Arena.ai 最新智能体评测显示,在超 1.45 万次真实任务会话中,腾讯混元 Hy4 的净改善率达到 +5.4%,排名全球第 5,在开源模型中居首,紧随其后的是 Kimi K3.1 Pro(+5.3%)与 MiMo-V2.6-Pro(+2.7%)。排在 Hy4 之前的四款模型均为闭源产品,Claude Opus 5.5 Max 以 +20.1% 的净改善率居首,GPT-6 Astra(Max)为 +14.7%。
榜单同时揭示了另一组关键数据。Hy4 完成单项任务的中位成本约 0.26 美元,而 Kimi K3 Max 为 0.80 美元,成本低约 68%。凭借这一性价比,Hy4 已进入 Agent Arena 的帕累托前沿,即在同等成本约束下效果最优的模型之一。
概念板块层面,可关注港股 AI 智能体及大模型应用标的,包括腾讯控股(0700.HK)、MINIMAX(0100.HK)、智谱(02513.HK)等。但排名本身是截面数据,与个股定价之间并非线性对应。
作为质疑者,有两点需要厘清。第一,Arena 榜单自身披露的置信区间显示,前六名之间的分数区间存在重叠,排名的先后在统计上未必可分辨;且排名越靠前的模型,参与统计的会话样本反而越少,Hy4 的 5.4% 与 Kimi 的 5.3% 之间仅差 0.1 个百分点,这一差距是否具备统计显著性,需要对照样本量和置信区间来审视。第二,净改善率衡量的是相对基准的偏移量,而非绝对任务通过率,低成本优势能否在规模化调用中兑现为可持续的商业回报,仍需后续验证。
你怎么看:当榜单排名在统计上未必可分辨,投资者应该为“第 5 名”的标签定价,还是回归成本效率的底层逻辑?
#投资 #股市 #美股 #人工智能发展 #大模型 #腾讯 #港股 #智能体 #混元 #ai
