凤凰网科技讯(作者/于雷)11月6日，AI模型评测平台Arena近日宣布，腾讯混元Hy4在Agent Arena榜单中成为排名第一的中国模型。按照实验室排名，腾讯混元位列全球第五，成为前五名中唯一的中国AI实验室。
Arena在社交平台X上表示，基于全球用户超过1.2万次真实长程智能体任务会话，Hy4取得了+5.4%的净改进得分，并进入Agent Arena的帕累托前沿(Pareto Frontier（FNUC）)。该模型每项任务的中位成本为0.57美元，在性能与成本之间展现出一定竞争力。
根据Arena官网最新榜单，腾讯混元在实验室排名中位列第五，但在按单个模型统计的综合排行榜中，Hy4目前排名第13位。这意味着“全球第五”对应的是实验室排名，而非单模型综合排名。
Agent Arena主要通过真实用户执行的长程智能体任务评估模型表现，考察任务完成情况、用户满意度、指令遵循能力以及工具调用可靠性等指标。与传统依赖标准化题库的模型评测不同，该榜单更侧重AI模型在实际任务执行过程中的表现。
此前，Arena曾披露Hy4正式版本相较预览版本的性能提升。早期预览版净改进得分为+1.1%，排名第25位；随后正式版本提升至+4.7%，排名第14位。最新公布的得分进一步升至+5.4%。
在此前发布的分项评估中，Hy4多项关键指标均有所改善。其中，代表用户明确确认任务成功的Confirmed Success指标达到+8.7%，排名第11位；反映用户正负面反馈的Praise vs Complaint指标达到+3.8%，排名第18位。
此外，衡量模型根据用户纠正调整行为能力的Steerability指标达到+5.7%，排名第14位；衡量Shell命令执行可靠性的Bash Reliability指标达到+6.2%，排名第20位，较预览版本的第41位明显提升。
成本方面，Arena此前公布Hy4单任务中位成本约为0.55美元，同期月之暗面Kimi K3.1Pro(Max)为1.46美元，前者成本低约62%。最新榜单中，Hy4单任务成本为0.57美元，Kimi K3.1Pro(Max)约为1.47美元。
Arena还指出，Hy4已进入Agent Arena帕累托前沿。这意味着在该榜单的性能与成本二维比较中，Hy4属于具有代表性的高性价比模型之一，即其他参评模型难以在不增加成本的情况下实现更高得分。
值得注意的是，Arena目前仍将Hy4正式版本标注为专有模型(Proprietary)。此前Arena曾表示，如果该模型未来开放权重，将有望与Kimi K3.1Pro竞争开源模型领先位置。
从最新评测来看，腾讯混元Hy4在真实智能体任务中的表现已有明显提升。不过，Agent Arena排名会随着参评模型、用户会话及评测数据变化而调整，单一榜单结果并不等同于模型在所有应用场景中的综合能力。
