近期 DeepSeek-V4 价格上调，许多读者关注是否存在兼具高性价比与高性能的大模型替代方案。经调研对比主流模型定价：
- DeepSeek-V4-Pro：输入 3 元/百万 tokens，输出 6 元/百万 tokens；
- Qwen3.7-Max：输入约 12 元/百万 tokens，输出 36 元/百万 tokens；
- 腾讯混元 Hy3：输入 1 元/百万 tokens，输出 4 元/百万 tokens。
目前腾讯混元 Hy3 定价最低，但其核心能力，尤其是用户关注的 Coding Agent 表现尚待验证。本文将通过实测重点评估其 Agent 能力。
Hy3 大模型概况
此前已对 DeepSeek-V4-Pro、Qwen3.7-Max 及 GLM5.2 等模型进行过实测。腾讯最新推出的 Hy3 大模型重点强化了 Agent 与 Coding 能力，涵盖任务规划、工具调用及代码生成等维度。
官方评测数据显示，Hy3 在反映 Agent 能力的 BrowseComp、MCP Atlas、ClawEval 和 SkillsBench 等基准测试中表现优异：
然而，基准得分仅供参考，实际应用场景中的表现更为关键。不同大模型各具优势，需通过真实任务实测以明确其强项。
测试方法：将同一 Agent 任务分别提交给 Hy3、DeepSeek-V4-Pro 和 Qwen3.7-Max，并邀请 Gemini-3.1-Pro 和 Codex 作为裁判进行打分。
任务一：3D 飞行躲避小游戏开发
首组测试聚焦 Coding Agent 能力，选取偏向前端交互与视觉呈现的任务。提示词要求模型生成一个基于 Three.js 的单文件 3D 飞行躲避游戏，包含自动飞行、移动控制、障碍物躲避、能量收集、计分系统及难度递增等功能，且不依赖外部资源。
该任务旨在检验模型能否将复杂的前端交互需求拆解为完整模块，并一次性生成可运行、可交互且状态闭环的代码，这比单纯问答更贴近真实开发场景。
1. Hy3 实测结果
在 WorkBuddy 中选择 Hy3 模型并输入提示词：
等待生成结果：
任务完成截图：
游戏互动效果演示（GIF）：
2. DeepSeek-V4-Pro 实测结果
使用相同提示词测试 DeepSeek-V4-Pro：
生成结果截图：
运行录屏演示（GIF）：
3. Qwen3.7-Max 实测结果
使用相同提示词测试 Qwen3.7-Max：
生成结果截图：
运行录屏演示（GIF）：
该项任务的具体评分将在第四节统一公布。
任务二：Excel 数据分析微信小程序开发
第二组测试聚焦 Working Agent 能力，模拟办公生产力场景。任务要求模型基于 Excel 文件生成一个微信小程序版数据分析看板，支持文件上传、字段识别、汇总计算，并展示核心指标卡片、趋势图、分类对比图及数据洞察。
此为典型的多步骤 Agent 任务，不仅涉及代码生成，还需理解小程序目录结构，拆分页面、脚本与样式，并将 Excel 数据转换为前端适用的数据结构。
1. Hy3 实测结果
Hy3 生成的微信小程序工程文件结构：
项目结构展示：
使用微信开发者工具导入项目（Test Account）：
导入 Excel 文件并展示数据：
手机端数据可视化预览效果：
2. DeepSeek-V4-Pro 实测结果
DeepSeek-V4-Pro 生成的项目结构：
小程序启动界面及导入流程：
测试发现，DeepSeek-V4-Pro 在导入 Excel 后提示未能提取有效数据，存在明显 Bug。虽可通过后续调试修复，但此处不再展开。
3. Qwen3.7-Max 实测结果
WorkBuddy 默认未集成 Qwen3.7-Max，需手动配置 API Base 与 API Key。配置后生成的项目结构如下：
微信开发者工具中的运行效果（首页、加载页、数据概览）：
可视化图表及数据预览：
专业裁判打分分析
任务一评分：由 Gemini-3.1-Pro 对三个模型生成的 HTML 文件进行评判。
最终得分：
结果显示，Hy3 以微弱优势位列第一，Qwen3.7-Max 第二，DeepSeek-V4-Pro 第三。三者分差极小且总分均高，表明各模型在该任务上完成度优秀。
任务二评分：鉴于该任务为完整工程项目，采用 Codex 作为裁判，全面分析项目完成度。
Codex 给出的三项细分得分：
数据显示，Hy3 在"Excel 导入与解析稳定性”及“数据分析与洞察完整度”两项中夺得第一；Qwen3.7-Max 则在“可视化与交互呈现”方面表现最佳。该结果与前文实测展示情况高度吻合。
总结与建议
本次实测涵盖两个真实 Agent 场景：3D 小游戏开发（Coding Agent）与 Excel 数据分析小程序（Working Agent）。参测模型包括参数量 295B 的混元 Hy3、1600B 的 DeepSeek-V4-Pro 以及参数量超万亿的 Qwen3.7-Max。
尽管 Hy3 模型尺寸最小，但在两项 Agent 任务中的表现已追平甚至超越更大参数的竞品。结合价格因素，Hy3 的 API 成本显著更低：输入价格为 Qwen3.7-Max 的 1/12，输出价格仅为对方的 1/9。
结论：Hy3 在性能与成本之间取得了最佳平衡，性价比最为突出，适合作为高频调用的主力模型。
目前 WorkBuddy 平台已支持 Hy3 免费试用，感兴趣的开发者可立即体验：
全文共计 2065 字，配图 34 张。若本文对您有所助益，欢迎点赞、转发与在看。