@rohanpaul_ai: 本地LLM的更多好消息。腾讯新推出的Hunyuan Hy3以35倍更低的成本达到Gemini 3.5级别的物理质量。……

X AI KOLs Timeline 模型
tencent hunyuan-hy3 gemini-3-5 local-llms physics cost-efficiency atomic-chat

摘要

腾讯新推出的Hunyuan Hy3模型以35倍更低的成本达到Gemini 3.5级别的物理质量，该结论基于在atomic.chat中对比模拟的测试。

本地LLM的更多好消息。 腾讯新推出的Hunyuan Hy3以35倍更低成本达到Gemini 3.5级别的物理质量。 测试在atomic[.]chat上进行，这是一款本地运行LLM的桌面应用。 提示要求4个模型构建保龄球、空气曲棍球和台球模拟。更困难的部分是保持物理因果关系。 一次全中需要碰撞时机、质量传递、球瓶旋转、摩擦和可信的散射。 台球开球暴露了同样的弱点，因为每个错误角度都会立即加倍放大。 有趣的是，DeepSeek-V4花费了最多的令牌数（50,600），但在本次测试中产生的视觉物理效果最弱。
查看原文
查看缓存全文

缓存时间: 2026/07/06 20:19

本地大语言模型的好消息更多了。

腾讯新发布的 Hunyuan Hy3 以 35 倍的成本降低实现了 Gemini 3.5 级别的物理模拟质量。

测试在 atomic[.]chat 这款本地运行大语言模型的桌面应用上进行。

任务提示要求 4 个模型分别构建保龄球、气垫球和台球的模拟场景。真正的难点在于保持物理因果关系的准确性。

一次全中需要精确控制碰撞时机、质量传递、球瓶旋转、摩擦力以及可信的散落轨迹。

开球同样暴露了这一弱点——因为每个细微的角度偏差都会迅速累积放大。

有意思的是，DeepSeek-V4 消耗了最多的 token（50,600 个），却在本次测试中呈现了最弱的物理视觉效果。

atomic.chat（@atomic_chat_hq）： 全新 Hunyuan Hy3 以 35 倍成本优势达到 Gemini 3.5 的物理模拟质量！

我们向 4 个模型给出了相同提示：基于真实物理演示，构建三个自包含的 HTML5 Canvas 场景。

提示要求：

  • 保龄球击倒球瓶
  • 气垫球对攻并以进球结束
  • 台球

相似文章