腾讯混元 Hy3 首发 WorkBuddy 实测：小参数越级战力，打造高性价比 Agent 生产力方案

AI办公工具智能体平台零代码工具工作流自动化技能封装文件自动整理智能数据分析工作流搭建工具调用架构优化模型性价比端侧部署

2026-07-07 20:53

166 浏览

0 点赞

AI 速览

腾讯混元 Hy3 大模型首发登陆国产 Agent 工具 WorkBuddy，主打小参数高性价比生产力方案。核心事实 - 技术底座：采用 MoE 稀疏激活架构，总参 295B，单次仅激活 21B，推理成本大幅降低 - 性能表现：在 SWE-bench Pro 等基准测试中对标 DeepSeek V4 Pro 等大模型，部分指标反超 - 落地载体：依托 WorkBuddy 平台，内置腾讯问卷等本土化插件，支持自然语言调度工具 - 场景实测：覆盖办公行政（自动生成问卷）、开发创作（视频/修图工具生成）、信息蒸馏等场景 - 成本优势：上线初期两周免费，后续积分消耗仅为同类模型的 60%-70% 价值点为追求低成本、高落地性的日常办公与开发任务提供了一款经过实测验证的高性价比 Agent 选型。

近日腾讯混元 Hy3 大模型正式首发登陆国产 Agent 工具 WorkBuddy，依托 MoE 稀疏激活架构，以 21B 的激活参数实现对标大参数模型的能力表现，配合 WorkBuddy 的工具调用生态与本土化插件，覆盖办公、开发、信息分析等多元真实工作场景。产品上线初期开放两周免费体验，凭借低推理成本与稳定的落地能力，成为日常 Agent 任务的高性价比主力选型。

腾讯混元 Hy3 首发 WorkBuddy 实测：小参数越级战力，打造高性价比 Agent 生产力方案

一、技术路线：小激活参数实现越级对标

混元 Hy3 采用 MoE 架构，总参数 295B，单次激活参数仅 21B。

对比同赛道主流产品，DeepSeek V4 Pro 总参数达 1.6T、GLM 5.2 总参数 744B，Hy3 仅用对方四分之一到五分之一的参数体量，就在 SWE-bench Pro、Terminal Bench 2.1、BrowseComp 等编程、终端、浏览类核心基准测试中与大模型打得有来有回，部分指标实现反超。

这条 “以小博大” 的技术路线，核心价值是在保障任务能力的同时大幅降低推理成本，让复杂 Agent 任务的调用成本显著下降，跳出了 “能力提升必堆参数” 的行业惯性，为大模型规模化落地提供了更具性价比的路径。

二、落地载体：WorkBuddy 生态赋能全链路 Agent 能力

Hy3 选择国产头部 Agent 工具 WorkBuddy 作为首发平台，并非简单的模型接入，而是深度适配了 Agent 的自主规划、工具调用、错误修复全流程能力，结合平台丰富的本土化插件生态，实现模型能力到真实工作流的落地。

平台内置腾讯问卷、开发框架、数据处理等多类连接器，支持自然语言直接调度第三方工具，无需用户手动配置接口。上线前两周开放全量免费体验，复杂 Agent 任务不消耗积分，大幅降低用户测试门槛；免费期结束后，同等任务的积分消耗仅为同类大模型的 60%-70%，长期使用的成本优势十分突出。

三、多场景实测：覆盖办公开发的全维度生产力验证

通过四类真实工作场景实测，Hy3 与 WorkBuddy 的组合展现了稳定的落地执行能力。

办公行政场景中，上传包含 37 栋建筑信息的 Excel 表后，Agent 先确认问卷结构与分页逻辑，再调用腾讯问卷接口自动生成含 120 道题的完整调研问卷，全程仅十余分钟，效率远超人工录入。

开发创作场景展现了灵活的工程能力：零代码实现音乐可视化视频，基于 Remotion 框架自主编写节拍分析程序，多轮迭代优化卡点与运镜效果，生成完整的钢琴曲音符动态视频；

定制化修图工具仅需一句话需求，就能生成单页 HTML 离线工具，覆盖尺寸规范、批量压缩、水印添加、多模式拼图等核心功能，可替代付费修图软件的高频需求。

信息蒸馏场景实现了全流程自动化：自主抓取 600 条投资博主历史推文，提炼出 5 个核心投资心智模型并封装为可复用 Skill，最终搭建每日自动更新的股票监控任务，完成从数据采集到框架沉淀再到自动化运行的完整闭环。

四、价值总结：本土化 Agent 的高性价比主力选型

整体来看，混元 Hy3 的核心意义并非刷新跑分榜单，而是验证了小激活参数模型在 Agent 场景的实用价值。对于绝大多数日常办公、开发、信息处理任务，它的能力完全可以覆盖，同时具备显著的成本优势，更适合作为日常生产力主力。配合 WorkBuddy 的本土化工具生态，它在对接国内办公软件、适配国内用户工作流的场景中，比海外大模型更具落地便利性。

这条技术路线也证明，大模型落地不必盲目追求参数规模，够用、好用、用得起才是生产力工具的核心标准。用户可趁免费体验期结合自身真实需求测试，找到适配自身工作流的 AI 效率方案。

好文章，需要你的鼓励

# 数据清洗步骤生成提示请根据以下数据描述，生成一套完整的数据清洗步骤。数据清洗应包括但不限于：缺失值处理、异常值检测与处理、重复数据识别与去重、数据格式标准化、字段一致性校验等环节。 ## 输入要求 - 提供清晰的数据结构说明（如字段名、数据类型） - 描述数据中存在的问题（如缺失、错误格式、异常值等） - 说明数据用途或分析目标（可选，但有助于定制清洗策略） ## 输出要求 - 分步骤列出清洗操作 - 每个步骤需说明目的和具体方法 - 如适用，提供伪代码或工具建议（如Pandas、OpenRefine等） ## 示例输入【数据描述】一份电商用户行为日志，包含字段：user_id（字符串）、event_time（时间戳）、event_type（字符串，取值应为'click'/'cart'/'purchase'）、product_id（整数）、price（浮点数）。已知存在部分user_id为空、event_time格式不统一、price出现负值等问题。 --- 【数据描述】