终于可以发了啊~~！

感谢“腾哥”给了我一个内测的名额，还邀请我去北京参加活动，但是比较远，主要是社恐，没去。

但我对模型还是挺感兴趣，所以我就要了内测权限！

这篇文章我其实早就写好了，几天前一拿到手，立马就开搞了，测了挺多例子。

因为当时模型还没发布，也还没吹牛稿，也挺真诚地在做内测，我就不好重拳出击，腾讯在模型这一块整体还是很低调的（也可能是……）。

所以我就以一个相对平静的视角来谈谈我的感受了。但是，我吐槽起来，可能会刹不住，见谅！

开始测试之前我还是有点感慨的！

腾讯作为互联网时代的巨头，左手微信右手 QQ 近乎无敌，它们家产品也是陪伴我几十年了，我最早写代码，就是为了做一个 QQ 这样的软件。

但是在 AI 时代，它们家的混元模型和元宝的能力和存在感是有点弱的，一度都是靠 DeepSeek 这个外援扛大旗！

这段时间在产品上的攻势加强了不少，WorkBuddy 的推广还是挺猛的，然后新的 HY3 也要登场了。

刚好趁着这个机会，来体验一下，然后测试一下吧！

我之前把阿里的 Qoder + Qwen 3.7、字节的 Trae Work + Seed 2.1 Pro、智谱的 ZCode + GLM 5.2 全部讲过了。也是时候把 WorkBuddy + HY3 这一块板给补上了。我几乎把国内外的产品都体验完了。

测完之后我也有点感慨！

细节，我就慢慢道来了。

首先我会介绍一下 WorkBuddy的特点和使用方法，然后在上面测试 HY3 正式版模型。

1、WorkBuddy

我其实很早就关注腾讯的 Buddy 系列了，到现在为止安装卸载无数次了，龙虾那会儿也第一时间安装了 WorkBuddy，我还推荐给了那些不太懂技术的朋友，但是我自己确实没怎么用😄！

因为 WorkBuddy 这种形态是当前的主流 Agent 形态，所以今天的测试软件就选 WorkBuddy 了，主要测试场景还是编程相关的。

因为它们资料里有提到：

第一大亮点：Coding Agent 能力大幅升级（前端深度优化）

第二点：Working Agent 通用办公能力全面拓宽

第三点：复杂推理与数理能力显著跃升。

这些能力都是当前主流模型一直在增强改进的方向！

我们先从软件说起：

WorkBuddy 相比刚开始的时候已经完善多了，体验也好了很多，它们的 IP 形象也设计得很好看了。

什么助理，项目，专家，自动化，一个都不缺。

核心功能分成了日常办公、代码开发、创意设计三大块。

小公司需要三选一，而腾讯可以选择全要！把用电脑的三大核心人群一网打尽。（当然这里其实并不难，就是提示词不一样而已）

它们家的软件还有一大亮点，就是生态：

这个是谁都比不了的存在，一大堆腾讯产品都可以快速接入。

腾讯问卷、企业微信、腾讯会议、腾讯文档、IMA 知识库、QQ 邮箱、微信小程序。这也是它们最大的护城河，也是它们不着急 ALL IN AI 的资本，当然也是它们的束缚，就和谷歌、苹果一样。传统行业地位太稳了，对新行业缺乏进取心。

如果你还从来没用过“智能体 Agent”，那么 WorkBuddy 可以给你所有智能体主流功能！

你可以零成本上手，几乎没有任何门槛。对普通人来说，关键不是你用的智能体好不好，而是你用没用上智能体。 这就是零和一的差别！先用上再说。

然后我们再来讨论，如何用的更好，以及进一步的来探讨哪些“智能体”更好用。

注意“聊天 chat”和“智能体 agent”是两个概念。

我先用 30 秒介绍一下 WorkBuddy 如何使用：

智能体的使用非常简单，在形式上，其实就是和聊天是一样的。只要你把需求告诉它，它就帮你调用工具，操作电脑，进行网络搜索，读写文件，最后生成文档、PPT、网页。

核心步骤就是：1️⃣新建任务->2️⃣选择场景->3️⃣输入需求->4️⃣点击发送->5️⃣验收结果->6️⃣提出修改意见~！

智能体的本质就是一个带条件的 for 循环！

还有一点，我强调一下，最好是选择一个工作空间。这是个好习惯，做一件事情，就创建一个文件夹，作为工作空间。

具体能干什么，我就用三张截图来介绍吧。

第一个日常办公，主要针对普通的打工人，只要你是坐在电脑前工作的，基本上都可以归为这一类！

点击日常办公，输入框上面就会有推荐的使用场景。比如财报分析、MD 转 PDF、竞品对比分析、项目周报转 Word。

第二个是代码开发，这个主要就是针对技术工作者、程序员。

这里包含了日常开发、网站开发、Agent 应用、skill 开发、CI 和 CD 以及文档。每个分类下又有很多的例子。

还有一个创意设计，这个就是偏向于设计师。

这里面包括了网站设计、PPT 设计、视觉海报、移动 App 设计、设计系统、Web App、品牌设计、图标和插画。

除了上面几种模式之外，他们还搞了一个专家团的概念。

把某一个事情相关的所有专家都凑在一起，你提一个问题之后，就让这些专家帮你来干活。里面甚至还搞了个 OPC 一人公司~~！

还有一点值得一提啊，他们的可选模型也是非常丰富的。

如果这里没有的话，还可以自己自定义模型。腾讯难得这么开放，点赞！！

软件的功能大概就是这些了，反正应有尽有。

接下来我们就讲核心问题！

其实上面所有的技能、专家、各种分类，以及输入框上面的各种选项，最终都是一段扔给大模型的提示词而已。

所以，最关键、最核心的问题是模型。也就是今天的主角 HY3（混元 3）

下面一部分我主要是分享软件，并不包含评论。

下一部分我们会聊模型。因为我一直测模型，测了很多国内外的模型，所以我就会相对严格一些，标准高一点！

2、混元 3

HY3 是腾讯在 2026 年 4 月 23 日左右发布的，当时是 Preview 版本。官方说这是混元团队重建训练基础设施后的第一款模型，主打推理、Agent、代码、上下文和指令跟随。 从这个描述来看，这也是他们从 Chat 模型转到 Agent 模型的一个里程碑式模型。

我大致查了一下资料，这也是一个 MoE 混合专家架构，总参数是 295B，激活参数 21B，上下文是 256K。

这个参数放在当下，并不突出。无论是总参数量，还是激活参数量，还是上下文。

我们可以简单找一些模型来作为参考。

比如 DeepSeek V4 Pro 是 1.6T 总参数、49B 激活参数。GLM 5.2 是 744B 总参数、约 40B 激活参数！

上下文的话，目前主流的模型都已经是 100 万上下文。这些我估计官方不会强调，但这都是非常关键的一些参数！这些参数比较小，就很难去和那些参数大的比智力比能力。

好了，基础信息都讲完了，下面我们来做一下实测，说啥都是虚，能干最重要。

因为我的 work 就是 coding，所以我主要是讲代码开发这一部分。一般来说，如果它的编程能力很强，那它日常工作的能力绝对不会差的。

我已经连夜测试了几十个例子啊，包括了他们官方的例子，以及我自己常测的一些例子。

先来看看官方给的样例！一般来说，官方的例子总是有优化的嘛，会好一点。

它们提供的第一个例子就是企业官网：

帮我开发一个企业官网，公司名称是【xxx】，主营业务是【xxx】。要求：包含首页、关于我们、产品服务、联系我们页面，风格简约大气。

最终生成了一个纯静态的项目，包含了四个页面、一个样式文件、一个 JS 文件和一个 README 文件。

最终效果如下：

这个效果，中规中矩。

只是这样的样式我已经看到审美疲劳了！蓝色 + 渐变，科技行业的“复古潮流”了。简单来说，就是很多大模型统一的模板风格。现在新一批的模型，设计感和审美已经加强很多了。

我对企业网站本身也没啥好感，它第一个就放在这里~~果然是大企业，心里装得全是企业用户。

第二个例子是后台管理系统：

帮我开发一个后台管理系统，用于管理【xxx】。要求：包含登录页、数据看板、列表管理、表单编辑功能，支持响应式布局。

结果如下：

这个界面也没啥问题。是一个完整的登录界面。

里面还有一个管理界面，单看这两个界面，我感觉也是中规中矩吧。

但是，大家注意看细节。我让它开发一个管理系统。它只是给我做了个“PPT”。它其实只做了两个静态页面！

这里我就要稍微吐槽一下了：谁家的管理系统这么简单，根本没法用啊。

这种需求，一般应该是动态页面，会涉及到数据库和大量的业务逻辑。目前主流的模型会选择 React 来进行制作，强大一点的模型，会把数据库和业务逻辑都做好。如果是顶尖的模型，基本上一轮下来，能发 MVP 版本了。

WorkBuddy 做得非常浅，有点小儿科，我记得十年前，培训班的例子，也比这个复杂一些。作为 2026 年 7 月 6 号的模型，如果让它做一个内容管理系统，它只是给你做两个静态页面，我觉得确实有点简单。

第三个例子：电商网站首页。

帮我开发一个电商网站首页，售卖【xxxx】。要求：包含轮播图、商品分类、热门商品展示、促销活动区域。

结果如下：

确实做好了一个首页，但是这个样式和内容丰富度也比较一般。我也不知道怎么评论了，反正就是能用，但是不出彩。

第四个例子：个人博客。

这么比下来，我比较喜欢这个例子。终于不搞蓝紫配色了，这个米黄色的背景和配色整体还是比较适合博客的。当然，万年不变的就是一个 index.html 的静态页面。

我大致上看了四个例子，都是这种结构：

可能是提示词框定了范围，或者什么其它原因，这些测试结果全是几个 HTML 页面，很难测试出实力的。

它真的是好爱用 HTML 么！不管你多复杂的系统，都是做几个静态的页面。如果一个完整的软件工程有 100 的工作量，它大概只做了 5% 的表面工作，下面的整座冰山它是一点都没动。

我看了，几十个测试项目，它默认都是用 HTML 来做的。我也不能说它有啥问题，但是只能说作风很“老派”。现在前端框架都演进成这个样子了，它还只是用原始的 HTML、JS、CSS 手搓各种简单的页面。

其实我也是蛮喜欢静态页面的，简单，依赖少。但是，像一些真实的内容管理系统、电商系统，它不可能只有一个静态的首页，它也不可能不用前端框架的。

相比而言，GLM 5.2、Kimi K2.7，甚至豆包 Seed 2.1 Pro，它们针对这些问题都会思考很久，然后做出一个功能比较完善的系统。

HY3 似乎没有意识到这类问题的复杂性！也可能官方提示词故意设计成简单的例子，让大家比较容易体验效果，不用复杂的配置和漫长的等待了。

只是，这种例子，能测试啥东西呢？ 太简单了，根本测不出真实的编程能力。

下面就上我的例子吧。

我设计了很多测试例子。大部分都是有一定难度的，基本需要有一定的思考推理能力，和工程实战能力，才能做好。

3、江湖百晓生

下面我们就先来一个内容型的网站吧。

这个测试需求如下：

我想要做一个'江湖百晓生'的网站。
​
主要是收集金庸古龙的武侠小说，首先也要找到所有的小说，然后是整理其中的人物、兵器、场景、武功招式。
​
你可以凭记忆完成，也可以去网上收集所有资料，需要存档，然后制作武侠风格的网页。
​
用极具特色的方式组织展现这些内容！
​
这是一个庞大的任务，请做好计划，并且打算运行很长时间。
​
需要保证数据的准确，不要偷懒！
​

这个例子主要是考验数据收集能力，数据准确性，子功能规划能力，以及风格化设计能力。

这次它终于开始动脑子了，相比之前的例子，这一次它跑了很久很久，好像没有那么敷衍了，看来是听进去了。

最后的结果如下：

这个例子结果还可以！至少没有那种一眼就可以看出来的错误。

它的页面布局没有崩，之前有个叫“卧龙”的布局乱得一塌糊涂。

每个分类和内容都是有的，配色基本上也是对的，字体也是针对场景做了一些优化设计。而且它这里的数据总量还是可以的。

比如一次性收集了 53 部小说，385 个角色，193 件兵器，246 种绝学。这一点在所有测试例子中应该算是偏多的。

做成这样，完成度还是可以的。你如果不是追求细节，直接发出去也是可以的。

当然，它还是铁打不动的一个 HTML 走天下，坚决不用任何前端框架。

然后每个板块的内容点进去看的话，其实还是比较匮乏的：

每个角色、兵器、人物、小说点进去，大概就几句话的样子。

也就是说，它整个静态的架子给你搭得还是看起来可以的，但是里面的细节是没法看的。所以它主要就是给你做了一个 demo，一页一页看起来像模像样，但是真的用是没法用的。它的基础标准可能就是给你一个 demo。

我的提示词里专门强调了“这是一个庞大的任务，请做好计划，并且打算运行很长时间。要极具特色的方式呈现” 这两点需求，做得还不是很好！

设计方面，还不能算极具特色，厉害一点的模型，页面设计，文字描述，字体设计，都是有巧思的。

当然，就这个例子来说的话，第一轮架子搭得还可以，只要慢慢地完善数据也是能用的。

4、天文机械表

这是我最新设计出来的一个相对复杂的测试例子。

这个例子一次性叠加了大量的需求，既考验它的思维能力，又考验它的世界知识，当然也考验它的编程能力。全方位考验前沿模型在长规格约束下的综合实现能力。

题目是这样的：

用单个 HTML 文件实现一只机械腕表风格的天文时钟，纯原生实现，不许使用任何库、框架或 CDN。要求：
​
1. 主表盘读取本地系统时间，秒针平滑扫秒，使用 requestAnimationFrame 驱动，且长时间运行不得累积漂移；切到其他标签页再切回来时，指针必须立即校准到正确时间。
​
2. 包含一个月相小表盘，根据当前日期计算并显示月相连续变化，公式需要自行实现，精度要求误差控制在 1 天内。
​
3. 包含一个可用的计时码表，通过子表盘指针显示，支持开始、暂停、继续、归零与计圈（lap），按钮在任意顺序点击都不能出现状态错误。
​
4. 日期窗显示当前日期，正确处理大小月与闰年。
​
5. 包含昼夜 / 日出日落指示，用户可在三到四个预设城市之间切换，并根据经纬度现场计算当地日出日落时刻。
​
6. 页面需要响应式，并尊重 prefers-reduced-motion：开启时秒针改为跳秒并关闭装饰动画；同时为各表盘补充 ARIA 标注。
​
7. 整体视觉要像一只真实的高级腕表，而不是普通练习作业。
​
只输出最终代码，不要解释。
​
​
保存到当前目录下一个单独的子文件夹中
​

开发结果如下：

看到这个截图，你们思考几秒钟。这个页面最大的问题是什么？

它没有指针，它没有时分秒这个最关键的东西。仔细观察就会发现，它的指针应该是错位了，跑到左上角去了。这个问题，还是挺大的一个问题，核心元素错位了。

下面我考一考它的修复能力。

我把问题描述了一下，让它修复。

很快就修复成功了，这个修复能力还可以！

我们再来看的话，这个例子就比较完整了。

首先，基础的时钟已经有了，它的时分秒指针现在应该是准确的。

其次，它四个地区也是有的，北京、伦敦、纽约、东京。点击这个地区，它小表盘上的指针是会进行相应的切换的。

然后，它的计时功能也是正常的，开始计圈、归零、重置，这些按钮都是正常的。一个 60 秒的表盘，一个 1 小时的表盘，都能正常走。

最后，是月相部分：

HY3 这次居然是对的，而且比较精准。它在右边的地方是有一个小小的阴影的，不是完整的亮面。这一点是和当前的月相一致的。

不知道为什么，在月相部分，之前很多测试的例子它们都是有问题的，要么就是比例不对，要么就是画反了，亮暗搞错了。

总的来说，这个例子居然还是可以的！

当然按我们的测试标准来说，我们还是以第一次为准，因为大家都是一样的标准。它首次之所以定位没有定对，那肯定是证明它某项能力还有所缺失。

我感觉他官方那几个例子搞得太敷衍了，还不如用我这几个例子，能充分激发它的潜力。

5、坦克大战

动脑子实在是太累了，我们来个轻松的。让它也帮我们做一个坦克大战。

目前这个例子最佳纪录保持者是 Fable 5，一次性搞出了一个像模像样的坦克大战。

这次的开发需求是这样的：

帮我写一个网页版的坦克大战吧，玩法和界面可以参考经典版，要实现前面的10关。要能够正常通过每个关卡，没有明显bug，如果你不理解这个游戏规则，可以先检索，如果你已经知道了，就直接开干，你只有一次机会，希望你好好把握！

不要小看这些老游戏，所有能火的经典的游戏，它内部都含有了大量的规则和细节。

然后它的开发结果是这样的：

我大致玩了一下，它这个基础的移动射击操作是没有太大问题，可以正常过关，也可以正常挂掉。

但是它的出兵逻辑、敌方坦克的运行轨迹以及砖墙消失的逻辑是有问题的。另外，它的所有细节还原度不太行的。就感觉像是一个新的坦克游戏。

整体来说，大概是在中等水平吧。

6、前端 9 考

一般模型出来，我都会用九个前端题目试试它们的深浅。这些题目都是思维能力和某个特定技术点的结合。而且结果很直观，好坏很容易分辨。

测试 HY3 实在是“太爽了”，别人要搞几分钟、几十分钟来思考和校验，它居然几十秒就自信地交卷了。

当然，结果可想而知！

比如这个 3D 太阳系还没产生就已经毁灭了：

这个无限流冒险还没开始，就嗝屁了！

它的开始和帮助按钮无效！这个例子是它思考最久的，大概用了五六分钟。然后按钮用不了。

还好，直接输入文字可以使用。但是它的整个选项也比较敷衍，大量的选项是“继续向前走”！

还有一个它思考了第二久的例子也“狗带了”。

这个例子花了 3 分 27 秒。直接出现 bd 未定义的错误，这种属于基础的低级错误了。

其余例子，大概都在一分钟内搞定的。

神奇的是，那些例子好像也没啥错误，也不是不能看。虽然不优秀，但是快是真的快啊，几秒钟搞定了……！

因为上面的例子，我是接入 CC 来测试的，用 Claude Code 测一波，是我的习惯。我怀疑可能是它对 CC 的兼容不好。所以我又用 WorkBuddy 测了一次。

这一次整体来说，速度还是比较快的，结果有所改善，基础错误少了一些。但是呢，它的每一个结果，都不算突出，中规中矩。

五子棋这个例子还是有问题：

你看它的棋子是怎么排列的，每下一次，它的棋子都会自动移位，你根本不知道下了个啥。

第二次跑的 3D 太阳系也不是很理想，2D 扁平感比较强。

再比如这个赛博朋克版清明上河图。

它的人形都出来了，但是全是阿飘，位置关系有问题。整个画面上的元素还是偏抽象，画面感不算混乱，但是自己和还不够丰富，也没有深入融合“赛博朋克和清明上河图”的元素。

其中比较让我惊喜的可能是它的 CSS 山水画：

它这个画的优点是，它里面的物体的形态比较完整。树是树，凉亭是凉亭，一眼能看出来，没有错误，没有太抽象。然后左边的一句“空山新雨后，天气晚来秋”，配上右上角的红日和右下角的那个“墨”字，整体氛围还可以。这些远山如果能更柔和一点，上面那几只鸟能正常一点，就比较完美了。

好像篇幅已经有点长了。鉴于时间和精力有限，测试例子就大概分享这些！

我先说一下我整体的感受，WorkBuddy + HY3 作为一个大众的工具来讲，那应该是够用的。它的能力也并不是说很差，上面也测试了很多场景，它也都是能做的。就是做得好一点，差一点，有波动。

对大部分没有接触过智能体的人来说，肯定还是有用的。模型方面的话，我其实很早以前就在它们的 CodingPlan 测试这个模型的前代产品！HY3 的能力比我想象中的要强一些！

但是，如果你已经用了很多 Agent 工具和模型，你比较追求顶尖的工具。以这个标准来讲的话，是看不到太多亮点的。就是当你看过了全世界最厉害的智能体 + 模型之后，你就很难对“表现一般”的东西提起兴趣。这是我的问题！

我感觉以腾讯这个级别，还可以做的更好！

软件和模型的评价大概就是这样了。

7、瞎聊几句

其实测试完之后啊，我想了很久，这篇文章该怎么写。平时测试的模型，都是基准参数很牛逼，对标 Opusxx 什么的，这样我比较起来很简单。但是呢，我现在还不知道它对标谁，以往版本即便是纸面数据，好像也不是特别突出。

所以，如果我用很高的标准去测的话，我肯定是要骂人的。但是，如果用很低的标准去测的话，那可能要被粉丝骂“广告”了！

所以呢，我一直在想啊，用什么来概括这次测试的感受呢？我大脑中突然蹦出一个“老登”！

我就设计了这一张图！

腾哥，坐拥巨大的资源，但是模型能力好像也就那样，它好像也不争一流，也不需要那么那么努力。

一家互联网公司，线上产品发布，还在重金搞线下活动（可以报销出行相关费用哦），以及之前腾讯大楼下帮人家装小龙虾的事情，一方面让我觉得鹅厂果然财大气粗、理解社交的本质、理解下沉用户；

另一方面我又觉得有点L，“登味”十足！感觉这种都是上上个时代的玩法了，一群人聚在那里能搞出个啥（群友们别介意啊~~）。而现在已经是 AI 时代了，他们不缺渠道，只要产品本身牛逼就胜过一切了。

Anthropic 和 OpenAI 绝对不是因为擅长搞线下活动或者帮它们用户安装软件才有今天，他们时至今日，已经做成万亿估值的公司了，好像也没见过在哪个酒店搞啥线下活动，发布新产品，一个推特就直接发布了。

我上面也说了，整体测下来，就是没啥大毛病，也没啥大亮点，对于用户而言是完全可以用的。但是如果和顶尖公司进行横向评价的话，昔日的互联网领跑者，现在也就是个求稳的“老登”，在假装努力地追赶新时代。

论实力，我完全没法和它们比，但是论感觉，我们的感觉也挺像。我也是一个努力在追赶新时代的“中年人”！略微有差别的是，我是一个只有年龄没有资源的中年人，所以老登味可能还没那么重。

随着生理年龄的增加，感觉心态也改变了，心气和锋芒也要被渐渐磨平了。

我已经是一个任人拿捏的中年人了：

哈哈，我啥都没干啊，我真社恐，从不主动加人和发消息！

😭 我腾哥的技术创新能力，真的是远远不及……

其实这一段我是完全可以不写的，就可以完美收官了。但是我确实是有一些感慨和反思！

写到这里，大家应该看得出来，我肯定是拒绝了一些东西的！主要是我还是没想明白一个问题：写文章到底是一个乐趣，还是一份工作？当工作就很无趣，有趣就不挣钱！

还想这种幼稚的问题，这充分证明我还是个“小登”😄！

刚好借这个机会，我也表达一下我未来的方向，给自己立点小的 flag。我其实还不太认同我自己的所谓 KOL 身份，我写文章的初衷就是分享一些自己感兴趣的东西。吐槽一下那些很离谱的东西。

我之所以要分享 AI 大模型相关的内容，就是因为我觉得这个确实是未来，而且现在还是baby阶段。而我现在对每个模型的特性，以及每个工具的特点已经有了一个比较全面的了解了。

所以接下来，我重点会跟大家分享如何使用这些模型和工具来进行应用开发、网站设计、游戏开发等等。

当然，如果有很离谱的虚假宣传，或者真的有厉害的大模型出来，我还是会和大家唠唠嗑，吐槽一下，或者吹一波牛逼。

没想到一写就写了 8000 多个字，当你真的有想法的时候，就从来不缺内容！