北京时间11月4日，AI模型评测平台Arena.ai近日透露，腾讯混元新一代模型Hy4即将发布。该平台表示，期待新版本在Agent Arena智能体评测榜单中的表现。
Arena.ai公布的数据显示，腾讯混元此前推出的Hy4预览版已在Agent Arena榜单中取得较好成绩。在超过1.45万次真实世界智能体任务会话的评测中，Hy4预览版位列开放模型第二名、全球综合榜单第十名，仅次于开放模型Kimi K3（Max）。
具体来看，Hy4预览版的净改善率（Net Improvement）达到5.4%，Kimi K3（Max）则为6.6%，两者相差1.2个百分点。该指标用于衡量模型在真实智能体任务中带来的净效果改善。
值得关注的是，腾讯混元Hy4预览版在成本方面展现出一定优势。Arena.ai数据显示，Hy4预览版完成单项任务的中位成本约为0.26美元，而Kimi K3（Max）为0.80美元，前者成本低约68%。
凭借性能与成本之间的平衡，Hy4预览版已进入Agent Arena的帕累托前沿（Pareto Frontier），意味着其在当前评测模型中具备较强的性能与成本竞争力。
在具体能力指标方面，Arena.ai披露，Hy4预览版在确认成功（Confirmed Success）、用户赞扬与投诉对比（Praise vs. Complaint）以及命令行错误恢复（Bash Recovery）等维度的表现分别为12%、9%和7.5%。这些指标反映了模型在任务执行效果、用户反馈以及工具调用异常恢复等方面的表现。
此外，评测未发现Hy4预览版存在工具幻觉（Tool Hallucination）问题，即模型调用实际上并不存在的工具。
从任务类别来看，在开放模型中，Hy4预览版在代码（Code）和工作（Work）类别均排名第二，聊天（Chat）类别排名第三。
Arena.ai认为，Hy4预览版以相对较低的使用成本实现了具有竞争力的智能体任务表现，对开源模型生态具有积极意义。
目前，腾讯混元尚未公布Hy4正式版本的具体发布时间、模型参数及完整技术细节。新版本能否进一步提升智能体任务表现，以及是否延续预览版的成本优势，仍有待正式发布后验证。
【来源：凤凰网科技】
