腾讯混元Hy4登Agent Arena：中国模型第一，全球实验室第五
Arena宣布腾讯混元Hy4在Agent Arena榜单中成为排名第一的中国模型，按实验室排名腾讯混元位列全球第五，是前五名中唯一的中国AI实验室；在单模型综合排行榜中Hy4排名第13位。Hy4净改进得分升至+5.4%，单任务中位成本0.57美元，进入帕累托前沿。
11月6日，AI模型评测平台
Arena公布消息，腾讯混元Hy4在Agent Arena榜单上拿下中国模型头名。按实验室口径统计，腾讯混元排在全球第五，也是前五名里唯一一家中国AI实验室。Arena在社交平台X上提到，这一成绩基于全球用户超过1.2万次真实长程智能体任务会话，Hy4的净改进得分为+5.4%，已经进入Agent Arena的帕累托前沿（Pareto Frontier）。成本上，该模型每项任务的中位成本为0.57美元，性能和成本之间表现出一定竞争力。
Arena官网最新榜单显示，实验室排名里腾讯混元居第五；换成按单个模型统计的综合排行榜，Hy4目前排在第13位。也就是说，“全球第五”说的是实验室排名，不是单模型综合排名。
Agent Arena的评估方式，是让真实用户去跑长程智能体任务，看任务完成情况、用户满意度、指令遵循能力以及工具调用可靠性等指标。它和依赖标准化题库的传统模型评测不一样，更看重AI模型在实际任务执行中的表现。
更早时候，Arena披露过Hy4正式版本对预览版本的性能提升：早期预览版净改进得分+1.1%，排第25位；正式版本随后升到+4.7%，排第14位。最新公布的得分又进一步提高到+5.4%。
分项评估中，Hy4多项关键指标都有改善。用户明确确认任务成功的Confirmed Success指标为+8.7%，排第11位；反映用户正负面反馈的Praise vs Complaint指标为+3.8%，排第18位。衡量模型按用户纠正调整行为能力的Steerability指标为+5.7%，排第14位；衡量Shell命令执行可靠性的Bash Reliability指标为+6.2%，排第20位，相比预览版本的第41位提升明显。
成本这块，Arena此前给出的Hy4单任务中位成本约0.55美元，同期月之暗面Kimi K3.1 Pro（Max）为1.46美元，前者低约62%。最新榜单中，Hy4单任务成本为0.57美元，Kimi K3.1 Pro（Max）约1.47美元。
Arena同时指出，Hy4已进入Agent Arena帕累托前沿。放到该榜单性能与成本两个维度的比较里，Hy4属于有代表性的高性价比模型之一，其他参评模型很难在不增加成本的前提下拿到更高得分。
不过，Arena目前仍把Hy4正式版本标注为专有模型（Proprietary）。Arena此前说过，如果该模型将来开放权重，有望与Kimi K3.1 Pro争夺开源模型的领先位置。
从最新评测看，腾讯混元Hy4在真实智能体任务中的表现提升明显。但Agent Arena的排名会随参评模型、用户会话及评测数据变化而调整，单一榜单结果并不等于模型在所有应用场景中的综合能力。
