騰訊 HY4 預覽版 vs Kimi K3：騰訊選擇發布的盲測

騰訊 HY4 Preview 對上 Kimi K3，是此次模型發布中騰訊自行選擇的一場對決。在其內部盲測中——163 位工程師、203 項工程任務，以四分制評分——HY4 Preview 獲得 2.99/4.00，而 Kimi K3 為 2.94，騰訊的新聞標題稱之為勝利。這場勝利的細則值得仔細閱讀：HY4 Preview 在 51.2% 的任務上勝過 Kimi K3，在 7.9% 的任務上打平，並在 40.9% 的任務上落敗。10 個百分點的淨勝率確實存在，但相對於一個總參數量只有三分之一、活躍參數量不到一半的模型而言，這只是微幅領先——而且整個測試是由騰訊自己進行的。

Kimi K3 是 Moonshot 的 2.8 兆參數開放權重旗艦模型，也是有史以來發布的最大開放模型，更是自 7 月 16 日以來中國每個實驗室用以衡量比較的參考基準。騰訊之所以選擇它作為對手，正是因為它是開放權重的標準——這使得本文的任務格外具體：閱讀挑戰者自願提出的這一場正面對決，並自行判斷其價值。

騰訊選擇發布的基準測試

盲測是由騰訊自家的工程師在騰訊自家的工程任務上評分的，這正是首先需要打折扣的地方。由公司自行挑選的任務集，恰好是新模型能展現最佳表現的環境。即使退一步說，結果的形態仍具參考價值：51.2% 的勝率對比 40.9% 的敗率，差距並不算大；而 7.9% 的平手率則表示兩者在大多數任務上表現旗鼓相當。在那些困難任務上——也就是前沿模型真正拉開差距的地方——差距依然出現在一貫的位置。而騰訊那句「略勝 Kimi K3」的標題用詞誠實，這可不是每個實驗室都會這樣發布的。

規模並非宿命

參數的比較會讓結果要嘛令人印象深刻，要嘛令人起疑，取決於你抱持的先驗信念。Kimi K3 總參數達 2.8 兆，活躍參數 1,040 億——共 896 個專家，每個 token 啟動 16 個——而且它經過訓練，推理功能始終開啟，並暴露思維鏈。HY4 Preview 總參數 7,700 億，活躍參數 490 億，總規模僅為前者的三分之一，活躍算力更不到一半。較小的模型在盲測中以小幅優勢擊敗較大的模型，這正是整個開放權重領域一直以來的發展趨勢——Qwen3.8-Max（2.4T）與 GLM-5.2（753B）幾個月來一直在智能體基準測試上互有勝負——因此這個結果可信而非荒誕。但關鍵的是，除了騰訊內部，外界尚未有人驗證過這項結果。

計分板

• 規模 — HY4 Preview 770B 總參數 / 49B 啟用參數 對比 Kimi K3 2.8T 總參數 / 104B 啟用參數

• 背景 — HY4 Preview 超過 1M tokens，與 Kimi K3 的 1M tokens 相比

• 每1M的價格 — HY4 Preview 輸入 ¥6 / 輸出 ¥18（約 $0.85 / $2.50）對比 Kimi K3 輸入 $3.00 / 輸出 $15.00，快取命中 $0.30

• 模態 — HY4 Preview 純文字 vs Kimi K3 原生圖像與影片輸入

• 推理 — HY4 預覽版沒有已發布的模式，而 Kimi K3 則始終開啟推理並串流思維鏈

• 獨立評分 — HY4 Preview 無評分，Kimi K3 AA 智能指數 57，發佈時全球前三

在雙方都有回報數字的列上，模型表現會聚集在一起。騰訊在 APEX-Agents 上回報 HY4 Preview 為 37.1，基本上與 Kimi K3 的 37.2 持平——這是盲測計分板會預測到的接近平手。就我手上的資料而言，HY4 Preview 的 Toolathlon-Verified 74.1 和 DeepSWE 64.3 沒有 Kimi K3 的對應分數，而 Kimi K3 的 FrontierSWE 81.2、ProgramBench 77.8 和 BrowseComp 91.2 也沒有 HY4 Preview 的對應分數。計分板誠實地顯示這兩張計分卡幾乎沒有重疊，這本身就是一個警告：不要把任何一家廠商的列當作對該模型的完整描述。

視野是最大的真正差異。

對於今天要在兩者之間做出選擇的開發者來說，結構性差距不在於智慧程度——而在於輸入模態。Kimi K3 原生支援多模態：它透過 MoonViT-V2 編碼器接收影像與影片輸入，並且是視覺任務上最出色的開源模型之一，在 vision arena 上全球排名第二。騰訊 HY4 Preview 在此預覽版中僅支援純文本，騰訊也表示視覺功能必須等到完整版發布。任何需要截圖、UI 理解或視覺定位的工作負載，預設都會落在 Kimi K3 身上，無論盲測對工程文本的評價如何。如果你的工作純粹是程式碼、文件和終端輸出，這個差距就無關緊要；一旦任務涉及「觀看」某樣東西，它就決定了勝負。

成本問題

以 token 計價，HY4 Preview 便宜得多：約 $0.85/$2.50，對比 Kimi K3 的 $3.00/$15.00；快取命中時為 ¥0.3（約四美分），對比 $0.30。但兩者的 token 行為恰好相反，因而縮小了差距。Kimi K3 始終進行推理並串流輸出思維鏈，這使得每次請求的輸出 token 大幅膨脹；評測者指出該模型較慢——約每秒 62 個 token——且在 agent 迴圈中 token 消耗較高。HY4 Preview 根據騰訊自家的發布說明，在複雜任務上「傾向於過度冗長的思考與過度的自我驗證」。兩者都多燒輸出 token；HY4 Preview 只是收費較低。公平的比較方式是每完成任務的成本，而騰訊以外尚未有人測量過 HY4 Preview 的這項數據。

裁決

Tencent HY4 Preview 是較便宜、較小、未經驗證的挑戰者，聲稱在盲測中略勝開放權重標準；Kimi K3 是較大、經驗證、具視覺能力的現任者，每個 token 的費用高出四到五倍，且有獨立的 Intelligence Index 57。兩者的基準測試卡都不是完全獨立——Kimi K3 的頭條分數同樣由 Moonshot 自家報告，不過其 Index 57 則非如此。如果你工作負載屬於多模態，Kimi K3 是這個對決中唯一的選擇。如果是純文字和工程用途，HY4 Preview 是划算之選，其名下有真實、雖由廠商主導的對比測試；而省錢的做法是讓 Kimi K3 走生產金鑰——它在 OrcaRouter 上以 Moonshot 的 $3.00/$15.00 定價上線，不加價轉發——同時透過 Tencent 自己的 API 在影子工作負載上執行 HY4 Preview。當 HY4 Preview 登上路由器時，同一個金鑰和同一套容錯轉移規則將同時承載兩者，而 Tencent 的 ¥6/¥18 費率也會原封不動地轉發。

看什麼

• 獨立重跑盲測任務。51.2% 的勝率是本次發布中最可檢驗的主張，第三方測試框架可在一週內定論。

• HY4 Preview 是否會在完整版 Hy4 發布之前率先推出 vision 功能。這正是能將這場純文字的價值對決，轉變為真正的旗艦之戰的關鍵所在。

• 在標準代理型框架上，每個完成任務的成本。兩種模型都消耗大量 token；誰能以較低成本完成每項任務，誰就在生產應用上勝出。

• Kimi K3 對價格壓力的回應。如果 Moonshot 降低 15 美元的輸出費率，「廉價挑戰者 vs 昂貴標準」的框架就會翻轉。