待验证60% 置信基准精确时间

在SWE-Bench Multilingual测试中，HY3得分75.8，略微落后于DeepSeek V4 Pro的76.2

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/7/13

首次发现

有效期至：2026/10/11

来源

腾讯混元HY3深度评测：小体量开源模型如何逆袭大厂

bilibili硅谷神奇2026/7/7

相关事实

待验证在SWE-Bench Pro上，HY3以57.9分反超DeepSeek V4 Pro的55.4分74% 相似待验证在SWE-Bench评分中，o1的得分远高于o3-mini medium，但略低于o3-mini-high69% 相似待验证Hy3在MRCR（多轮指代消解）评测中得分从42.9%跃升至75.1%66% 相似待验证通义千问3.6在SWE-Bench测试中得分78.8分，对比Claude Opus的80.9分66% 相似待验证Qwen3-4B在多项推理类评测指标上已与DeepSeek V3或GPT-4o相差无几65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/495158

API

curl https://kongchang.com/api/v1/knowledge/claims/495158

MCP

get_claim(id=495158)