7月6日，腾讯新一代大模型拳头产品Hy3上线（此前报道腾讯发布最新一代AI大模型）。
记者实测后发现，腾讯推出的“正式版”和前一代版本比，在总参数上并无变化，而是聚焦如何高效执行任务。
这也再次印证了大模型竞赛下半场的发力方向：从卷“参数”变为卷“生产力”。
元宝：聊天窗口变任务入口
Hy3第一时间接入了腾讯旗下产品。记者在元宝和WorkBuddy上进行连续测试，覆盖资料整理、PPT制作、网页开发、小程序生成等多个场景。
在此次测试过程中，变化最明显的是元宝。
此前，用户输入需求后，大模型更多输出的是一段答案。如今，只要提示词中涉及PPT、PDF、Word等文档生成需求，元宝便会自动调用相应工具，直接输出可交付的成果。
记者向元宝提出了一个最能满足自己工作需求的问题：生成一份2026年上半年A股行情回顾的PDF文件。
整个过程中，元宝先检索资料、确认统计口径、整理数据，再调用文档工具完成排版，整个任务共进行了19次工具调用。
相比部分产品只是将Word简单导出为PDF，元宝生成的文档已经具备目录、标题层级和基础排版，更接近一份正式报告。
在准确性方面，当记者输入的时间为“截至7月5日”时，由于7月5日并非交易日，元宝最终自动采用了7月3日收盘后的数据进行统计，对时间的识别较为准确。
元宝Agent算法负责人Jim表示，元宝接入Hy3后，在覆盖信息查询、数据处理、文档办公、生活决策、网页制作五大场景的内部评测中，文档生成 综合 分提升7%，网页制作与自动化脚本提升6%。
腾讯方面对Hy3正式版的官方表述是：通过进一步提升后训练的算力规模以及数据质量和多样性，Hy3在各类任务上较Hy3 preview再次跃升，以较小尺寸首次比肩国内外大尺寸旗舰模型的效果。
不过，略显不足的是，生成完成后的PPT、Word等文件暂时还不能在线编辑。如果需要修改内容，仍然要通过提示词的方式修改。
WorkBuddy：出错率下降
WorkBuddy是今年3月腾讯推出的智能体办公平台，是在当前各大平台AI竞争中，腾讯最拿得出手的产品。
腾讯此前在2026年第一季度财报中披露，以日活跃账户数计，WorkBuddy已成为中国最受欢迎的AI效率智能体服务。今年6月，腾讯进一步推出WorkBuddy企业版，继续向企业办公市场延伸。
WorkBuddy也于7月6日第一时间上线了Hy3能力。记者分别测试了在WorkBuddy上用Hy3进行网页生成、小程序开发、桌面文件整理等多个任务。
以“生成2026年以来A股行情走势网页”这一任务为例，Hy3 preview版本倾向于快速调用工具、基于模板填充示例数据。而Hy3正式版则展现出更强的Agent规划能力，先拆解检索维度，并行获取指数、行业、资金面和事件数据，主动识别到缺失7月初信息。
在生成的结果中，相比preview答案全部聚焦上半年的数据，Hy3特意补充了7月初的行情走势信息，答案更准确和完整。
同时，相比部分旗舰模型，Hy3在执行同等任务时，消耗的积分相对较少。
WorkBuddy Context Engineering负责人Elden称，相比Hy3 preview，Hy3任务解决率从72%跃升至90%，平均耗时缩短34%。
腾讯难得地主动将自家产品和竞品进行了对比。Elden说，在高频办公任务中，Hy3 token消耗显著低于GLM-5.2——文档处理节省47.4%，PPT制作节省49.0%。
“任务完成率上去了，单次消耗下来了，用户自然会把更多事情交给它。”Elden说。
不过，记者实测发现，在模型能力持续优化的同时，一些AI共性问题依然存在。例如，在生成播客行业PPT时，整体框架较为完整，但个别数据更新仍存在滞后，例如其PPT提到“岩中花述”的订阅数为387万，而最新公开数据已超过400万。
生成效率也是影响体验的重要因素。在完成PPT、PDF、Word等文档生成时，基本需要耗时超过一分钟，如果中途出现工具调用异常，还需要重新执行，等待时间进一步增加。
智能体进入“生产力”比拼
当各大公司的大模型还在聚焦跑分数据高低的时候，腾讯一直在如何将大模型转换成生产力方面努力，Hy3再次验证了这一努力方向。
这其中有被动选择的因素——腾讯混元在性能上始终处于第一梯队的尾巴位置。但同时这也符合长期以来腾讯更擅长“做好用的产品”的理念。
从Hy3看，其延续了实用、普惠的模型定位，以高性价比的价格对外提供服务，定价为输入1元/百万tokens，输出4元/百万tokens，输入命中缓存价格0.25元/百万tokens。
从数据上看，Hy3高性价比实用模型的定位开始受市场认可。从preview上线以来，腾讯混元产品的日均token消耗量增加了20倍。
事实上，无论是腾讯的Hy3，还是Kimi Work、豆包任务模式，都在尝试让模型从回答问题走向执行任务。Agent（智能体）已经成为旗舰模型竞争最明显的方向之一。
在业内看来，这一转变并非偶然。一方面，随着基础模型能力不断提升，不同模型之间的问答质量差距正逐渐缩小。此外，能够实现“类人替代”的Agent商业路径更加清晰，因为用户更愿意为生产力和结果买单。
同时，伴随Agent能力提升，coding能力也成为模型厂商强调的重点。例如此次腾讯披露的基准测试榜单，Hy3在Agentic Coding（代码）方面，全系列代码基准均有明显提升。
腾讯方面也表示，Hy3针对前端开发场景进行了深度优化，在前端需求理解、组件生成、交互逻辑编写及自动化Debug方面的可用性显著提升，旨在打造更流畅的开发闭环。
中金研究在一份报告中指出，Agent应用最关键的基础能力就是Coding和Agentic工具调用，尤其是代码能力方面，目前Agent应用实现很多场景的任务以及很多工具的调用都依赖于代码作为中间“介质”，因此基础模型的代码能力就在Agent的能力中占了很大的比重。
“AI是通过编程能力来控制世界，因此Agent能力的强弱，本质上就是AI编程能力的强弱。”有业内人士向记者表示。
