腾讯 Hy3 编程能力测评发布：实力对标 DeepSeek

本次测评聚焦 Claude Code 这一终端 AI 编程工具在中文软件工程场景下的实际表现，围绕多个主流大模型在真实代码任务中的综合能力与调用成本，进行系统化的软件工程（SWE）能力评估。

腾讯 Hy3 模型已加入本次测评，与其他主流模型同台竞技。每道工程问题均需驱动模型开展 40–75 轮多轮对话交互，逐步完成代码分析、修改与验证。

相关文章链接：

左右滑动查看更多

• 在成本层面，Hy3(high) 平均每题仅需 0.43 元，属于经济适用型定价，兼顾性能与成本，为高频调用场景提供了可持续的落地基础。
• 在推理效能方面，Hy3(high) 单题平均耗时 397.72 秒，响应速度位居前列，能够有效支撑实时编程与终端调试等对延迟敏感的开发场景。
• 在交互效率上，Hy3(high) 平均每题仅需 43.99 轮对话即可完成任务，对话迭代次数较少，无需反复修正便能完成代码分析、修改与验证，体现了较高的任务收敛效率。
• 在资源消耗维度，Hy3(high) 平均每题 Token 用量仅为 1.16 百万，算力开销控制较为出色，对云端推理资源占用更少。