腾讯混元模型Hy3于今日正式上线，继4月底推出preview版本之后。此次还直接提供了两周免费使用时长，所有用户均可通过WorkBuddy随意体验。
这条消息来得确实相当及时。前阵子我一直想用智谱GLM 5.2的Coding Plan，来跑一些Claude-P的体力活任务。但GLM 5.2实在太难抢，好不容易搞到一个账号，结果高峰期依然频繁爆出429错误，不得不另找一个backup兜底。混元的新模型一上来就提供两周免费，看着各家巨额的token账单，确实是时候认真薅一把羊毛了。
模型信息
在动手薅羊毛之前，先来看一下模型基本情况。Hy3是一个融合快慢思考的MoE架构模型，总参数量295B、激活参数21B，上下文长度256K，官方宣称主打Coding和Agent场景。
案例速览
官方展示的几个案例中，先挑两个来瞧瞧。第一个是用Hy3制作的核聚变能源引擎概念宣传网页：
另一个案例，是通过摄像头结合手势交互，控制图片粒子溶解重组的演示：
更多案例和模型详情可查看：https://hy.tencent.com/research/hy3
官方的案例和宣传毕竟是官方视角，实际表现如何，还得亲自测试才知道。于是我让Hy3跑了若干测试，甚至请Claude Code当裁判，拉它和GLM模型进行了一场正面PK。
WorkBuddy
首先的问题是测试环境。最近用Codex和CC时，已经有一半以上的时间是在GUI而非TUI终端里操作。以前总觉得TUI很好用，但用着用着，就会自己给TUI做各种小UI改进和美化，不知不觉把TUI做成了GUI。所以还是得承认一个事实：GUI比TUI好用得多。文件查看、页面加载、元素选取、与AI交互式反馈，这类需要人参与的工具，还是得靠GUI才能提升效率。
现在一般推荐用Codex，但对很多没有基础的人来说，成本确实偏高。后来才发现，Windows电脑的微软应用商店里压根没有Codex。
最后想了一下，告诉他：「要不你还是用WorkBuddy吧。」WorkBuddy是腾讯自家的桌面AI Agent，GUI界面，开箱即用，对非程序员非常友好。而且据了解，腾讯内部本来就在推进混元和WorkBuddy的Co-Design。更重要的是，作为腾讯内部团队，WorkBuddy也第一时间完成了Hy3模型的首发接入，并限时两周免费体验。这次Hy3的测试使用，自然首选腾讯自家的Harness来实测。
制作PPT之，西方美术史
打开WorkBuddy后，默认选中的就是「日常办公」。正好最近想参考西方美术史，把公众号的排版再打磨提升一下。于是以口述形式给WorkBuddy下达任务：
“给我做份PPT，把西方美术史的典型绘画风格收集起来，一种风格一页，配上代表画作。”
预期不算太高……这事Codex之前给我干过一次，虽然不算一塌糊涂，但确实质量一般。
而WorkBuddy这边，Hy3一上来就开始写脚本，搜索并下载名画图片，整理各流派的年代、代表画家和风格特征：
整个过程非常专业。过了好一阵子……它给我生成了一份PPT：
这份成品PPT是一份23页的《西方美术史20种典型绘画风格》，从文艺复兴一直排到波普艺术。这个案例真有点让人小惊艳……一度觉得：诶，它的审美好像还不错？而且它的速度非常快。快到一度怀疑：是用的人还少呢，还是腾讯的卡其实有很多？不过有点抽象的是……这里有个小惊喜：
代码开发之，吉他必备工具
WorkBuddy日常办公的右边一格，叫「代码开发」。
玩过吉他的朋友应该都知道，调音器和节拍器基本上是每个人手必备的两件工具。作为曾经拥有20多把吉他的入门级爱好者，我想让Hy3做一个macOS原生吉他调音器App。
这个任务对它来说似乎太容易了……几下就搞定了，而且做得确实不错：功能上麦克风实时取音、音分偏差表盘、六根弦自动识别，全都有且能正常调音；UI上虽不能说惊艳，但也算拿得出手，丝毫不丑。
但美中不足的是，App没有图标，于是让它画一个：
第一版icon出来，我沉默了……
我很有耐心，提要求让它改：
改到第三次时，终于不错了，在Alfred里召唤时也显得比较和谐：
看它这么轻松，不如再多来点活：把节拍器也做一个。
做出来后，又让它优化一下摆针动画的流畅度。结果改着改着，App直接崩溃了……
好在把崩溃信息丢给它后，Hy3自己翻了一遍崩溃日志、解析crash report，最后定位到是节拍器的AVAudioEngine在连接节点时抛了一个不可捕获的NSException，然后说一共有三个问题：连接格式不兼容、初始化时机不对、没有延迟加载。然后，逐一修复。
修复之后，节拍器稳稳地跑起来了，摆针也变得顺滑。
调音器加节拍器的完整版，长这样：
这个案例跑下来，Hy3给我的感受是：Coding能力基本在线，完全可以作为GPT / Claude的储备模型使用。对于崩溃类的异常排查，它也能自己查日志自己修好。稍微遗憾的是，它并没有直接进行自我检测和验收，崩溃了需要等反馈，而不是自己发现并解决。
Fable 5舆情分析
还测试了一些其他日常任务。最近讨论度最高的模型非Fable 5莫属。于是让WorkBuddy把过去24小时关于Fable 5的讨论全部找出来，做一份舆情总结。这个任务对基本功的考验在于：有数千条推文，模型需要去重、分类、按主题归纳。
它从全量贴子里扫描出947条相关推文，去重后按7个类别做了结构化总结，每条观点都附带了作者、粉丝数和原文出处。
整个过程里的各种bash命令、文件读写也都没出什么岔子。感觉这类后台跑的任务，可以放心交给它。
正面对决
单独测试感觉还行，拉个对手来正面比一场？对手原本想选GLM-5.2，但测试时它正好一直429。那就退一步，用GLM-5.1，通过OpenRouter调用。裁判请的是Claude Code：使用同一套环境、逐字相同的prompt，两个模型在完全隔离的目录里各干一遍，全程无人工干预。跑完之后，裁判再逐项独立复核：重跑代码、重跑测试、重算数据，不采信模型自评。
四个case全部来自真实使用场景，不太学术和严谨，但符合日常真实场景：bug修复、从零写代码、数据分析、可视化。
结果是，四个任务两家全部达标，但细看仍有差异：
• 抓bug：一段异步连接池里埋了一堆隐蔽的并发bug，Hy3找到5个，GLM-5.1找到4个，各自实测跑3遍全部通过，确实修好了。Hy3还额外点出了两个最隐蔽的坑（错误路径泄漏和非重入锁死锁）；
• 从零写限流器：两家测试全部通过，Hy3写了528行代码配25个测试，GLM是333行配21个，架构完整度都达到了生产级；
• 数据分析：54天的流量数据，两家的数字都是通过Python实算出来的，核心结论一致。GLM的报告多一层因果拆解，Hy3则更聚焦；
• 可视化仪表盘：同为6图+6卡，水准相当。
比如抓bug的case，裁判CC的点评是：
仪表盘的case直接截图，这是Hy3的：
这是GLM-5.1的：
Claude Code还给出了一个很细致的观察：两家总耗时几乎一样（都是14分钟出头），但Hy3用了83轮交互，GLM只用了35轮。Hy3是小步快跑、边干边验证，GLM则是先想一大段再动手，两条路子，殊途同归。
最后，裁判Claude Code给出的总结论是：Hy3能力过关，两个纯代码任务在细节上还略胜一筹；整体与GLM-5.1不相上下，基本追平，直接替换完全没有问题。
自动化
说到WorkBuddy，我最喜欢的是它的自动化玩法，类似于之前在电脑上添加的一堆crontab。这里再次介绍一下本账号AGI Hunt的同名网站agihunt.info：
AI资讯收集再交给AI整理这件事，如果我说自己是第二，那大概没人会好意思说自己是第一。这个周末，我刚用Fable 5给网站做了一次视觉暴力大改版，还顺手加了一个获取资讯的Skill接口，可以按频道抓取自己感兴趣的内容。而WorkBuddy是支持Skill创建的，于是便让它把网站的Skill接一下：
“请帮我接入AGI HUNT实时AI资讯:阅读 https://agihunt.info/agent/v1/skill.md 并按其中的说明完成安装与授权。”
一句话丢过去后，WorkBuddy自己读取了网站的skill.md，安装、授权、校验，一条龙全部搞定。
网站上有一个内容频道叫Fun频道，专门用于收集AI相关的各种段子、翻车和名场面。
接上之后先手动试了一把，让它挑几条今天的段子，用来活跃一下社群气氛：
效果还行……于是再进一步，让它配一个定时任务：每小时整点自动跑一遍Fun频道的新段子。
有意思的是，Hy3把任务取名为「AGI Hunt整点段子」，也是一语双关。于是，每个小时它都会先过滤掉已经发过的，再挑几条新的段子出来，每条都带着原帖链接。这是跑了一天之后，任务列表的样子：
也算是让AI多增加了一些与AI有关的快乐源泉。当然，除了Skill，还可以在WorkBuddy里创建专家和连接器，更好地连接外部应用和数据，进行各领域的专业工作。
总结：这羊毛得薅
最后来总结一下模型的特点：
Coding和Agent能力过关，不输于GLM-5.1。这也是本次模型更新的重点，常规任务上甚至与国外两家相比也不容易感到明显差异。
审美不错，但不太稳定。PPT让人有些惊艳，但从icon的设计能看到，还需要在prompt上多下点功夫，才能把效果拉上来。
上下文256K，够用但略短。虽然，1M的模型在超过200K后智商其实也就那样了：
而对Hy3最大的期待是：多模态要早点上线。没有多模态，许多闭环任务的verify都要打折扣了，因为它没法自己截图看一眼效果对不对。好在据说多模态快上了，值得期待。
总体来说，相比最强模型，混元Hy3还是有些差距的。但日常使用上，判断是：99%的人的99%的任务都已经够用了。毕竟即便是个博士，也不会每句话都是博士级水平。
Hy3在线的Coding能力可以让任何人随手就能搓出想要的工具和软件，而稳健的Agent能力则可以帮助用户完成几乎所有电脑操作，而且速度还特别快。再结合腾讯自家的WorkBuddy，和腾讯自家的全民级产品和用户量，我甚至觉得，WorkBuddy + Hy3，将会成为一款国民级的Agent工具。
不过，国不国民那是腾讯的事，对我们来说要做的是：这两周的羊毛，必须得先薅为敬！
