hy4 个人初步能力评价

[LeeReamond]

1. 个人使用方面的基本评价，能力>=dsv4.2flash ，不降智的话目前认为可以全面平替
2. 能力上限与 dsv4.1flash 相差伯仲，远弱于主流闭源模型（ 6astra/4argon ，claude 最近封号厉害两个月没用过了）
3. 考虑到价格，未来计划使用 ds 更多一些，除非 hy4 降价到 ds 水平。
4. 能力弱于 kimiK3.1pro 一档，能力方面认为无法胜任 k3 的任务

测试类目：

• 复杂逻辑归因和推导
• 科研统合
• 文字任务
• 基于概率分布输出的逻辑陷阱（例如问 5 米长的棍子能否通过高 3 米宽 3.5 米的城门，然后观察思考内容）
• 各种类型的图形画

[zuokanyunqishi]

能。若棍子足够细、城门前后空间也够，斜着穿过门洞即可。门洞截面的对角线是 √(3² + 3.5²) ≈ 4.61 米，但棍子可以沿着通行方向倾斜，让它在门洞截面上的投影短于 4.61 米。

如果你指的是棍子必须始终水平、且只能在门洞平面内转动，那就不能：5 米大于门洞对角线。

[LeeReamond]

@zuokanyunqishi 在我这里是一个 60 分或 50 分答案

[Need4more]

就是太慢了 ，这是我的评测 https://www.v2ex.com/t/1254495#reply0

[mingtdlb]

dsv4.2flash 啥时候发了，这你都知道它的能力了？

[chenluo0429]

更大的规模，更慢的速度，更高的价格。除了证明腾讯还在桌子上，而不是像百度一样躺在地上，没有任何使用价值

[Ashe007]

@chenluo0429 我喜欢你这样的课代表，言简意赅

[Ashe007]

how about doubao ？

[dwhh]

@Ashe007 豆包是国模除了国内千问网页端唯一接入 mcp 的，这可能是他唯一的优势。

[dwhh]

@dwhh minimax 也能，但我用的少

[GlobalNPC]

770B 的模型 就是拿来干活的吧，测试类目感觉有点不匹配

[LeeReamond]

@GlobalNPC 很有道理老哥，但是目前脱离代码工作之后，做的基本都是面向通用性的任务，规划，设计一类的，所以更关注通用性能。如果单独做 AI 的编码能力的话反而感觉用不太上，但是确实像你说的，可能定位就是干活的。

至于通用任务应该用强闭源模型的话，贫穷是我的问题。

[dwhh]

@dwhh kimi 也能，我用的太少了