腾讯 Hy4 评测逼近 Claude Opus 5.5 与 GPT 6.1 Sol，部分单项登顶
heypearlai · x · 2026-11-05
腾讯发布 Hy4，第三方评价"相当能打"：虽整体仍略逊于 Claude Opus 5.5、GPT 6.1 Sol、Kimi K3 等头部模型，但差距已缩小到"不舒服"的程度。
从配图基准对比看：
- Hy4 在 OSWorld 2.1 上拿下 78.9 分领先全场，E-Bench 2.0、Hy-BrowseComp 2.0 等多个内部基准排名第一
- 在 ProgramBench、FrontierCode 2.0、Terminal Bench 4.0 等编程/agent 基准上紧咬头部梯队，明显领先 GLM 5.3、DeepSeek-V4.1-Flash
- 弱项也明显：Terminal Bench Science 0.1 仅 19.8，PostTrainBench、Agents' Last Exam 距头部尚有差距
作者结论：开源模型与绝对前沿的差距持续收窄，腾讯在快速进步。
「模型」频道最新
- 开源 TTS 模型 Phonon 不足 5000 万参数，端侧语音首进 7 毫秒 — alex_verem · 2026-11-05
- Voice Arena 新增五语种 TTS 榜，ElevenLabs 全部登顶 — alex_verem · 2026-11-05
- Kimi K3.1 Pro 低算力接近 Opus,加算力后增益反跌至 0.78x — teortaxesTex · 2026-11-05
- Grok 与 Claude 拒绝帮用户 root 自己的设备 — doooyle · 2026-11-05
- Nace AI 推 Drex Max 决策模型:120% 返现抢客户,成本仅 Claude Code 约 1/11 — testingcatalog · 2026-11-05
- 斯坦福协作智能基准：18 个模型当队友，最高仅 82.2 分 — james_y_zou · 2026-11-05