上周跟一个做 AI 应用的朋友吃饭，他跟我算了一笔账。
他的产品每个月调用量大概在 5000 万 token 左右，用 GPT-5.6 Sol 的话，光输出成本就要一万多块。他当时就在手机上按计算器，按着按着突然笑了一下："我是不是该看看混元？"
我看了一眼他的计算结果——混元 Hy3 的输出价格是每百万 token 4 块钱，GPT-5.6 Sol 是每百万 token 216 块。正好差了大约 30 倍。
这个 30 倍，就是我想聊的第一个数字。
30 倍：谁在为"最强"买单
OpenAI 给 GPT-5.6 定了一个三档策略：Sol 是旗舰，Terra 是均衡，Luna 是性价比。听起来好像给了选择，但现实是，想体验"最强"就得用 Sol，想省钱就得接受能力打折。这跟买手机不一样，手机降一档无非少个摄像头，模型降一档可能推理链路就断了。
混元 Hy3 这边的定价很直接：输入 1 元，输出 4 元，缓存命中只要 0.25 元。没什么花里胡哨的档位。
30 倍的价差意味着什么？我朋友那个月 5000 万 token 的场景，换成 Hy3，输出成本从一万多直接降到两百块。省下来的钱够他再雇一个实习生。
但这里有个问题必须说清楚——便宜不等于好用。GPT-5.6 Sol 贵，确实有贵的道理。它的 Terminal-Bench 2.1 跑出了 91.9% 的分数，在编码 Agent 这个赛道上目前全球第一。你要是做代码生成、复杂逻辑推理，多花 30 倍的钱可能确实值。
问题是，有多少人的场景真的需要"全球第一"？
72% 到 90%：进步最快的那个选手
第二个数字来自 Hy3 的 Agent 能力表现。
在 WorkBench 评测里，Hy3 从 4 月 preview 版的 72% 解决率，直接跳到正式版的 90%，平均耗时还缩短了 34%。这个进步幅度在国产大模型里相当罕见——很多模型迭代半年能提升 5 个点就不错了。
更值得关注的是 ClawEval pass³这个评测，Hy3 拿到了 68.5 分。这个分数超过了 DeepSeek V4 Pro 的 62.4 和 Qwen 3.7 Max 的 65.2。在 BrowseComp 上，Hy3 的 84.2 分跟 GPT-5.5 的 84.4 几乎打平。
我觉得这组数据反映了一个趋势：在 Agent 和工具调用这个方向上，国产模型正在快速逼近国际水平。而且这种逼近不是靠堆参数堆出来的，是靠工程优化、MoE 架构设计、还有对真实场景的理解。
Hy3 用的是 MoE 架构，总参数 295B，激活参数只有 21B。这意味着它不是"什么都会但什么都不精"的笨办法，而是在专家路由上做了很多功课。256K 的上下文窗口也是实用主义的体现——够长，但不会为了"最长"去牺牲推理质量。
说实话，看到 Agent 能力的数据，我对国产模型的信心比之前强了不少。但紧接着我就看到了第三个数字。
38.7 vs 85.4：那堵还没翻过去的墙
MathArena Apex，这个评测专门测数学推理能力。
混元 Hy3 的得分是 38.7。而 GPT-5.5 的得分是 85.4。GPT-5.6 大概率只会更高，毕竟数学推理是 OpenAI 这几年的重点投入方向。
38.7 和 85.4 之间差了将近 47 分，这不是"差一点"，这是"差一个时代"。
而且这不是 Hy3 一家的问题。Qwen 3.7 Max 在同项评测中拿到 44.5，同样远低于 GPT-5.5。换句话说，纯推理能力上的差距是国产模型的集体短板，不是某一家掉队。
这个差距到底意味着什么？
对于日常的文本生成、Agent 任务、信息检索、代码辅助这些场景，数学推理能力不是瓶颈。38.7 和 85.4 的区别，在大多数商业应用里感知不到。你用 Hy3 写文案、做客服、管理日程、处理文档，完全不会觉得"推理不够用"。
但如果你在做前沿研究、复杂证明、或者任何需要深度逻辑链的任务，这 47 分的差距就是一堵实实在在的墙。而且这堵墙不是靠优化路由策略或者加长上下文能翻过去的，它背后是基础研究、训练范式、数据质量的综合差距。
这是我觉得最需要坦诚面对的地方。Hy3 在实用场景上做得很好，但"实用"和"前沿"之间还有很长的路。
真正的问题不是谁赢
回到最初那顿饭的话题。
我朋友最终的选择是把主要调用量切到 Hy3，只在特别复杂的推理场景保留 GPT-5.6。他说了一句让我印象很深的话："我不需要一辆 F1 赛车来买菜，但我也知道我的五菱宏光跑不了纽北。"
这大概就是目前 GPT-5.6 和混元 Hy3 之间最真实的关系。它们不是在同一赛道上竞争的对手，而是在服务不同层次的需求。
GPT-5.6 走的是能力天花板的路线。Sol 版本定价很高，但确实给出了目前最强的综合表现。OpenAI 的思路很清晰：我给你最好的，你愿意为"最好"付多少钱就付多少。
混元 Hy3 走的是实用主义路线。用 1/30 的价格覆盖绝大多数真实场景，在 Agent 能力上快速追赶，同时在极限推理上坦承差距。这种策略对于国内的企业和开发者来说，实际意义远大于"最强模型"的名头。
三个数字，三种信息。30 倍的价差告诉你的是商业现实，72% 到 90% 的提升告诉你的是国产模型的进步速度，38.7 vs 85.4 的落差告诉你的是基础研究的客观差距。
这三件事同时成立。没有任何一个是假的，也没有任何一个能单独定义"谁更有前景"。
如果非要给一个判断，我的看法是：对于 90% 正在做 AI 应用落地的人来说，混元 Hy3 代表的实用主义路线，比 GPT-5.6 代表的能力至上路线更有前景。不是因为 Hy3 更强，而是因为更便宜的模型能让更多场景跑起来，能跑起来的场景越多，整个生态就越繁荣。
但那剩下 10% 的差距——数学推理、前沿探索、理论突破——恰恰是决定天花板高度的东西。Hy3 跑得再快，这堵墙也得有人翻。至于翻墙的人是谁，现在还真不好说。