腾讯 Hy4 Flash 跑 RuneBench 得 5.74 分,单次仅 0.03 美元
mariofilhoml · x · 2026-11-17
腾讯混元 Hy4 Flash(high reasoning,经 OpenRouter 调用)在 RuneBench 上拿到 5.74 分(ln(1+peak XP/min) 均值,16 项技能峰值 XP 总和 7,045),每次运行成本约 0.03 美元,是当前性价比榜 Pareto 前沿上最便宜的一个点。
- 运行环境:Harbor 0.25.0 内置 Pi agent(pi 0.85.1),rs-agent MCP server,Modal 沙箱,30 分钟时限
- 作者已把 16 条原始会话日志(含钓鱼 1080 XP/min、烹饪 720 XP/min 等分项数据)上传至 Hugging Face
- 注意:当前价格为折扣价,官方 RuneBench 成绩来自 @maxbittker
「编程与Agent」频道最新
- Together 曝 agent 评测法:任务完成率从 67% 提升至 96% — togethercompute · 2026-11-17
- Beaker:别凭感觉选 Agent 模型,用实验数据说话 — VictorSanh · 2026-11-17
- VapiCon 2026 观察:语音 AI 主战场仍是电话,Sims 和 Evals 成标配 — chadwallacehart · 2026-11-17
- YC F26 项目 OpenScaffold 把历史部署经验变成编码 agent 可复用剧本 — ycombinator · 2026-11-17
- Vault-LD:用 Markdown Wiki 加知识图谱给 Agent 造持久记忆 — _AustinCalvert_ · 2026-11-17
- 「订单不是 Actor」:一次对 Durable Execution 抽象的反思 — _AustinCalvert_ · 2026-11-17