腾讯 Hy3 到底什么水平？

朋友以上，恋人未满。

和豆包坐一桌的水平

路边一条[我没试过，感觉]

聊都没人聊的水平

每次在 codebuddy 用，都要排队，导致从来没用过

这是我在真实项目中，使用 gpt 5.6 sol High 作为裁判出题，然后让子模型执行两轮测试，最终裁判给出的排名以及分数；两轮测试分别对应： 第一轮测试代码检索与补丁设计，第二轮测试故障审查、修正能力及完成步数等指标。两轮均只读，最终按第一轮 30%、第二轮 70% 加权记分，结果如下：

| 排名 | 模型 | 第一轮 30% | 第二轮 70% | 最终分 |
|---:|---|---:|---:|---:|
| 1 | **DeepSeek-V4-Flash (Go)** | 81 | 83 | **82.4** |
| 2 | **Qwen3.7-Plus (Go)** | 84 | 77 | **79.1** |
| 3 | **GPT-5.6 Luna (ChatGPT)** | 79 | 79 | **79.0** |
| 4 | **Hy3 (Go)** | 71 | 75 | **73.8** |
| 5 | **MiMo-V2.5-Pro (Go)** | 70 | 69 | **69.3** |
| 6 | **MiniMax-M3 (TokenPlan)** | 84 | 57 | **65.1**

|@nonewind 只针对真实项目，代码能力，不包含多模态能力；

我经常用，不太聪明，但是免费呀。

我个人觉得 HY3 还行。做前端没太多问题。后端够用。

但是理解水平有点不行，有时候会误解需求。然后代码能力需要 review ，有时候会设计很蠢的逻辑。

WorkBuddy 里每天都签到，用一下，攒攒积分。
活能干，约束也能都遵守。
不过有个问题，可能是用的软件开发团队这个专家团，然后干活的时候经常会创建，删除文件，经常一干两三个小时后，回收站就几百上千的文件了。
没具体了解原因，不过有两次把 .git 目录给删了。😄 后来约束了下，没再犯了。

可以很明确说不如 ds v4 flash 0731
但是免费呀

国产刚出的 glm-5.3 拉的屎，还不提示，codex 看的时候都会顺便提示:
另外，OpenCode 那个诊断会话里执行 cat ~/.claude/settings.json 时把一个 API token 显示在了工具输出中。建议删除该会话记录并轮换该 token 。

用了 2 个星期挺好用, 之前用 GLM5.2, 感觉能用 hy3 平替一下(也就一下), 但是这几天降智严重
主要是太啰嗦了, 思考又多又慢, 虽然配合 work buddy 的记忆挺好, 但是费时间

我用来写代码,在 cnb 上可以免费用,并且有 vscode 插件可以用,codex 额度用完后等重置期间就用 hy3,感受就是,能写代码,能改 bug,一定程度上能完成需求,但是写的代码那叫一个烂啊,有时候一个功能写出来改 bug 改半天,叫他改自己写的 bug,经常信誓旦旦地说他写的代码没问题,是我自己没更新,或者缓存问题,或者我看错了,总是要告诉他就是他代码问题,都更新了,没缓存,他才能再找一轮最后确认 bug,但是总要改几次才能改完,有时候一个需求,做出来的效果不是我期望的,让她改,她又改成一坨屎.等 codex 额度恢复后,这类反复修改的问题,都是让 codex 重做.

但是有时候一些功能也能很好地做好,就很随机的样子,如果不是因为免费,而且 codex,我真不想用他,但是应急的时候用它也确实挺好的

@nonewind 这个测试符合我的体验感

我在测试纯聊天的 mcp 的时候用过 hy3 ，聊饥荒竟然触发了规定不给输出了？？

@xndeye #2 可拉到吧，比豆包差几个等级，git 都玩不明白。豆包是不怎么样，但没你们说的那么不堪，当然是 api ，不是网页那玩意。

感觉不如 dsv4 ,不过是免费的，还能凑乎用