模型，但要知道，Hy3的總參數295B，激活參數21B，和動輒1t甚至10t的超大模型并非同一賽道。

輕量級和性價比才是Hy3的特色，但在這兩個特色前，Hy3已經能和那些大模型碰一碰了，姚順雨這次通過后訓練的確交出了一份很不錯的答卷。

但是能力強不強，還得是實際場景來測。以下測試均在WorkBuddy中使用Hy3實現。

一、第一個場景：競賽數學題。

Hy3用時5秒便給出了兩個解法：

答案正確，且用時相比于Hy3 preview縮減了接近50%。

當然了，雖然說數學能力是Agent能力的底層之一，但大多數打工人還是不會用AI解題的。所以，接下來再看看其他真實辦公場景的能力。

二、第二個場景：代碼能力

Hy3給出了以下答案：

如果打分的話，客觀來說能有個7分。邏輯是沒有問題的，數學公式也沒錯，而且注釋清晰，邊界基礎場景能跑通。

扣掉的3分在于代碼性能還是有硬傷，題目約束上限 (R=10^6)，代碼暴力逐一遍歷，比較低效，也沒有考慮到輸入校驗的情況。

但是，對于輕量化辦公的臨時代碼，Hy3已經提供了可用性和易用性。

三、第三個場景：文件整理

部分不會代碼的人，在辦公中也會用到一些代碼處理起來更方便的場景，文件整理算是一個。

1400多個文件，要求Hy3進行重復性篩選，并且壓縮成壓縮包后改為需要聯網校檢的中文名，并進行編號。

這屬于一個很龐大的文件整理項目了，運行大概5分鐘后，Hy3彈出兩個個性化選項：

在總用時19分9秒后，Hy3處理完了這份文檔整理任務。

具體文件輸出很穩定：

其中部分無中文名的文檔保留英文名。

但是也能看到一些小紕漏，比如壓縮文件夾中存在很少一部分依舊保留了地區標識。

但剩余這部分如果人工刪除，大概只需要十分鐘即可完成。而整個工作流假如都由用戶自行操作完成，大概需要一下午時間。

值得注意的是，在Hy3 preview中，該任務是無法順暢完成的。

四、第四個場景：調研后做一個PPT

給予一個模糊的PPT需求，看其PPT效果。

10分鐘后，Hy3交卷：

審美是基本合格的，整體內容進行了簡單檢查后，無事實錯誤。

但依舊存在一個問題，涉及現實圖片的部分，Hy3并未貼上，導致存在空白部分：

如果是搭建一個不需要復雜功能的PPT框架，Hy3是合格的。但如果是直接輸出成品，那么Hy3短板還是比較明顯。

五、第五個場景：生成一個小應用

一個幾乎無法通關的俄羅斯方塊游戲在3分鐘后就生成了：

UI審美相比于Hy3 preview有所提升，單個方塊上下部分給予了色差，視覺效果更好了；但依舊提升空間巨大。

有誰會不想在摸魚的時候急赤白臉地整一個自己做的小游戲然后玩耍呢？

而且對于打工人而言，這樣的輕度辦公輔助，還能體驗一把當老板的快樂：同時把多個工作丟給Hy3后玩著手機等提交成果。

一路測評下來，不難發現一件事：Hy3相比于Hy3 preview，補足了短板，但并沒有顛覆什么，屬于是一次穩扎穩打的前進。

畢竟推導Hy2重建Hy3 preview用時3個月，從preview到正式版Hy3又僅僅用時3個月，對于姚順雨來說時間并不充裕。

能拿出如此性能功能的模型，且憑借輕量化之姿能和頭部大模型站一屋，屬實不易了。

但相比于模型性能功能，Hy3真正的野心其實藏在暗處：協同。

在騰訊云發布模型的文章里，有一個有趣的小變動。

在先前Hy3 preview發布時，涉及到其他真實業務場景的部分，元寶是沒有爭議的C位：

但這一次，WorkBuddy成了新C位：

這其實不難理解，相比于C端大眾嘗鮮，WorkBuddy已經開始成長為用戶“用AI辦事”的工具了。

目前C端AI應用，普遍陷入了用戶多、無法變現、產生現實價值不大甚至產生反向價值的困境，甚至于聊天智能體近幾日遭遇政策下架。

在這個時候，模型導向的就不能再是解悶了，而是辦事。

怎么辦事向來是個難題，但對于騰訊而言似乎并非如此：全家桶的完整生態，每一個疊加AI都能賦予新的可能。

WorkBuddy是一個方向，微信是另一個方向：昨天微信直接放開了10億Token，助力AI小程序計劃上新Hy3。

而元寶這一端，搭配上Hy3也在重新培養用戶習慣——聊天之外，還可以直接生成程序和文件。

老版本只能給建議：

新版本可以直接實操：

也就是說，元寶正在WorkBuddy化。

到這里姚順雨要做什么就很清晰了：不是在短時間內拿出一個幾萬億參數的模型，而是在騰訊全家桶AI化的節點，提供水電煤這樣的基礎資源。

按照這一方向，輕量化不是短板，而是迅速融入其他軟件的長板：不占用過大空間、不對原有功能產生沖擊，不扭曲用戶已形成的操作邏輯，但偏偏能帶來合適的提效。

因此相比于期待Hy4，我倒是更期待被混元賦能的全家桶的蛻變了。