最新混元Hy3，DeepSeek-V4-Pro，Qwen3.7-Max实测，谁才是性价比之王？

你好，我是郭震

最近有读者问我，DeepSeek-V4 价格要翻倍，还有没有性价比更高、但能力又能跟得上的大模型？

调研了几个模型，比如：

DeepSeek-V4-Pro 是输入 3 元 / 百万 tokens，输出 6 元 / 百万 tokens；

Qwen3.7-Max 输入大概 12 元 / 百万 tokens，输出 36 元 / 百万 tokens；

腾讯最新Hy3 的 API 输入 1 元 / 百万 tokens，输出 4 元 / 百万 tokens；

目前腾讯最新Hy3大模型价格最低，但就是不知道性能如何，尤其是很多关注我的读者普遍关心的Coding Agent能力。

这篇文章重点测试Agent能力，感兴趣的可以看看。

1 Hy3大模型

之前已经介绍并实测过DeepSeek-V4-Pro，Qwen3.7-Max，GLM5.2等模型，这里不再赘述。

大概介绍下腾讯最新的Hy3大模型，重点强化了它的 Agent 和 Coding 能力，包括任务规划、工具调用、代码生成。

从官方评测图看，最能反映 Agent 能力的是如下几项，BrowseComp、MCP Atlas、ClawEval 和 SkillsBench：

Hy3 得分都还不错，但光看得分是不够的，必须得真正去大量使用下，其实现在大模型能力各有所长，通过实测还能找到哪家大模型哪方面最强。

下面直接进入实测环节。

测试方法：我会把同一个Agent任务，分别丢给 Hy3、DeepSeek-V4-Pro 和 Qwen3.7-Max，然后叫裁判Gemini-3.1-Pro 和Codex 去打分。

2 第一个任务：做一个 3D 飞行躲避小游戏

第一组我测 Coding Agent，而且特意选了一个偏前端、偏视觉效果的任务。

我的提示词大概是：

让模型生成一个可直接运行的单文件 3D 飞行躲避小游戏。使用 Three.js 构建场景，不依赖外部资源。玩家控制一架飞行器自动向前飞行，可以左右移动和上下升降，躲避随机障碍物，收集能量点。游戏需要包含分数系统、碰撞失败、重开按钮和基础难度递增。

这个任务测的是它能不能把一个前端交互需求拆成完整模块，并一次性生成可运行、可交互、有状态闭环的代码。

对 Coding Agent 来说，这比单纯问答更接近真实工作。

1）打开WorkBuddy，选择 Hy3：

输入提示词发送，等待结果：

任务完成截图如下：

录制了个GIF，大家感受下游戏互动效果：

2）同样提示词发给DeepSeek-V4-Pro：

生成结果截图如下所示：

GIF录屏：

3）同样提示词发给Qwen3.7-Max，如下所示：

生成截图如下：

GIF录屏：

裁判Gemini-3.1-Pro评分，放在第4节。下面进入第二个任务实测。

3 第二个任务：做一个 Excel 数据分析微信小程序

第二组我测 Working Agent，也就是更接近办公生产力的场景。

让模型基于一个 Excel 文件，生成一个微信小程序版的数据分析看板。

我给它的需求是：

请做一个微信小程序，支持Excel上传，识别里面的字段，完成基础汇总计算，并展示核心指标卡片、趋势图、分类对比图，以及一段简短的数据洞察。

这是一个典型的Agent任务，不是只写一个 HTML 页面，而是要理解小程序目录结构，拆分页面、脚本和样式，还要把 Excel 数据转成适合前端展示的数据结构。

1）发给Hy3：

生成微信小程序工程文件结构，如下所示：

下载微信开发者工具软件，如下图所示：

在这里选择 Test Account：

导入一个Excel文件：

如左侧所示，点击选择Excel文件，然后数据展示为右图所示：

数据可视化图，在手机端预览效果，如下所示：

2）同样提示词发给DeepSeek-V4-Pro：

V4-Pro项目结构部分截图如下所示：

小程序启动后的界面，从左到右依次为：首页，导入Excel页，Excel导入后提示，三张截图如下所示：

DeepSeek-V4-Pro导入Excel后，提示未能从文件中提取到有效数据，这应该是个bug，可以继续基于程序再去vibe coding，但是篇幅关系不再展开。

3）同样提示词发给Qwen3.7-Max：

Workbuddy默认不支持Qwen3.7-Max，但是支持配置其他模型，填入API Base和API Key，不知道如何配置的可以留言告诉我。

如下微信小程序项目结构：

导入到微信开发者工具，从左到右依次为：软件启动首页、加载Excel，数据概览图：

从左到右，依次为可视化图1、图2本来手机上看位于图1下面，为了排版展示方便我把它截图放到中间、数据预览：

4 Gemini-3.1-Pro 和 Codex 分别打分

第一项任务打分，放到Gemini-3.1-Pro中，提示词如下图所示，发给三个html文件：

最终得分如下：

Hy3 微弱优势得到第一，Qwen3.7-Max第二，DeepSeek-V4-Pro第三，但是它们得分差距非常小，并且得分都很高，说明任务完成度都不错。

对于第二个任务，因为是一个完整工程项目，不能看单独一个文件了，所以让Codex 当裁判会更好，全面分析项目完成度，如下图所示：

这是Codex给出的三项得分情况：

其中，Hy3在Excel导入与解析稳定性，数据分析与洞察完整度，得到两项第一名；可视化与交互呈现，Qwen3.7-Max得了第一。

以上这个得分是比较符合咱们的预期，和第二节的结果展示中基本吻合。

最后总结一下

这次测了两个真实 Agent 任务。一个是 3D 小游戏，测 Coding Agent；一个是 Excel 数据分析小程序，测更加复杂的Agent能力。

分别实测了参数量295B的混元Hy3，1600B的DeepSeek-V4-Pro，以及参数量超万亿的Qwen3.7-Max，这里面Hy3的模型尺寸最小。

但从实测的两个Agent任务来看，它的效果已经能追到或超过参数量更多的DeepSeek-V4-Pro，Qwen3.7-Max。

同时从价格上看，Hy3 的 API 价格也是三者里最低的：输入 1 元、输出4 元 / 百万 tokens。相比 Qwen3.7-Max，输入价格只有它的 1/12，输出价格只有它的 1/9，所以不只是“能用”，而是更适合作为高频调用的主力模型来用。

结论：从以上这些角度看，Hy3 的性价比最突出。

感兴趣的读者，可以用起来，Workbuddy里Hy3现在还免费：