Hy4 preview 评测详情
Hy4 preview 当前已收录的代表性评测结果包括 HLE（15 / 185，得分 55.40）、SWE-Bench Pro - Public（6 / 59，得分 65.70）、GPQA Diamond（24 / 226，得分 92.30）。本页还提供与 3 个竞品模型及 2 个前代或同系列模型的对比，在有数据时会展示性能和价格视图。并附有 1 个数据来源链接供参考。
评测结果
Hy4 preview
评测结果
编程与软件工程
共 7 项评测评测名称 / 模式
得分
排名/总数
AI Agent - 工具使用
共 6 项评测评测名称 / 模式
得分
排名/总数
Agent能力评测
共 3 项评测评测名称 / 模式
得分
排名/总数
竞品对比
Hy4 preview 与同类主流模型的评测得分对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
12 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。
| 评测项 | Hy4 preview当前 | GLM-5.3 | DeepSeek-V4-Pro | Kimi K3 |
|---|---|---|---|---|
CritPt 综合评估 | 16.90思考水平·高 | -- | -- | 23.40思考水平·高 |
HLE 综合评估 | 55.40思考水平·高 ｜ 工具 | 62.50思考水平·高 ｜ 工具 | 48.20思考水平·极高 ｜ 工具 | 56.00思考水平·高 ｜ 工具 |
GPQA Diamond 科学与综合推理 | 92.30思考水平·高 | -- | 90.10思考水平·高 | 93.50思考水平·高 |
DeepSWE 编程与软件工程 | 64.30思考水平·高 ｜ 工具 | 66.90思考水平·高 ｜ 工具 | 62.70思考水平·极高 ｜ 工具 | 67.50思考水平·高 ｜ 工具 |
NL2Repo-Bench 编程与软件工程 | 58.90思考水平·高 ｜ 工具 | 58.00思考水平·高 ｜ 工具 | 61.50思考水平·极高 ｜ 工具 | -- |
PostTrain Bench 编程与软件工程 | 35.60思考水平·高 ｜ 工具 | 39.80思考水平·高 ｜ 工具 | -- | 36.60思考水平·高 ｜ 工具 |
Program Bench 编程与软件工程 | 17.50思考水平·高 ｜ 工具 | 19.00思考水平·高 ｜ 工具 | -- | 77.80思考水平·高 ｜ 工具 |
SWE-bench Multilingual 编程与软件工程 | 82.90思考水平·高 ｜ 工具 | -- | 76.20思考水平·极高 ｜ 工具 | -- |
SWE-Bench Pro - Public 编程与软件工程 | 65.70思考水平·高 ｜ 工具 | -- | 55.40思考水平·极高 ｜ 工具 | -- |
SWE-Marathon 编程与软件工程 | 31.90思考水平·高 ｜ 工具 | 42.50思考水平·高 ｜ 工具 | -- | 42.00思考水平·高 ｜ 工具 |
AutomationBench AI Agent - 工具使用 | 32.10思考水平·高 ｜ 工具 | 48.20思考水平·高 ｜ 工具 | 31.80思考水平·极高 ｜ 工具 | 30.80思考水平·高 ｜ 工具 |
CyberGym AI Agent - 工具使用 | 78.40思考水平·高 ｜ 工具 | 84.50思考水平·高 ｜ 工具 | 83.30思考水平·极高 ｜ 工具 | -- |
其余 8 个 benchmark 仍可在上方图表中查看。
Hy4 preview 与同类模型的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。
这些模型的价格币种或计费单位不一致，暂不直接绘制统一柱状图，以下展示原始价格。
Hy4 preview
供应商: 腾讯AI实验室
标准输入: ¥6 / 1M tokens
标准输出: ¥18 / 1M tokens
DeepSeek-V4-Pro
供应商: DeepSeek-AI
标准输入: $0.435 / 1M tokens
标准输出: $0.87 / 1M tokens
Kimi K3
供应商: Moonshot AI
标准输入: ¥20 / 1M tokens
标准输出: ¥100 / 1M tokens
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Hy4 preview | 腾讯AI实验室 | ¥6 / 1M tokens | ¥18 / 1M tokens | — |
DeepSeek-V4-Pro | DeepSeek-AI | $0.435 / 1M tokens | $0.87 / 1M tokens | — |
Kimi K3 | Moonshot AI | ¥20 / 1M tokens | ¥100 / 1M tokens | — |
历代版本对比
Hy4 preview 系列各版本的评测成绩纵向对比
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示；百分制评测使用原始高度，超出 0-100 的评测按该评测内相对比例缩放，标签仍保留原始分数。
7 项可对比评测得分汇总。每个模型展示最佳得分，模式在分数下方标注。· 点击任意行可切换下方趋势图。
| 评测项 | Hy4 preview当前 | Hy3 |
|---|---|---|
HLE 综合评估 | 55.40思考水平·高 ｜ 工具 | 53.20思考水平·高 ｜ 工具 |
GPQA Diamond 科学与综合推理 | 92.30思考水平·高 | 90.40思考水平·高 |
DeepSWE 编程与软件工程 | 64.30思考水平·高 ｜ 工具 | 28.00思考水平·高 ｜ 工具 |
SWE-bench Multilingual 编程与软件工程 | 82.90思考水平·高 ｜ 工具 | 75.80思考水平·高 ｜ 工具 |
SWE-Bench Pro - Public 编程与软件工程 | 65.70思考水平·高 ｜ 工具 | 57.90思考水平·高 ｜ 工具 |
MCP-Atlas AI Agent - 工具使用 | 83.70思考水平·高 ｜ 工具 | 79.10思考水平·高 ｜ 工具 |
Terminal-Bench 2.1 AI Agent - 工具使用 | 85.40思考水平·高 ｜ 工具 | 71.70思考水平·高 ｜ 工具 |
单评测历史趋势图
当前查看：HLE · 综合评估
选择评测
Hy4 preview 所在系列的标准 API 价格对比
按模型并排展示标准文本输入价与输出价；若存在超长上下文加价，仅保留阈值内标准价，并在下方说明适用范围。
数据来源：DataLearnerAI，展示默认供应商的标准文本价格。 · CNY / 1M tokens
若存在上下文阈值，图中标准价仅适用于以下范围：
Hy3: 标准价适用于 <= 16000
| 模型 | 供应商 | 标准输入 | 标准输出 | 标准价适用于 |
|---|---|---|---|---|
Hy4 preview | 腾讯AI实验室 | ¥6 / 1M tokens | ¥18 / 1M tokens | — |
Hy3 | 腾讯AI实验室 | ¥1.2 / 1M tokens | ¥4 / 1M tokens | <= 16000 |