腾讯Hy3：小模型，大编码能力，媲美DeepSeek-V4-Pro

在AI语言模型的世界里，更大并不总是更好。这是SuperCLUE最新编程评估得出的结论，该评估将腾讯的Hy3与包括DeepSeek-V4-Pro在内的行业巨头进行了对比。结果如何？Hy3凭借其适中的210亿激活参数（总参数2950亿），在编码能力上与DeepSeek-V4-Pro持平，得分47.37。这绝非易事，尤其是考虑到许多竞争对手的参数规模是其数倍。

小身材，大能量

Hy3采用混合专家（MoE）架构，这意味着每个任务仅激活总参数的一小部分。这种设计选择带来了显著优势。它不仅降低了成本——完成单个编程问题平均仅需0.43元——而且速度很快。平均而言，Hy3每个问题耗时不到400秒，使其适用于实时编码和在线调试。

真实编码，而非基准测试

这次评估并非典型的基准测试。它旨在模拟中国程序员日常面临的真实编码场景。每个任务需要数十次来回通信，逐步完成代码分析、修改和验证。这比简单的单次测试更接近实际的开发和调试。评估从四个维度比较了模型：使用成本、运行速度、通信轮次和令牌消耗。这为开发者提供了实际感受，了解哪个模型适合他们的预算和工作流程。

效率说明一切

Hy3的通信效率也令人印象深刻。它平均需要超过40轮对话才能完成一个任务，无需反复调整指令来修复代码。这意味着更快的收敛和更少的麻烦。每个任务仅消耗约116万个令牌，这转化为更低的云计算成本和更小的平台运营压力。

结论

对于依赖AI辅助开发的程序员来说，Hy3提供了性能和成本之间的罕见平衡。它证明了优化的架构和训练策略可以与旗舰级对手竞争。随着Hy3现在在Apache 2.0许可下完全开源，这场成本效益之战才刚刚开始。

关键点

• 编码能力：Hy3得分47.37，与DeepSeek-V4-Pro持平。
• 成本：每个问题仅0.43元，适合频繁使用。
• 速度：平均每个问题不到400秒。
• 效率：每个任务超过40轮对话，消耗116万个令牌。
• 开源：在Apache 2.0许可下发布。