X 帖子近期动态

腾讯混元 Hy4 进 Agent Arena 总榜第 14

Arena 称腾讯混元 Hy4 在 Agent Arena 总榜排第 14;目前仍是闭源,若放出权重将与 Kimi K3.1 Pro 并列开放模型第一。腾讯官方称 Hy4 新增视觉能力,面向金融、前端、游戏、办公、研究等场景。

Arena@arena原帖
01

为什么值得留

跟踪中国模型在 agent 任务上的位置,留意 Hy4 是否开放权重。

02

可以从这里开始

在 OpenCode Go 或官方入口用一个自己的多步任务试一下 Hy4。

03

阅读时留意

目前闭源,「并列开放第一」是假设;样本约 8,500 次会话,比 Kimi 少;腾讯的场景列表是自述。

OnBalls 导读整理于 2026.11.05。只读收件箱保存的 Arena 帖节选和腾讯混元被引用帖;未打开榜单页和 Hy4 技术说明。

同一方向,继续读

这个方向的精选
评估与原理资源入口

BioBasicsBench:100 道读数题,最高约三分之二

OpenAI 和 Ligo 做了 100 道日常湿实验读数题,用的是原始图和仪器导出,不是论文里挑过的干净图。每题按专家写的评分点给部分分。官方称,在想得更久的设置下,GPT-6 Astra 平均拿到 66.7% 的分数,GPT-5.6 Sol 是 43.8%。页面同时写明,更强的模型仍会用习惯性假设盖过对照,也会数错。

官方资料
评估与原理案例记录

用 4070ti 和 Claude 训了一个 AI 文本检测器

HN 上作者原想破解 Pangram 类 AI 文本检测器,先在家用 4070ti 让 Claude 自主训练一个类似模型,约一天后得到检测效果不错的模型。几种绕过尝试大多失败,作者称「模仿真人文风改写」19 段中 15 段仍被识破;Claude 后来开始拒绝部分红队方向。

实践记录