腾讯混元内部基准自曝短板：最难数学档仅得 13%

teortaxesTex · x · 2026-11-13

有传言称「如果顺利，中国模型可能在 12 月中下旬迎来能力跃升」，消息源据称来自混元基准团队。Teortaxes 认为该信号可信度较高，因为目前中国模型在 Hunyuan 最难任务上普遍被打得很惨，内部自曝式基准信号较真。

配图显示混元发布的内部评测表：在 Hy-FrontierMath T5（internal）最难数学档上，自家旗舰 Hy4 仅得 13.0%，而 Claude Opus 5.5 达 97.5%、GPT 6.1 为 91.3%、GLM 5.3 仅 8.0%；Goal2Repo 档 Claude 74.0 领先，Foundation Model Bench 档 Claude 55.4 居首。评论认为这种「自曝短板」的做法罕见地透明，也说明深度符号数学上头部模型与追赶者的差距仍然很大，即便通用基准看起来接近。值得注意的是消息源本人并不负责模型训练，其说法是泛指还是为下一代混元造势尚待验证。