终于可以发了啊~~感谢“腾哥”给了我一个内测的名额还邀请我去北京参加活动但是比较远主要是社恐没去。但我对模型还是挺感兴趣所以我就要了内测权限这篇文章我其实早就写好了几天前一拿到手立马就开搞了测了挺多例子。因为当时模型还没发布也还没吹牛稿也挺真诚地在做内测我就不好重拳出击腾讯在模型这一块整体还是很低调的也可能是……。所以我就以一个相对平静的视角来谈谈我的感受了。但是我吐槽起来可能会刹不住见谅开始测试之前我还是有点感慨的腾讯作为互联网时代的巨头左手微信右手 QQ 近乎无敌它们家产品也是陪伴我几十年了我最早写代码就是为了做一个 QQ 这样的软件。但是在 AI 时代它们家的混元模型和元宝的能力和存在感是有点弱的一度都是靠 DeepSeek 这个外援扛大旗这段时间在产品上的攻势加强了不少WorkBuddy 的推广还是挺猛的然后新的 HY3 也要登场了。刚好趁着这个机会来体验一下然后测试一下吧我之前把阿里的 Qoder Qwen 3.7、字节的 Trae Work Seed 2.1 Pro、智谱的 ZCode GLM 5.2 全部讲过了。也是时候把 WorkBuddy HY3 这一块板给补上了。我几乎把国内外的产品都体验完了。测完之后我也有点感慨细节我就慢慢道来了。首先我会介绍一下 WorkBuddy的特点和使用方法然后在上面测试 HY3 正式版模型。1、WorkBuddy我其实很早就关注腾讯的 Buddy 系列了到现在为止安装卸载无数次了龙虾那会儿也第一时间安装了 WorkBuddy我还推荐给了那些不太懂技术的朋友但是我自己确实没怎么用因为 WorkBuddy 这种形态是当前的主流 Agent 形态所以今天的测试软件就选 WorkBuddy 了主要测试场景还是编程相关的。因为它们资料里有提到第一大亮点Coding Agent 能力大幅升级前端深度优化第二点Working Agent 通用办公能力全面拓宽第三点复杂推理与数理能力显著跃升。这些能力都是当前主流模型一直在增强改进的方向我们先从软件说起WorkBuddy 相比刚开始的时候已经完善多了体验也好了很多它们的 IP 形象也设计得很好看了。什么助理项目专家自动化一个都不缺。核心功能分成了日常办公、代码开发、创意设计三大块。小公司需要三选一而腾讯可以选择全要把用电脑的三大核心人群一网打尽。当然这里其实并不难就是提示词不一样而已它们家的软件还有一大亮点就是生态这个是谁都比不了的存在一大堆腾讯产品都可以快速接入。腾讯问卷、企业微信、腾讯会议、腾讯文档、IMA 知识库、QQ 邮箱、微信小程序。这也是它们最大的护城河也是它们不着急 ALL IN AI 的资本当然也是它们的束缚就和谷歌、苹果一样。传统行业地位太稳了对新行业缺乏进取心。如果你还从来没用过“智能体 Agent”那么 WorkBuddy 可以给你所有智能体主流功能你可以零成本上手几乎没有任何门槛。对普通人来说关键不是你用的智能体好不好而是你用没用上智能体。这就是零和一的差别先用上再说。然后我们再来讨论如何用的更好以及进一步的来探讨哪些“智能体”更好用。注意“聊天 chat”和“智能体 agent”是两个概念。我先用 30 秒介绍一下 WorkBuddy 如何使用智能体的使用非常简单在形式上其实就是和聊天是一样的。只要你把需求告诉它它就帮你调用工具操作电脑进行网络搜索读写文件最后生成文档、PPT、网页。核心步骤就是1️⃣新建任务-2️⃣选择场景-3️⃣输入需求-4️⃣点击发送-5️⃣验收结果-6️⃣提出修改意见~智能体的本质就是一个带条件的 for 循环还有一点我强调一下最好是选择一个工作空间。这是个好习惯做一件事情就创建一个文件夹作为工作空间。具体能干什么我就用三张截图来介绍吧。第一个日常办公主要针对普通的打工人只要你是坐在电脑前工作的基本上都可以归为这一类点击日常办公输入框上面就会有推荐的使用场景。比如财报分析、MD 转 PDF、竞品对比分析、项目周报转 Word。第二个是代码开发这个主要就是针对技术工作者、程序员。这里包含了日常开发、网站开发、Agent 应用、skill 开发、CI 和 CD 以及文档。每个分类下又有很多的例子。还有一个创意设计这个就是偏向于设计师。这里面包括了网站设计、PPT 设计、视觉海报、移动 App 设计、设计系统、Web App、品牌设计、图标和插画。除了上面几种模式之外他们还搞了一个专家团的概念。把某一个事情相关的所有专家都凑在一起你提一个问题之后就让这些专家帮你来干活。里面甚至还搞了个 OPC 一人公司~~还有一点值得一提啊他们的可选模型也是非常丰富的。如果这里没有的话还可以自己自定义模型。腾讯难得这么开放点赞软件的功能大概就是这些了反正应有尽有。接下来我们就讲核心问题其实上面所有的技能、专家、各种分类以及输入框上面的各种选项最终都是一段扔给大模型的提示词而已。所以最关键、最核心的问题是模型。也就是今天的主角HY3混元 3下面一部分我主要是分享软件并不包含评论。下一部分我们会聊模型。因为我一直测模型测了很多国内外的模型所以我就会相对严格一些标准高一点2、混元 3HY3 是腾讯在 2026 年 4 月 23 日左右发布的当时是 Preview 版本。官方说这是混元团队重建训练基础设施后的第一款模型主打推理、Agent、代码、上下文和指令跟随。从这个描述来看这也是他们从 Chat 模型转到 Agent 模型的一个里程碑式模型。我大致查了一下资料这也是一个 MoE 混合专家架构总参数是 295B激活参数 21B上下文是 256K。这个参数放在当下并不突出。无论是总参数量还是激活参数量还是上下文。我们可以简单找一些模型来作为参考。比如 DeepSeek V4 Pro 是 1.6T 总参数、49B 激活参数。GLM 5.2 是 744B 总参数、约 40B 激活参数上下文的话目前主流的模型都已经是 100 万上下文。这些我估计官方不会强调但这都是非常关键的一些参数这些参数比较小就很难去和那些参数大的比智力比能力。好了基础信息都讲完了下面我们来做一下实测说啥都是虚能干最重要。因为我的 work 就是 coding所以我主要是讲代码开发这一部分。一般来说如果它的编程能力很强那它日常工作的能力绝对不会差的。我已经连夜测试了几十个例子啊包括了他们官方的例子以及我自己常测的一些例子。先来看看官方给的样例一般来说官方的例子总是有优化的嘛会好一点。它们提供的第一个例子就是企业官网帮我开发一个企业官网公司名称是【xxx】主营业务是【xxx】。要求包含首页、关于我们、产品服务、联系我们页面风格简约大气。最终生成了一个纯静态的项目包含了四个页面、一个样式文件、一个 JS 文件和一个 README 文件。最终效果如下这个效果中规中矩。只是这样的样式我已经看到审美疲劳了蓝色 渐变科技行业的“复古潮流”了。简单来说就是很多大模型统一的模板风格。现在新一批的模型设计感和审美已经加强很多了。我对企业网站本身也没啥好感它第一个就放在这里~~果然是大企业心里装得全是企业用户。第二个例子是后台管理系统帮我开发一个后台管理系统用于管理【xxx】。要求包含登录页、数据看板、列表管理、表单编辑功能支持响应式布局。结果如下这个界面也没啥问题。是一个完整的登录界面。里面还有一个管理界面单看这两个界面我感觉也是中规中矩吧。但是大家注意看细节。我让它开发一个管理系统。它只是给我做了个“PPT”。它其实只做了两个静态页面这里我就要稍微吐槽一下了谁家的管理系统这么简单根本没法用啊。这种需求一般应该是动态页面会涉及到数据库和大量的业务逻辑。目前主流的模型会选择 React 来进行制作强大一点的模型会把数据库和业务逻辑都做好。如果是顶尖的模型基本上一轮下来能发 MVP 版本了。WorkBuddy 做得非常浅有点小儿科我记得十年前培训班的例子也比这个复杂一些。作为 2026 年 7 月 6 号的模型如果让它做一个内容管理系统它只是给你做两个静态页面我觉得确实有点简单。第三个例子电商网站首页。帮我开发一个电商网站首页售卖【xxxx】。要求包含轮播图、商品分类、热门商品展示、促销活动区域。结果如下确实做好了一个首页但是这个样式和内容丰富度也比较一般。我也不知道怎么评论了反正就是能用但是不出彩。第四个例子个人博客。这么比下来我比较喜欢这个例子。终于不搞蓝紫配色了这个米黄色的背景和配色整体还是比较适合博客的。当然万年不变的就是一个index.html的静态页面。我大致上看了四个例子都是这种结构可能是提示词框定了范围或者什么其它原因这些测试结果全是几个 HTML 页面很难测试出实力的。它真的是好爱用 HTML 么不管你多复杂的系统都是做几个静态的页面。如果一个完整的软件工程有 100 的工作量它大概只做了 5% 的表面工作下面的整座冰山它是一点都没动。我看了几十个测试项目它默认都是用 HTML 来做的。我也不能说它有啥问题但是只能说作风很“老派”。现在前端框架都演进成这个样子了它还只是用原始的 HTML、JS、CSS 手搓各种简单的页面。其实我也是蛮喜欢静态页面的简单依赖少。但是像一些真实的内容管理系统、电商系统它不可能只有一个静态的首页它也不可能不用前端框架的。相比而言GLM 5.2、Kimi K2.7甚至豆包 Seed 2.1 Pro它们针对这些问题都会思考很久然后做出一个功能比较完善的系统。HY3 似乎没有意识到这类问题的复杂性也可能官方提示词故意设计成简单的例子让大家比较容易体验效果不用复杂的配置和漫长的等待了。只是这种例子能测试啥东西呢 太简单了根本测不出真实的编程能力。下面就上我的例子吧。我设计了很多测试例子。大部分都是有一定难度的基本需要有一定的思考推理能力和工程实战能力才能做好。3、江湖百晓生下面我们就先来一个内容型的网站吧。这个测试需求如下我想要做一个江湖百晓生的网站。 ​ 主要是收集金庸古龙的武侠小说首先也要找到所有的小说然后是整理其中的人物、兵器、场景、武功招式。 ​ 你可以凭记忆完成也可以去网上收集所有资料需要存档然后制作武侠风格的网页。 ​ 用极具特色的方式组织展现这些内容 ​ 这是一个庞大的任务请做好计划并且打算运行很长时间。 ​ 需要保证数据的准确不要偷懒 ​这个例子主要是考验数据收集能力数据准确性子功能规划能力以及风格化设计能力。这次它终于开始动脑子了相比之前的例子这一次它跑了很久很久好像没有那么敷衍了看来是听进去了。最后的结果如下这个例子结果还可以至少没有那种一眼就可以看出来的错误。它的页面布局没有崩之前有个叫“卧龙”的布局乱得一塌糊涂。每个分类和内容都是有的配色基本上也是对的字体也是针对场景做了一些优化设计。而且它这里的数据总量还是可以的。比如一次性收集了 53 部小说385 个角色193 件兵器246 种绝学。这一点在所有测试例子中应该算是偏多的。做成这样完成度还是可以的。你如果不是追求细节直接发出去也是可以的。当然它还是铁打不动的一个 HTML 走天下坚决不用任何前端框架。然后每个板块的内容点进去看的话其实还是比较匮乏的每个角色、兵器、人物、小说点进去大概就几句话的样子。也就是说它整个静态的架子给你搭得还是看起来可以的但是里面的细节是没法看的。所以它主要就是给你做了一个 demo一页一页看起来像模像样但是真的用是没法用的。它的基础标准可能就是给你一个 demo。我的提示词里专门强调了“这是一个庞大的任务请做好计划并且打算运行很长时间。要极具特色的方式呈现” 这两点需求做得还不是很好设计方面还不能算极具特色厉害一点的模型页面设计文字描述字体设计都是有巧思的。当然就这个例子来说的话第一轮架子搭得还可以只要慢慢地完善数据也是能用的。4、天文机械表这是我最新设计出来的一个相对复杂的测试例子。这个例子一次性叠加了大量的需求既考验它的思维能力又考验它的世界知识当然也考验它的编程能力。全方位考验前沿模型在长规格约束下的综合实现能力。题目是这样的用单个 HTML 文件实现一只机械腕表风格的天文时钟纯原生实现不许使用任何库、框架或 CDN。要求 ​ 1. 主表盘读取本地系统时间秒针平滑扫秒使用 requestAnimationFrame 驱动且长时间运行不得累积漂移切到其他标签页再切回来时指针必须立即校准到正确时间。 ​ 2. 包含一个月相小表盘根据当前日期计算并显示月相连续变化公式需要自行实现精度要求误差控制在 1 天内。 ​ 3. 包含一个可用的计时码表通过子表盘指针显示支持开始、暂停、继续、归零与计圈lap按钮在任意顺序点击都不能出现状态错误。 ​ 4. 日期窗显示当前日期正确处理大小月与闰年。 ​ 5. 包含昼夜 / 日出日落指示用户可在三到四个预设城市之间切换并根据经纬度现场计算当地日出日落时刻。 ​ 6. 页面需要响应式并尊重 prefers-reduced-motion开启时秒针改为跳秒并关闭装饰动画同时为各表盘补充 ARIA 标注。 ​ 7. 整体视觉要像一只真实的高级腕表而不是普通练习作业。 ​ 只输出最终代码不要解释。 ​ ​ 保存到当前目录下一个单独的子文件夹中 ​开发结果如下看到这个截图你们思考几秒钟。这个页面最大的问题是什么它没有指针它没有时分秒这个最关键的东西。仔细观察就会发现它的指针应该是错位了跑到左上角去了。这个问题还是挺大的一个问题核心元素错位了。下面我考一考它的修复能力。我把问题描述了一下让它修复。很快就修复成功了这个修复能力还可以我们再来看的话这个例子就比较完整了。首先基础的时钟已经有了它的时分秒指针现在应该是准确的。其次它四个地区也是有的北京、伦敦、纽约、东京。点击这个地区它小表盘上的指针是会进行相应的切换的。然后它的计时功能也是正常的开始计圈、归零、重置这些按钮都是正常的。一个 60 秒的表盘一个 1 小时的表盘都能正常走。最后是月相部分HY3 这次居然是对的而且比较精准。它在右边的地方是有一个小小的阴影的不是完整的亮面。这一点是和当前的月相一致的。不知道为什么在月相部分之前很多测试的例子它们都是有问题的要么就是比例不对要么就是画反了亮暗搞错了。总的来说这个例子居然还是可以的当然按我们的测试标准来说我们还是以第一次为准因为大家都是一样的标准。它首次之所以定位没有定对那肯定是证明它某项能力还有所缺失。我感觉他官方那几个例子搞得太敷衍了还不如用我这几个例子能充分激发它的潜力。5、坦克大战动脑子实在是太累了我们来个轻松的。让它也帮我们做一个坦克大战。目前这个例子最佳纪录保持者是 Fable 5一次性搞出了一个像模像样的坦克大战。这次的开发需求是这样的帮我写一个网页版的坦克大战吧玩法和界面可以参考经典版要实现前面的10关。要能够正常通过每个关卡没有明显bug如果你不理解这个游戏规则可以先检索如果你已经知道了就直接开干你只有一次机会希望你好好把握不要小看这些老游戏所有能火的经典的游戏它内部都含有了大量的规则和细节。然后它的开发结果是这样的我大致玩了一下它这个基础的移动射击操作是没有太大问题可以正常过关也可以正常挂掉。但是它的出兵逻辑、敌方坦克的运行轨迹以及砖墙消失的逻辑是有问题的。另外它的所有细节还原度不太行的。就感觉像是一个新的坦克游戏。整体来说大概是在中等水平吧。6、前端 9 考一般模型出来我都会用九个前端题目试试它们的深浅。这些题目都是思维能力和某个特定技术点的结合。而且结果很直观好坏很容易分辨。测试 HY3 实在是“太爽了”别人要搞几分钟、几十分钟来思考和校验它居然几十秒就自信地交卷了。当然结果可想而知比如这个 3D 太阳系还没产生就已经毁灭了这个无限流冒险还没开始就嗝屁了它的开始和帮助按钮无效这个例子是它思考最久的大概用了五六分钟。然后按钮用不了。还好直接输入文字可以使用。但是它的整个选项也比较敷衍大量的选项是“继续向前走”还有一个它思考了第二久的例子也“狗带了”。这个例子花了 3 分 27 秒。直接出现 bd 未定义的错误这种属于基础的低级错误了。其余例子大概都在一分钟内搞定的。神奇的是那些例子好像也没啥错误也不是不能看。虽然不优秀但是快是真的快啊几秒钟搞定了……因为上面的例子我是接入 CC 来测试的用 Claude Code 测一波是我的习惯。我怀疑可能是它对 CC 的兼容不好。所以我又用 WorkBuddy 测了一次。这一次整体来说速度还是比较快的结果有所改善基础错误少了一些。但是呢它的每一个结果都不算突出中规中矩。五子棋这个例子还是有问题你看它的棋子是怎么排列的每下一次它的棋子都会自动移位你根本不知道下了个啥。第二次跑的 3D 太阳系也不是很理想2D 扁平感比较强。再比如这个赛博朋克版清明上河图。它的人形都出来了但是全是阿飘位置关系有问题。整个画面上的元素还是偏抽象画面感不算混乱但是自己和还不够丰富也没有深入融合“赛博朋克和清明上河图”的元素。其中比较让我惊喜的可能是它的 CSS 山水画它这个画的优点是它里面的物体的形态比较完整。树是树凉亭是凉亭一眼能看出来没有错误没有太抽象。然后左边的一句“空山新雨后天气晚来秋”配上右上角的红日和右下角的那个“墨”字整体氛围还可以。这些远山如果能更柔和一点上面那几只鸟能正常一点就比较完美了。好像篇幅已经有点长了。鉴于时间和精力有限测试例子就大概分享这些我先说一下我整体的感受WorkBuddy HY3 作为一个大众的工具来讲那应该是够用的。它的能力也并不是说很差上面也测试了很多场景它也都是能做的。就是做得好一点差一点有波动。对大部分没有接触过智能体的人来说肯定还是有用的。模型方面的话我其实很早以前就在它们的 CodingPlan 测试这个模型的前代产品HY3 的能力比我想象中的要强一些但是如果你已经用了很多 Agent 工具和模型你比较追求顶尖的工具。以这个标准来讲的话是看不到太多亮点的。就是当你看过了全世界最厉害的智能体 模型之后你就很难对“表现一般”的东西提起兴趣。这是我的问题我感觉以腾讯这个级别还可以做的更好软件和模型的评价大概就是这样了。7、瞎聊几句其实测试完之后啊我想了很久这篇文章该怎么写。平时测试的模型都是基准参数很牛逼对标 Opusxx 什么的这样我比较起来很简单。但是呢我现在还不知道它对标谁以往版本即便是纸面数据好像也不是特别突出。所以如果我用很高的标准去测的话我肯定是要骂人的。但是如果用很低的标准去测的话那可能要被粉丝骂“广告”了所以呢我一直在想啊用什么来概括这次测试的感受呢我大脑中突然蹦出一个“老登”我就设计了这一张图腾哥坐拥巨大的资源但是模型能力好像也就那样它好像也不争一流也不需要那么那么努力。一家互联网公司线上产品发布还在重金搞线下活动可以报销出行相关费用哦以及之前腾讯大楼下帮人家装小龙虾的事情一方面让我觉得鹅厂果然财大气粗、理解社交的本质、理解下沉用户另一方面我又觉得有点L“登味”十足感觉这种都是上上个时代的玩法了一群人聚在那里能搞出个啥群友们别介意啊~~。而现在已经是 AI 时代了他们不缺渠道只要产品本身牛逼就胜过一切了。Anthropic 和 OpenAI 绝对不是因为擅长搞线下活动或者帮它们用户安装软件才有今天他们时至今日已经做成万亿估值的公司了好像也没见过在哪个酒店搞啥线下活动发布新产品一个推特就直接发布了。我上面也说了整体测下来就是没啥大毛病也没啥大亮点对于用户而言是完全可以用的。但是如果和顶尖公司进行横向评价的话昔日的互联网领跑者现在也就是个求稳的“老登”在假装努力地追赶新时代。论实力我完全没法和它们比但是论感觉我们的感觉也挺像。我也是一个努力在追赶新时代的“中年人”略微有差别的是我是一个只有年龄没有资源的中年人所以老登味可能还没那么重。随着生理年龄的增加感觉心态也改变了心气和锋芒也要被渐渐磨平了。我已经是一个任人拿捏的中年人了哈哈我啥都没干啊我真社恐从不主动加人和发消息 我腾哥的技术创新能力真的是远远不及……其实这一段我是完全可以不写的就可以完美收官了。但是我确实是有一些感慨和反思写到这里大家应该看得出来我肯定是拒绝了一些东西的主要是我还是没想明白一个问题写文章到底是一个乐趣还是一份工作当工作就很无趣有趣就不挣钱还想这种幼稚的问题这充分证明我还是个“小登”刚好借这个机会我也表达一下我未来的方向给自己立点小的 flag。我其实还不太认同我自己的所谓 KOL 身份我写文章的初衷就是分享一些自己感兴趣的东西。吐槽一下那些很离谱的东西。我之所以要分享 AI 大模型相关的内容就是因为我觉得这个确实是未来而且现在还是baby阶段。而我现在对每个模型的特性以及每个工具的特点已经有了一个比较全面的了解了。所以接下来我重点会跟大家分享如何使用这些模型和工具来进行应用开发、网站设计、游戏开发等等。当然如果有很离谱的虚假宣传或者真的有厉害的大模型出来我还是会和大家唠唠嗑吐槽一下或者吹一波牛逼。没想到一写就写了 8000 多个字当你真的有想法的时候就从来不缺内容