Hy4 vs 开源对手：Kimi、DeepSeek、GLM 与 Inkling 怎么选

Hy4 发布的时间点很微妙：同一天（11 月 4 日）Kimi K3.1 Pro 也发布了权重，DeepSeek V4.1 Flash 与 GLM-5.3 就在前几周。开源阵营的旗舰之争，在 11 月上旬突然变成了一场四方混战。本文综合腾讯官方图表与 Artificial Analysis 独立榜单，把这场混战拆开看——先说结论：没有一家全胜，分场景选型才是正解。

官方图表里的 6:6：Hy4 与 Kimi 的拉锯

腾讯官方 12 项主图表里，Hy4 与 Kimi K3.1 Pro 6:6 打平（apiyi 逐项统计）。Hy4 占优的是代码生成、3D 建模、检索与科研任务；Kimi 占优的是终端操作、自动化与科学终端任务。分差最大的三项：Terminal-Bench 4.0，Kimi 66.8 对 Hy4 44.4；AutomationBench，Kimi 65.6 对 Hy4 56.2；Agents' Last Exam，Kimi 与 Claude 并列 43.4，Hy4 41.0。OSWorld 2.1 上 Kimi 79.6 也略高于 Hy4 的 78.9。

独立榜单拉大了差距：AA 指数 Kimi 46 分，Hy4 35 分，差 11 分；AA-Omniscience 幻觉率 Kimi 37%，Hy4 89%。但 Hy4 也有自己的胜场：FrontierCode 2.0（AA 口径）Hy4 31%，中国实验室第一，Kimi 25%；金融众测 Hy4 3.04 分，Kimi 2.68。以及一个关键区别：Kimi 的权重 11 月 4 日当天就发布了，Hy4 的至今没有。

DeepSeek V4.1 Flash：便宜，但终端任务也弱

AA 指数 DeepSeek V4.1 Flash 32.6 分，略低于 Hy4 的 35；AA 口径 Terminal-Bench 4.0 33.8%（Hy4 37%），腾讯表内 40.0%（Hy4 44.4%）——两个口径下 Hy4 都领先约 4 分。金融众测 DeepSeek 2.97 分，距 Hy4 的 3.04 只差 0.07 分，是最接近的对手。DeepSeek 的优势在生态与价格口碑，以及权重已经开源；劣势是终端任务与 Hy4 同样落后于 Kimi 与闭源旗舰。

GLM-5.3：终端任务反而领先 Hy4

GLM-5.3 在 AA 口径 Terminal-Bench 4.0 上得 41.9%，高于 Hy4 的 37%；腾讯表内 42.9%，略低于 Hy4 的 44.4%——两个口径结论相反，说明两者在终端任务上基本同档，口径决定胜负。金融众测 GLM 2.68 分，与 Kimi 并列，落后 Hy4 的 3.04。GLM-5.3-Flash（AA 27.8 分）是轻量档，定位与 Hy4 Flash 更接近。GLM 的权重已开源，这是它对 Hy4 的明确优势。

Inkling 2 Small：小模型的不同赛道

Thinking Machines Lab 的 Inkling 2 Small（594B 总参数、17B 激活）AA 指数 31 分，Terminal-Bench 4.0 仅 13.1%，与 Hy4 不在一个档位。但它的 API 价格是 $0.30 / $1.00，比 Hy4 的目录价便宜近 2/3，权重已按 Apache 2.0 开源，NVFP4 检查点已上架 Hugging Face。Inkling 的定位是「够用且便宜的开源小旗舰」，Hy4 的定位是「开源阵营的全能旗舰」——预算优先选 Inkling，能力优先选 Hy4。

分场景选型

与闭源旗舰的差距：还没到同一张桌子

官方图表里，Hy4 与 Claude Opus 5.5、GPT-6.1 Sol 的差距在最难的测试上最大：Hy-FrontierMath T5 13.0 对 GPT 的 97.5，Goal2Repo 23.2 对 Claude 的 74.0，Terminal-Bench-Science 19.8 对 GPT 的 60.9。AA 指数上，Hy4 的 35 分与 Grok 4.7（xhigh）持平，但闭源旗舰的顶分在 50 分以上。腾讯自己在发布页承认了这个差距——开源阵营内部的竞争是一回事，追赶闭源是另一回事。