评论区一直有小伙伴喊测评一下 WorkBuddy那今天来了带着鹅厂最新发布的混元 Hy3 模型限免两周支持近 500 步长程任务。我相信伴随着混元 Hy3 正式版的发布WorkBuddy 也将成为更多小伙伴首选的桌面 Agent。先说参数。Hy3 是一个快慢思考融合的混合专家模型MoE总参数 295B激活参数 21B最大支持 256K 上下文。内部有 192 个路由专家每次激活 top-8外加 1 个常驻的共享专家。推理力度分 no_think、low、high 三档可以按任务复杂度决定要不要展开深度思考。我们直接来小试牛刀一下用 WorkBuddy Hy3 生成一张关于 MoE 的海报图。提示词非常简单。视觉海报 设计一张混元Hy3发布的海报参数信息在这里https://mp.weixin.qq.com/s/X2x1GF09bFbTzc3M1981BQ?scene1click_id1351723181打开 WorkBuddy选择 Hy3 模型技能选择视觉海报输入提示词。WorkBuddy 会先读取微信公众号的内容提取关键信息比如说幻觉率 12.5%→5.4%、任务解决率 72%→90%、耗时 -34%、Token 效率文档 -47.4%/PPT -49.0% 等等。然后准备画布、开始设计。期间会进行必要的深度思考工具调用等。绘图完成后还会主动校验修复视觉上的错误。最后落盘。我直接从画布区域复制粘贴过来大家可以看到海报里所有的参数信息都正确无误。对了Hy3 正式版上架后有两周的免费额度需要海量Token的小伙伴一定要把握住机会啊。就我个人的使用体验来看Hy3和WorkBuddy的适配度非常高几个case 测下来代码能力和 Deepseek V4 Pro 非常接近。我设计了五个 case覆盖前端规划、工具使用、长程执行、复杂推理四个能力维度。前三条对应 Coding Agent 升级后两条对应 Working Agent 的办公主场。每个 case 的提示词我都原样贴出来大家可以在 WorkBuddy 里一字不改地复现。01、新粗野主义的前端第一个 case 测规划和前端。前端也是 Hy3 这次升级的重点。我给了 WorkBuddy 一段 Neo-Brutalism新粗野主义风格的设计提示词让它从零生成一个完整的单页网站。这个风格最近在设计圈很火特点是粗描边、硬阴影、高饱和糖果色块看起来像彩色积木拼出来的界面。提示词如下。设计一个单页网站风格走 Neo-Brutalism新粗野主义。色彩用高饱和的糖果色做主色块——柠檬黄 #FFE156、荧光粉 #FF6B9D、电光蓝 #4ECDC4、薄荷绿 #95E77E背景用奶白 #FFF8F0 或浅灰打底。每个功能区域一个主色色块之间硬切不要渐变过渡。边框与阴影所有卡片和按钮加 3px 黑色实线描边阴影用纯黑色块向右下方偏移 6px不做模糊像是积木投下的硬影子。hover 时阴影缩短到 2px模拟按下去的手感。字体标题用 900 字重的无衬线体正文用等宽字体。标题可以故意倾斜 -2° 到 3°制造手贴标签的随意感。布局用不对称网格卡片大小不一有的占两列有的只占一格。允许元素之间轻微重叠比如一个贴纸压在两个色块的交界处。圆角和直角混用——大色块用 16px 圆角小标签用 0 圆角。质感细节至少一个区域的背景加细密噪点纹理用 2-3 个手绘风格的装饰符号星号、箭头、波浪线用 SVG 内联颜色跟随所在区域的主色。整体气质像一个用彩色胶带和马克笔拼出来的杂志版面——张扬、有态度、但信息层级清晰。不要精致感要粗粝的生命力。这段提示词里的约束密度很高4 个指定色值、描边粗细和阴影偏移量精确到像素、hover 交互有具体参数、圆角混用规则、SVG 内联要求。能不能把这些视觉规范一次性吃进去统一出图直接反映模型的需求理解和规划能力。02、让 Hy3 画一张动态名片第二个 case 还是测前端。我的想法是让 Hy3 画它自己——用网页动画演示 MoE 模型的 token 路由过程。这个题目有点损模型得先真正理解自己的架构才能把它画对。提示词如下。帮我做一个单页网页主题是「Hy3 的自画像」用动画演示 MoE 模型的 token 路由过程。要求页面顶部放三张数字卡片分别是 295B 总参数、21B 激活参数、256K 上下文中间是路由动画一个 token 流进来192 个专家里点亮 8 个共享专家常亮底部放一个滑块拖动可以调整每秒流入的 token 数量动画速度随之变化暗色背景腾讯蓝配色纯 HTML、CSS、JS 单文件实现不允许引入外部库。这段提示词里有五个约束数字卡片、专家点亮逻辑、滑块联动、配色、单文件。约束越多越能看出模型是通读需求后统一规划还是看一句做一句。为方便演示我让 WorkBuddy 生成了 GIF 动图。并且针对微信公众号对GIF的要求特意做了帧数处理。03、让Hy3核对自己的数据第三个 case 测工具使用重点是浏览器导航和信息提取精度。打开三个页面GitHub 的 Tencent-Hunyuan/Hy3 仓库、HuggingFace 的 tencent/Hy3 模型卡、OpenRouter 的 Hy3 页面。把三个来源里关于上下文长度、开源协议、定价的信息分别提取出来做成一张对比表。如果三个来源的数据对不上单独列出冲突项并标明出处。不确定的信息直接写「未找到」不要猜。这个 case 的巧妙之处在于我提前知道答案。三个来源的数据本来就有出入比如 OpenRouterHy3 其实就没有上架。能看得出来WorkBuddy 会打开三个网页然后提取关键信息做成一张对比表。并且会明确告诉我们GitHub 与 HuggingFace 的全量 Hy3 数据一致——上下文 256K、协议 Apache 2.0OpenRouter 全量 Hy3 页面不存在仅有 Hy3 preview262K04、一句话出 Excel 加 PPT第四个 case 测长程执行走 Working Agent 的主场。这个文件夹里是我博客 AI 专栏的全部 Markdown 文章每篇的开头有标题、日期、标签。第一步整理成一张 Excel列包括标题、发布日期、分类、正文字数第二步统计每个月的发文数量和各分类占比生成图表第三步基于分类结果产出一份 10 页以内的《AI Agent 学习路线》PPT最后一页放数据统计图。全部完成后自查一遍 Excel 里的数据和原文件是否一致再交给我。三步任务跨文件读取、表格、图表、PPT 四种工具最后还要求自检。长程执行的关键不是每一步都惊艳是后面的步骤要记得之前步骤的数据交付前能自己发现错漏。这类任务我拿别的 Agent 工具跑过不止一次最常见的翻车点有两个。一是字数统计模型懒得真去数直接估一个差不多的数字填进去二是 PPT 里的统计图和 Excel 里的原始数据对不上两边各算各的。所以提示词最后那句「自查一遍再交给我」不是客套话。据说 Hy3 可以稳定支撑近 500 步的 Agent 工作流真的很强很强了。来看一下最终的产物。为了生成更美观的PPT我们这里装一下臧师傅的 PPT Skill。装一下这个https://github.com/op7418/guizang-ppt-skill好我们来生成Swiss Style的 PPT。这次任务量可不小中间还做了几次上下文压缩。OK任务搞定我们来看看效果。我是真没想到3月份我竟然发表了 45 篇内容。长程执行考验的不只是单步能力更是上下文保持。Hy3 在这个 case 里全程保持了数据一致性。这其实就是 Working Agent 的典型任务先读一堆长文本再抽结构化数据最后跨 Excel、图表、PPT 多个工具交付结果。05、让 Hy3 来一道复杂推理最后一个 case 测复杂推理。Agentic Reasoning 是 Hy3 正式版的第三大升级方向我们就来出一道需要数学推导 编码 执行 可视化的串联题。题目是经典的错排问题。100 个人排成一排每人头上有一顶编号帽子帽子被打乱随机分配。至少有 1 个人拿到自己编号帽子的概率是多少要求1. 先给出数学精确解的推导过程2. 用 Python 写蒙特卡洛模拟跑 100 万次3. 画一张收敛曲线图横轴是模拟次数纵轴是概率估计值同时标注数学精确解的水平线4. 对比模拟结果和精确解的误差为什么选这道题因为它同时考察了 Hy3 正式版重点升级的两个方向深度推理容斥原理的推导不是一步就能跳到答案的需要多步逻辑推演和工具使用Python 编码 执行 Matplotlib 画图。五个环节环环相扣问题理解 → 数学推导 → 代码编写 → 执行模拟 → 可视化对比。先看数学推导。重点看 Hy3 的推导过程完不完整。有没有写出容斥公式有没有说明为什么 n 足够大时可以用 1/e 近似最终数值有没有算对如果直接跳到“答案大约是 0.63”但没有推导过程那不叫推理。最终验证模拟 100 万次后的概率估计值和数学精确解 0.63212 的误差应该在千分位级别±0.001 以内。顺便说一下这个能力在日常工作里的用法。数据分析、量化建模、A/B 实验结果验证都需要“先推公式再跑数据再画图”的串联能力。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
