Hy4 vs 開源對手：Kimi、DeepSeek、GLM 與 Inkling 怎麼選

Hy4 發佈的時間點很微妙：同一天（11 月 4 日）Kimi K3.1 Pro 也發佈了權重，DeepSeek V4.1 Flash 與 GLM-5.3 就在前幾周。開源陣營的旗艦之爭，在 11 月上旬突然變成了一場四方混戰。本文綜合騰訊官方圖表與 Artificial Analysis 獨立榜單，把這場混戰拆開看——先說結論：沒有一家全勝，分場景選型纔是正解。

官方圖表裏的 6:6：Hy4 與 Kimi 的拉鋸

騰訊官方 12 項主圖表裏，Hy4 與 Kimi K3.1 Pro 6:6 打平（apiyi 逐項統計）。Hy4 佔優的是代碼生成、3D 建模、檢索與科研任務；Kimi 佔優的是終端操作、自動化與科學終端任務。分差最大的三項：Terminal-Bench 4.0，Kimi 66.8 對 Hy4 44.4；AutomationBench，Kimi 65.6 對 Hy4 56.2；Agents' Last Exam，Kimi 與 Claude 並列 43.4，Hy4 41.0。OSWorld 2.1 上 Kimi 79.6 也略高於 Hy4 的 78.9。

獨立榜單拉大了差距：AA 指數 Kimi 46 分，Hy4 35 分，差 11 分；AA-Omniscience 幻覺率 Kimi 37%，Hy4 89%。但 Hy4 也有自己的勝場：FrontierCode 2.0（AA 口徑）Hy4 31%，中國實驗室第一，Kimi 25%；金融衆測 Hy4 3.04 分，Kimi 2.68。以及一個關鍵區別：Kimi 的權重 11 月 4 日當天就發佈了，Hy4 的至今沒有。

DeepSeek V4.1 Flash：便宜，但終端任務也弱

AA 指數 DeepSeek V4.1 Flash 32.6 分，略低於 Hy4 的 35；AA 口徑 Terminal-Bench 4.0 33.8%（Hy4 37%），騰訊表內 40.0%（Hy4 44.4%）——兩個口徑下 Hy4 都領先約 4 分。金融衆測 DeepSeek 2.97 分，距 Hy4 的 3.04 只差 0.07 分，是最接近的對手。DeepSeek 的優勢在生態與價格口碑，以及權重已經開源；劣勢是終端任務與 Hy4 同樣落後於 Kimi 與閉源旗艦。

GLM-5.3：終端任務反而領先 Hy4

GLM-5.3 在 AA 口徑 Terminal-Bench 4.0 上得 41.9%，高於 Hy4 的 37%；騰訊表內 42.9%，略低於 Hy4 的 44.4%——兩個口徑結論相反，說明兩者在終端任務上基本同檔，口徑決定勝負。金融衆測 GLM 2.68 分，與 Kimi 並列，落後 Hy4 的 3.04。GLM-5.3-Flash（AA 27.8 分）是輕量檔，定位與 Hy4 Flash 更接近。GLM 的權重已開源，這是它對 Hy4 的明確優勢。

Inkling 2 Small：小模型的不同賽道

Thinking Machines Lab 的 Inkling 2 Small（594B 總參數、17B 激活）AA 指數 31 分，Terminal-Bench 4.0 僅 13.1%，與 Hy4 不在一個檔位。但它的 API 價格是 $0.30 / $1.00，比 Hy4 的目錄價便宜近 2/3，權重已按 Apache 2.0 開源，NVFP4 檢查點已上架 Hugging Face。Inkling 的定位是「夠用且便宜的開源小旗艦」，Hy4 的定位是「開源陣營的全能旗艦」——預算優先選 Inkling，能力優先選 Hy4。

分場景選型

與閉源旗艦的差距：還沒到同一張桌子

官方圖表裏，Hy4 與 Claude Opus 5.5、GPT-6.1 Sol 的差距在最難的測試上最大：Hy-FrontierMath T5 13.0 對 GPT 的 97.5，Goal2Repo 23.2 對 Claude 的 74.0，Terminal-Bench-Science 19.8 對 GPT 的 60.9。AA 指數上，Hy4 的 35 分與 Grok 4.7（xhigh）持平，但閉源旗艦的頂分在 50 分以上。騰訊自己在發佈頁承認了這個差距——開源陣營內部的競爭是一回事，追趕閉源是另一回事。