模型对比分析
逐项对比的深度分析:评测分差到底意味着什么,以及什么场景该选哪一个。
Hy4 vs Hy4 preview:加入视觉与电脑操作后提升有多大
Hy4 是腾讯 2026 年 11 月 4 日发布的正式版,在 preview(2026-08-28)基础上加入图像输入与电脑操作,最大输出 64K;两者都是 1M 上下文、价格同为 ¥6 / ¥18(国际站 $0.834 / $2.501)。5 项共同评测全部提升:APEX-Agents 75.2 对 37.1,AutomationBench 56.2 对 32.1,Terminal-Bench 4.0 44.4 对 8.08,DeepSWE 74.9 对 64.3,HLE 59.1 对 55.4。关键差别是 preview 为 Apache 2.0 开源权重,正式版权重尚未发布。
SWE-2 Flash vs SWE-2:Cognition 轻量编程模型与旗舰版差多少
SWE-2 Flash 是 Cognition 2026 年 11 月 4 日发布的轻量编程模型,276B 总参数、12B 激活,基座换成 Thinking Machines 的 Inkling-Small;SWE-2 发布于 9 月 10 日,基于 Kimi K3。6 项共同评测里 SWE-2 全面小幅领先:Terminal-Bench 4.0 27.3 对 20.0,DeepSWE 73.0 对 60.1,FrontierCode 1.1 Main 50.0 对 45.5;Flash 只在 FrontierCode 2.0 上以 24.0 对 23.78 略高。两者都只能通过 Devin 使用,没有独立 API 与公开单价。
Inkling 2 Small vs DeepSeek V4.1 Flash 1017:1M 上下文轻量档怎么选
两者都是 1M 上下文、550–590B 总参数的 MoE 低价档模型,发布时间只差三周。23 项共同评测里 DeepSeek 在终端与代理任务明显领先(Terminal-Bench 4.0 42.3 对 13.13,AutomationBench 66.64 对 45.62),Inkling 在高难知识、视觉感知与金融税务项目更好(HLE-Diamond 28.7 对 21.6,Tax Agent Bench 65.8 对 44.35)。DeepSeek 以 MIT 开放权重,谷时非缓存单价只有 Inkling 的一半。


