極客公園實測深讀：CPO 研報、3D 腕錶與 NAIAD 復刻

極客公園在 Hy4 發佈後做了中文媒體裏最完整的首批實測：三條線——長程投研任務、視覺代碼生成、遊戲復刻——每條都給出了可驗證的交付物，而不是隻跑個基準分。本文深讀這篇實測，提煉它對 Hy4 能力的真實判斷。

第一條線：CPO 投研任務，「初級研究助理」雛形

極客公園給 Hy4 佈置了一個 CPO（共封裝光學）賽道投研任務，要求交付研究報告與估值模型。Hy4 交付了報告 PDF 與可復算的估值表格（xls），評價是「初級研究助理」雛形——能把資料蒐集、結構梳理與數字建模走完一個完整閉環，但研究判斷的深度仍有限。這個評價與官方 FiT 金融衆測的 3.04 分（開源第一）方向一致：金融分析是 Hy4 的相對強項，但「助理」與「分析師」之間還有距離。

第二條線：Three.js 3D 機械腕錶，交互全跑通

第二條線是視覺代碼生成：用 Three.js 做一個 3D 機械腕錶拆解網頁。Hy4 交付的頁面交互全跑通——拆解動畫、部件高亮、視角控制形成完整交互閉環。這是視覺理解與代碼生成的結合：模型要先「看懂」機械腕錶的結構，再把它寫成可交互的 3D 頁面。極客公園的判斷是，視覺讓產品更好用，但還定不了勝負——因爲視覺能力正在成爲各家旗艦的標配。

第三條線：NAIAD 遊戲復刻，視覺自檢閉環

最有技術含量的是第三條線：復刻 NAIAD 這款遊戲的網頁版。Hy4 的工作流是「多幀看懂 → 重做一遍 → 渲染回讀驗證」：先看 81 秒的遊戲錄屏，逐幀提取畫面理解玩法與視覺風格，再用 Canvas 2D 重做一遍，最後通過無頭瀏覽器做 4–5 輪自我檢查——渲染出來、截圖回讀、發現問題、再改。這個「看-做-驗」的閉環是 Hy4 視覺 + 電腦操作能力的綜合體現，也是 preview 完全做不到的任務形態。

實測的結論：門檻，不是終點

極客公園的總體判斷是：Hy4 達到了開源第一梯隊的門檻，但與全球頂尖仍在追趕；真正的考驗要看 Hy5。這個判斷與官方數據相互印證：AA 指數 35 分中國第二、與 Grok 4.7 持平；Terminal-Bench 4.0 44.4%，落後 Kimi 的 66.8% 與 Claude 的 66.4%；但金融衆測開源第一、OSWorld 2.1 距 Claude 僅 2.9 分。

值得注意的是，極客公園的實測沒有觸及 Hy4 最受爭議的兩個點：AA-Omniscience 89% 的幻覺率（獨立測量）與正式版權重未發佈。實測的樣本也小——三條線、一次運行，不能代表 Hy4 的穩定表現。InfoQ 的 WorkBuddy 實測補上了另一面：塔防遊戲三輪迭代 55 分鐘完成，但後期可玩性下降；單據覈對出現計數錯誤與無依據推斷。兩篇實測合起來看，Hy4 的畫像是：任務閉環能力是真變化，細節仍需人驗收。