以下文章来源于卓哥投研笔记 ，作者卓哥 01

作者：卓哥 01

来源：卓哥投研笔记

文章已获授权

先向姚顺雨和混元团队道歉。混元团队今年 1 月开始重建，4 月发了个可以对话的 hy3 preview，但其他都很拉，当时怒喷了一波。今天发了 hy3 正式版，以我目前获取的信息和自身认知的局限，认为已经挤进国模第一梯队，而且尺寸非常小、价格最便宜。

能力已经挤入国模第一梯队

一般来说，我不看榜单评分，因为大模型公司喜欢刷榜，但我相信腾讯没有刷榜，否则 Hy3 preview 不会把那么拉的分数公布出来，而且我比较相信腾讯的企业文化，管理层不怎么爱吹牛逼。目前部分机构已经给部分爱吹牛逼公司的管理层扣估值了。

如下，Hy3 已经超过 GLM5.1，但相比 GLM5.2 还有比较明显的差距。毕竟 GLM5.2 可以算是小 DeepSeek 时刻，5.1 到 5.2 的跨越类似于国产版 Claude 4.5 到 4.6 的跨越——跨过 coding 可用线。

评分≠实战。实战上，腾讯说，在内部组织的 270 位专家基于真实工作的模型盲猜中，Hy3 均分（2.67，满分 4）要比 GLM5.1（均分 2.51）高。腾讯把 GLM5.2 均分拿出来，那估计实战还是不如 GLM5.2。

所以，我自己的排序，国内 T0 级还是 GLM5.2；T1 群雄逐鹿，包括 K2.6、Qwen 3.7、DeepSeek V4、MiMo 2.5、M3 以及 Hy3，排名不分先后，T1 国模之间差距不明显。不管怎么说，Hy3 挤进了 T1，" 腾讯基模拉垮 " 这一论断可以休矣。

另外，不能抛开价格谈性能，Hy3 是这些模型中尺寸最小，定价最便宜的。

Hy3 是总参数只有 295B 的小模型，激活参数 21B，都非常小。用混元团队的话说，同尺寸模型中 Hy3 最聪明，同智能模型中 Hy3 尺寸最小。海外前沿模型都奔着 10T 去了，国内 Qwen、DeepSeek 也都是 1T 的模型了。

GLM 5.2 确实很牛逼，但对 token 的消耗也大。腾讯官方说：

" 高频办公任务中，Hy3 Token 消耗显著低于 GLM5.2 ——文档处理节省 47.4%，PPT 制作节省 49.0%。"

而且 GLM 5.2 贵得惊人，大概是 Hy3 的 7 倍，Hy3 算是国模里面最便宜的，比 DeepSeek 还便宜。不懂就问：Qwen 3.7 Max 凭什么比 GLM5.2 还贵？阿里真的该反思一下了，之前 Qwen 2.5 国内最夯，混元拉得不行，智谱那会儿也还没有起势。

而且混元团队说了，这只是一个起点，混元的重建和进步才刚刚开始，

" 我们将持续踏实地扩大训练规模、提升数据质量 "

我认为这句话很重要，目前传 800B 参数的大模型在 9 月前后放。另外说到数据质量，我认为 WorkBuddy 能有贡献。

今年以来，硅谷那边已经开始讨论第四层 scaling law，扩展对象正在从模型本身转向 agent 所处的任务环境和反馈流程。

今天混元团队是这么说的：

" 作为国内最受欢迎的 AI 办公智能体，WorkBuddy 拥有自动化脚本生成、工作流编排等真实且复杂的场景需求，为混元模型能力迭代提供了高价值的方向。"

我在腾讯做 WorkBuddy 不是为了那点订阅费，而是做中转站文章中讨论过这个话题，不赘述。

图：四条 Scaling Law 的演进 ; 来源：FUNDA

总结，以后谁都不准再以 " 腾讯 AI 落后 " 扣腾讯估值，腾讯 AI 逻辑开始顺起来了：

1. 基模已经是第一梯队；

2. 最大场景是白领工作流（比 coding 还大），WorkBuddy 是老大。chatbot 输了有什么关系，豆包很成功但商业模式能跑通吗，内部估值也就 60 亿美金，而且 chatbot 没有壁垒，迁移成本接近 0，ChatGPT 份额都跌破 50% 了。真正的场景是比 coding 更大的白领工作流（Anthropic 内部测算，白领工作流 TAM 10 亿美金，Coding TAM1 亿多美金），WorkBuddy 用户规模是 2-4 名之和。