已过期60% 置信基准精确时间
在SWE-Bench Pro上，HY3以57.9分反超DeepSeek V4 Pro的55.4分
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(已过期)
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 Multilingual测试中，HY3得分75.8，略微落后于DeepSeek V4 Pro的76.274% 相似待验证在SWE Bench Pro等智能体编程基准中，Qwen 3.8据称在部分项目上超越了Opus 4.6 Max68% 相似待验证在 SWE-bench Pro 基准上，Qwen3 Coder 模型得分 61.7，而 Opus 4.6 MAX 为 53.468% 相似待验证在BU Bench V1上，4B参数的SFT模型超越了DeepSeek V4 Pro和Kimi K2.6在开源Browser Use框架下报告的45%成绩67% 相似待验证在Terminal Bench跑分上，DeepSeek V4 Pro得87.9分，Claude Opus 4.8得85分66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/495159API
curl https://kongchang.com/api/v1/knowledge/claims/495159MCP
get_claim(id=495159)