騰訊Hy3 編程評測出爐：參數只有對手五分之一，代碼能力卻與DeepSeek-V4-Pro打平

騰訊旗下混元團隊最新推出的語言模型 Hy3，在第三方機構 SuperCLUE 最新發布的程式碼專項評測中交出亮眼成績。這款採用混合專家（MoE）架構的模型，僅以對手五分之一的參數規模，就在代碼能力評分上與 DeepSeek-V4-Pro 打平，同時展現出極具競爭力的使用成本與運行效率，引發開發者社群的高度關注。 SuperCLUE 此次測評專為貼近國內程式設計師的真實開發場景而設計。每道編程任務都要求模型與測試者進行多達數十輪的來回對話，逐步完成代碼分析、修改與校驗，模擬實際除錯與迭代流程。評測從四大維度展開：使用成本、運行速度、溝通輪次以及 Token 消耗量，目的是幫助開發者根據預算與效率需求選擇最合適的模型。 Hy3 的總參數規模為 295B，但由於採用 MoE 架構，每次推理時僅激活 21B 參數，支援 256K 的上下文長度。騰訊內部將其定位為混元系列中最強的語言模型。在評測結果中，Hy3 的高分版本獲得 47.37 分的代碼能力得分，與 DeepSeek-V4-Pro 完全相同，而後者的總參數規模約為 Hy3 的四到五倍。這項對比凸顯出 Hy3 在模型架構與訓練方法上所做的深度優化，能以更少的計算資源達到同等水準的程式碼生成與理解能力。 在成本方面，Hy3 的優勢更加明顯。根據 SuperCLUE 公布的數據，Hy3 完成一道編程題目的平均費用僅需 0.09 元人民幣，遠低於其他對標模型的運算成本。這對於需要大量呼叫模型進行程式碼開發與除錯的個人開發者或企業團隊來說，具有相當大的吸引力。許多參數更大的模型在相同任務上的花費高出數倍，卻未能拉開實質性的能力差距。 除了成本與得分，Hy3 在運行速度與溝通輪次上也表現穩健。由於激活參數僅 21B，模型在推理階段能保持較快的回應速度，減少開發者在等待過程中的時間損耗。同時，Hy3 在長文本處理（256K 上下文）的支援下，可以容納更完整的程式碼檔案與對話歷史，在需要反覆修改與追蹤上下文的大型編程任務中顯得更為流暢。 業界分析認為，Hy3 此次在編程專項評測中的表現，反映出 MoE 混合專家架構在大語言模型領域的潛力：透過稀疏激活機制，以相對較小的計算成本實現接近頂級模型的性能。這也意味著模型開發不再單純追求參數規模的極致增長，而是更注重架構效率與實際應用場景的匹配。騰訊混元團隊過去一年已多次推出不同規格的模型，Hy3 的推出進一步補齊了其在推理與程式碼生成領域的產品線。 值得注意的是，SuperCLUE 作為國內知名的語言模型評測機構，其測試方法與試題設計長期被業界視為衡量模型真實能力的重要參考。本次測評特別強調「多輪對話」與「逐步除錯」的設計，目的在於模擬開發者日常與 AI 協作編程時的真實互動，而非僅測試一次性生成程式碼的準確率。Hy3 能在這類動態場景中與 DeepSeek-V4-Pro 打成平手，顯示其對對話脈絡的理解與程式碼修正能力已具備相當水準。 展望未來，隨著企業對 AI 編程助手的需求持續升溫，模型的使用成本與回應速度將成為影響應用普及的關鍵因素。Hy3 在參數規模與效能之間取得的平衡，或許會促使更多團隊重新審視模型選型策略，不再一味追求參數量的增加，而是轉向尋找更適合自身業務場景的「效能－成本」最佳解。騰訊 Hy3 的推出，也為國內大語言模型的競爭格局增添了新的變數。