我在WorkBuddy里用Hy3写东西，总觉不如DeepSeek顺手。刚开源的Hy4 preview能补短板吗？扒了一圈数据说点实在的。

先看Hy3弱在哪。它295B总参、21B激活、256K上下文，办公整合和Agent能力不弱，ClawEval 68.5分仅次于Claude Opus 4.8。

但一到内容生成就露怯，实测续写《三体》风格科幻，文风保守、比喻贫乏，被Qwen3.6甩开。代码也平庸，DeepSWE只有28分，MathArena 38.7分不到GPT-5.5一半。说白了，专家全堆在办公、工具调用上，缺"创意表达"这根筋。

Hy4 preview就是冲着补齐这些来的。参数翻到770B/49B，上下文从256K拉到1M，12项基准全超Hy3。

最猛的是DeepSWE从28分直接翻倍到64.3，Terminal Bench 2.1拿下85.4分，追平Claude Opus 5。

腾讯163名专家盲测203个工程任务，Hy4均分2.99略高于GLM-5.3和Kimi K3。实测生成650行待办App，配色注释一次给全，Hy3那种丢三落四少了。

但我要泼盆冷水。Hy4这代的钱和算力全砸在代码、长文档、Agent上了，官方公布的全是工程向跑分，没一项文风、创意的硬数据，而写东西好不好恰恰最难用跑分衡量，得靠人读。

发布当天第三方独立实测为零，全是腾讯自述口径。它的已知问题还写着"会过度思考、自我验证"，说白了容易啰嗦、反应慢。何况价格贵了4倍，输入6元对1元。

WorkBuddy里Hy4已经能选，限时免费到9月10日，Hy3免费期也延到9月30日。我建议别信发布会数字，免费期内拿你平时最常干的活——写方案、改文案、长文档总结——各跑两周看手感和成本。模型像人，跑分是体检报告，好不好用得上手才知道。

你会把Hy4切过来实测两周吗？还是觉得免费的Hy3够用了？
秋日生活打卡季workbuddy使用心得 Agent ai办公 腾讯混元