大家好，欢迎收看本期节目。今天我们要评测的是腾讯发布的混元3（High 3）。作为全球最大的游戏公司，同时也是中国最大的企业之一，腾讯这次推出了一个拥有2950亿参数的开源模型。它填补了DeepSeek、MiniMax以及Qwen在转向闭源后留下的市场空白，并且采用了宽松的Apache 2.0许可证，完全兼容商业使用。
首先来看基准测试数据。在启用思考模式的情况下，它的表现甚至击败了DeepSeek V4 Pro版本。特别是在数学领域，它全面碾压对手，连GLM都被甩在身后。有趣的是，在长上下文推理方面，它的表现甚至能与最新的GLM 5.2相媲美。此外，在Claw Eval测试中，启用思考模式后它位居开源模型榜首。
关于OpenRouter平台的数据也很值得关注。混元3在预览阶段曾一度成为该平台使用率最高的模型，目前稳定在第四位。如果你想在家尝试，腾讯提供了免费使用的渠道。我将在本地运行该模型，使用9位量化技术，这几乎是无损的质量表现。
接下来我们进行一项有趣的“AGI测试”：如果你走进人群，他们大喊“Bowl Selector”，你该怎么办？模型识别出这是英国喜剧《Bullseye》中的经典台词。它给出的建议非常实用：不要当真，轻松配合；如果氛围友好就安全地回应“Bow”，若感觉敌意则保持冷静并离开。
在代码生成测试中，我们观察了不同思考模式对输出长度的影响。关闭思考时仅产生766个Token，低档模式下增至4500个，高档模式则达到8000个。这种清晰的梯度表明模型能合理分配推理资源。在《小星星》钢琴代码生成中，高档模式的表现明显优于其他档位，生成的HTML页面运行流畅。
我们还测试了《Flappy Bird》游戏生成。低档模式生成了一个可玩的3D版本，虽然存在碰撞检测的小问题，但整体可用。而在生成写实人脸的测试中，关闭思考模式仅用1600个Token，严格遵守了非深度推理的指令。低档模式下生成的人脸虽不够写实但具备人类特征，高档模式则进行了更深入的思考与渲染优化。
我们生成了与之前使用网站版 GLM 5.2 制作土豆时类似的图像。光线效果良好，鼠标移动也很平滑。也许你可以优化提示词以获得更好的响应。让我们看看它与 OpenRouter 的对比情况。这里生成了一张照片级真实感的人脸渲染图。它打印出 token 的速度非常快，这是它的生成结果。我们可以看到两个版本的生成效果非常接近，没有什么特别之处。使用这个模型的好处在于，如果你没有相应的硬件，可以使用云端版本；但一旦你拥有了合适的硬件，就可以选择在本地运行。因此，这是一种具有可扩展性的技术，而且许可证也非常优秀。
接下来我们继续测试提示词，看看能得到什么结果。这次我们要做一个《我的世界》克隆版：禁用思考模式时消耗 1,700 tokens，启用思考模式则需 10,000 tokens。我想看看效果是否真的很好，并观察两者的差异。这是一个基础的《我的世界》生成版本，但可以看到它是可以运行的，没有编译错误。如果我再提示它改进光照和渲染等细节，效果应该会更好。不过我们可以看到重力机制已经生效了，不得不说这是一个相当不错的生成结果。
回顾一下禁用思考模式下的表现，那个版本确实基础得多，但它构成了《我的世界》的基础。虽然你不能破坏或添加方块，但可以在 3D 空间中奔跑，这很有趣。如果你希望快速完成某项任务、进行原型设计或投入更多精力开发，就可以选择这些思考模式。接下来我们要看一个高保真交互式网页，它制作了一个实时 3D 行星模型。里面甚至有一个死星和许多其他元素。使用基础提示词消耗了 3,000 tokens，我想看看实际效果究竟如何。
这是一个非常基础的地球生成版本。我们可以触发小行星吗？是的，你甚至能触发行星环的出现。这一点很好，因为记得之前 3.5 版本在制作地球时有些吃力。这是禁用思考模式下的基础生成结果。现在让我们启用思考模式看看效果如何，消耗了 6,400 tokens。这个版本拥有 MTP 层，我会展示它的运行状态。虽然该部分仍需优化，但我们很快会看到结果。让我们看看它在 Pi 上的表现。不得不说，这绝对是地球生成效果中最好的之一，因为它具有艺术风格，看起来非常美丽。
虽然它不是照片级的真实感，但请注意这些细节：你可以改变山脉、整个行星形态以及海平面。你甚至可以将它变成月球或完全的海底世界，还能调整云层效果。这实际上是我在任何模型中见过的最好的地球生成之一。唯一让它稍显逊色的是用户界面，这部分非常平淡且基础。虽然 3D 建模本身很精美，但 UI 设计并不出色。让我们看看小行星触发效果：一颗小行星飞来并爆炸，星空被填满。也许加上爆炸特效会更好，但我并没有提示这一点，所以这完全取决于提示词内容。
不过它生成了如此好的效果是值得肯定的。让我们看看其他行星的样子：这里是红色的火星，那边还有一个死星模型。这是一个很好的结果。接下来我们要切换测试 Canvas 动画。要求是编写一个单文件 HTML，不使用任何库，消耗了约 2,000 tokens，且禁用思考模式。让我们看看它的表现。这里有一个不错的基础生成结果，但可以看到一些错误：例如汽车并没有真正在道路上行驶，而是陷在了沙丘里，还有一些物体在闪烁。
再次强调，这是在禁用思考模式下的结果。事实是它看起来确实像一辆车。我知道一些稍大一点的模型，当你将其量化时会出现问题：汽车可能倒着走、拉长变形或整体扭曲。但因为这个模型尺寸合理，仍然足够大以在即将推出的硬件上运行（如果在你观看视频时还没发布的话），所以这点表现是好的。接下来我们要看一个 3D 场景：创建一个城市，禁用思考模式消耗了 2,000 tokens。它真的做出了一个城市吗？是的，我们确实得到了一个城市场景。
这可以看作是《德军总部》系列中角色进入城市发现真相的开场。我们可以调整时间吗？看，这里有昼夜滑块功能，而且这是在禁用思考模式下仅用 2,000 tokens 生成的。其中一部分 token 用于描述需求，所以这是一个很好的结果。理想情况下可以添加更多提示词，比如加入汽车将其变成《侠盗猎车手》风格。让我们切换到高思考模式看看效果如何，你会发现它进行了大量推理计算，速度降至每秒 15.7 tokens。
我们当然是在 9-bit 量化下运行的，如果你像大多数人那样使用 4-bit 量化，速度会快很多。但我追求最高质量，特别是在与 Claude 对比测试时。让我播放一下：哦，这就像《黑客帝国》的场景！让我找个好视角。你可以移动鼠标拉远距离，场景确实有发光效果，就像 Neo 进入虚拟世界时的那种光晕。这里有漂亮的泛光效果和昼夜滑块。虽然它很基础，灯光全天开启可能不够环保，但核心功能已具备供你进一步开发。令人印象深刻的是没有运行时错误，代码完整且完全可用。
现在我要尝试一些我最喜欢的提示词：重现 80 年代赛车游戏鼻祖《Outrun》，禁用思考模式，仅消耗 1,600 tokens。它真的能做出《Outrun》吗？你能做到吗？
1600个token就能跑赢《Outrun》？咱们来看看，伙计。这是一个非常基础的《Outrun》生成版本，但正如你所见，没有运行时错误。它实际上并没有真正运行起来，那个方块卡住了，对，它在动吗？不，没在移动。不过你能看到我们生成了一条道路。哦，我们在让道路移动了。我们只是超越了这条道路。发生了一些情况，但你不能向左或向右转向。所以，这里有游戏的基本要素，但
它需要更多提示词才能变得完美。我没有时间搞那么多提示词了。我只有高思考模式可用。所以，就交给高思考模式和15,000个token吧。以每秒18个token的速度，我们得到了这个美丽的生成结果。看看那个。我们有漂亮的奔跑动作。我要在这里点击播放了。旁边有一些树木，还有漂亮美观的通用图形。而且我们
可以向左和向右移动了。有趣的是，好吧，那是一个非常、非常短暂的游戏。我们必须肯定地扩展那个提示词让它运行得更快。但其中一些功能确实存在了。我认为MiniMax在向左转时会向右走，而向右转时却向左走。所以它有声音效果。这次生成确实很有潜力。那只是一个一次性测试，我们差点就做出了《Outrun》。所以这
很不错。现在我们要看看它能否制作像超级马里奥那样的3D平台游戏，提示词是1,300个token。这会非常、非常基础。让我们看看。是的，有一些非常基础的生成内容。但有一点我要给它好评：它让我想起Gemini Pro产生的结果，惊人地相似。所以尽管这是一个开源模型，其质量与谷歌最佳模型的产出非常接近。这
并不是在夸它，因为谷歌的最佳模型制作3D平台游戏也不怎么样，但它能在没有运行时错误的情况下运行起来是好事。这里的测试是制作一张地图。这是由互联网上的“愤怒老爸”或“亚洲老爸”完成的。所以，一切都关于制作地图。他真的很惊讶Claude Fable能做出这样的生成效果。是的，这个生成过程正在这里使用一个
开源模型进行，且思考功能已禁用。你得到某种地图情况。让我们看看城市部分。我们可以选择它们吗？是的，我们可以改变动画类型。我想它没有包含所有背景数据，但脚本里有一些东西。所以，如果你正在处理一个需要地图的项目，Boom，它在使用OpenStreetMap。它开箱即知如何编写该代码
所以这很好。还有高思考模式。MS Word，让我们试试MS Word。那个高思考模式。它生成了8,000个token，这是它能制作的最高质量Word文档。我们可以输入文字。它是基础的。那个UI是基础款。也许这是这个东西的一个缺点之一。我注意到屏幕中的UI不是顶级的。但让我们看看我们能否改变字体，因为很多
模型在这方面会挣扎。你可以改变字体，这很好。所以这是一个实际上很有趣的提示词，因为我不仅要求它制作一个可视化图表来解释快速排序和冒泡排序之间的区别。我还要求它打印出实现这两种算法的C++代码。所以这里思考功能是禁用的，请注意。是的，它正在打印出制作HTML可视化图表的代码
以及实际给我C++代码。所以它实际上尊重了我的提示词，即使思考功能已禁用。我们将点击播放，这是一个非常基础的生成内容但它确实在工作。现在，当我切换到高思考模式时，我们可以看到它改进了生成效果，但仍然相当基础。我想它可能没有像其他一些模型那样添加额外的装饰
只是让它看起来漂亮而已。这里，它只是在遵循功能要求。也许使用这个模型的最佳方式是先请它改进提示词，然后使用那个经过改进的提示词来制作最终的生成内容。所以你需要稍微再充实一点细节。好的，我们要在这里放慢节奏，我要做一个非常有趣的测试。好吧，等着瞧吧。这会非常好。所以
官方来说这个模型只是一个纯文本推理模型。如果你去OpenRouter，尝试输入一张图片并问这是什么？它会说没有支持此图像的端点文件。然而，当涉及到图像分类时，这在现代硬件上是一个相对容易的任务。所以我实际上附加了一张图片，并且在这里禁用了视觉功能。但当有图像被附加时
它会回退到OCR和图像分类模式。所以如果你点击这里的图片，然后点击信息按钮，它会处理并分类元数据。它检测是否有任何文本并对图像进行分类。所以这里它实际上检测到这是一只猫，一只猫科动物，置信度83%，仅基于你在设备上运行的分类模型
这些模型非常便宜且易于运行。所以我让它详细描述这张图片，而不是失败的话，如果你确实传入了元数据或OCR或分类标签，它实际上可以告诉你那是什么。所以它知道它可以理解这些信息。有趣的是看看这个。这会很有趣。好的，我们
要在这里操作。我要说为我创建一个此图像的动画3D体素版本HTML单文件。现在再次，它实际上看不到这张图片，但它能看到的是分类器标签、OCR和图片的元数据。让我们看看它会做什么。现在记住，这是一只橙色的猫。它有绿色的眼睛。它会不会做出一只橙色猫？我们看到一些模型
在我尝试这样做时，在没有额外标签的情况下幻视出了一头熊。这个这里900个token思考禁用状态。我们确实有一只橙色猫了。屏幕上有一只橙色的猫。它是运气好吗？还是它只是假设猫都是橙色的，或者这真的知道些什么，还是我过度解读了？让我们把它放到低思考模式。4,700个token。点击播放。再次，仍然是一只橙色
猫。但看看那个尾巴的动画。看，现在用高思考模式再看一次那动画效果。它会是橙色猫吗？我们只是幸运吗？我认为我们肯定很幸运，因为你实际上看不到颜色“橙色”。但橙色似乎对这些猫来说非常流行。屏幕上有一些东西。所以你可以潜在地与图像一起工作，但你必须
将图像转换为OCR或元数据或分类标签。这很有趣。所以让我们在这里完成编码部分，特别是我们不知如何喂入的图像智能信息。然后看看它如何处理数学难题。现在记住，根据基准测试在Math Arena中看那个
思考禁用状态下它实际上是个低分选手。所以它应该能解决这些
当我关闭思考模式时，它回答错了。开启思考后，它的表现非常出色，甚至击败了 DeepSeek，做得非常好。它几乎接近 Qwen 3.7 Max，而后者是一个闭源专有模型。所以它的水平很高，可能成为 Qwen 3.7 Max 的一个良好替代品。接下来我们要问它一道数学奥林匹克题目。
尽管我关闭了思考模式，但它实际上自行强制开启了思考功能。所以即使我禁用了它，它也进行了推理和思考。现在我要做的是复制这里的提示词，因为我想看看它在官方 OpenRouter 上的运行情况。我们在那里点击播放。让我们看看在线版本会做什么，它正在开始思考并推导答案。
我们来看看这个模型是否得到了相同的答案。它得出了所有偶数，消耗了 14,000 个 token，而这实际上是正确答案。所以做得不错。在低强度思考模式下消耗了 10,000 个 token，同样得出了偶数。在高强度思考模式下再次得出偶数答案，但那次消耗了 24,000 个 token。
关于这一点的好处是，我见过一些数据，我想那是 Neotron 的。Neotron 给出的第一个回答是我们知道答案就是这个。所以它是基于该数据训练的，我们知道答案是什么，如何推导出来？结果他们以某种方式得出了错误的答案。也许 Nvidia 不想与购买其产品的人竞争，那可能是原因之一。
但在这里你可以看到它用了 24,000 个 token 进行验证。我认为它并没有为了快速得到响应而自我短路，这只是一个有趣的事实供了解。八个橙子、四个孩子和一把刀，将它们均匀分配。
使用 GLM 5.2 时那很有趣，因为当你把“给”改成“切”或类似词时，它建议第三个最可能的 token 只有 3% 的概率，但它说第三可能的是切孩子。那是它的建议。而这里我们可以看到我们的 token 检查器显示每个、切、吃橙子，它们都是关于橙子的。这个模型没有考虑切孩子的事实让我想给它热烈鼓掌。
洗车店离我家 50 米，我想去洗车，我应该开车还是步行？它说你应该开车。可能是在这些最新梗上训练过的。但它没有训练到的是这里得到错误回答的情况：外科医生是男孩的父亲。
它以为外科医生是男孩的母亲，因为那是原始谜题的设定。这是一个变体。但开启思考后它挽救了局面，说：“是的，明确说明外科医生是男孩的父亲。”所以如果你希望进行一些思考，开启思考功能绝对有用且能使其更智能。
回到云端模型，它也在超级努力地思考这个疯狂的数学谜题。实际上只是在路由器上找乐子，遍历世界上所有可能的组合以得到正确的数学插入值。同样这也是免费在线使用的。
你们觉得 Hy3 怎么样？它能否成为新的 Qwen 3.7 开源替代品，采用 Apache 2.0 许可证？它甚至有 MTP 层。我说过我会讲解 MTP 层并展示那个例子。
这里我让它用禁用 MTP 的方式制作 HTML 版俄罗斯方块，延迟一千 token。启用 MTP 时速度是每秒 20 token。这个版本提升到了 21.5 token/秒。所以在 Mac 环境下还有一些小怪癖需要解决以使其运行更快，目前仍在完善中。
一旦我得到可靠的结果，我会随这个版本一起发布。在这种状态下发布没有意义，但请告诉我你们总体看法。哦，10 美分的 Hy3？它能否成为新的 Qwen 3.7 开放权重 Apache 2.0 许可证模型？根据这里的基准测试，它拥有最强的智能体性能。