腾讯近期发布了混元turbos系列的最新迭代版本 hunyuan-turbos-20250926。官方介绍称，新版本在预训练底座数据质量和后训练（post-train）策略上实现突破，旨在持续提升Agent、英语小语种、指令遵循、代码及理科能力。数据显示，其理科类能力平均提升10.9%（数学提升13.8%，逻辑推理提升12.3%），文科类写作、指令遵循、知识问答及Agent领域提升约2%。
然而，实测结果却出现意外：新版本整体准确率从69.9%下降至68.7%，下跌1.2个百分点，排名从第3位滑落至第12位。但更引人注目的是，该版本凭借2元/千次的极致成本，在性价比维度上对豆包、智谱等竞品形成了“降维打击”。为何准确率下跌反而更具竞争力？我们对 hunyuan-turbos-20250926 进行了全面评测。
hunyuan-turbos-20250926 版本表现概览：
- 测试题数：约1.5万
- 【总分】准确率：68.7%
- 平均耗时（每次调用）：23秒
- 平均消耗token（每次调用）：1150
- 花费/千次调用（元）：2.0
1、新旧版本对比
首先与上个版本（hunyuan-turbos-20250716）进行对比：
- 整体准确率意外下滑：新版本准确率从69.9%降至68.7%，下跌1.2个百分点，排名从第3位大幅下滑至第12位。这与官方强调的“全面提升”形成明显反差。
- 理科能力大幅提升：“推理与数学计算”从53.2%跃升至64.2%，提升11.0个百分点，与官方宣称的“数学能力提升13.8%”基本吻合。“教育”领域也从49.9%提升至55.2%（+5.3%）。
- 核心领域出现倒退：多个关键领域出现下滑。其中“Agent与工具调用”从74.0%暴跌至48.3%，下降25.7个百分点，是所有领域中最大的退步，与官方宣称的“Agent领域提升2%”完全相反。“医疗与心理健康”从89.5%降至86.1%（-3.4%），“金融”从83.9%降至80.1%（-3.8%），均为高分领域的显著退步。
- 语言能力显著增强：“语言与指令遵从”从63.4%提升至71.7%，增幅达8.3个百分点。
- 速度与成本双优化：新版本平均耗时从27秒缩短至23秒，提升约14.8%；平均token消耗从1321降至1150，减少约12.9%；每千次调用费用从2.3元降至2.0元，成本下降约13%。
2、对比其他模型
准确率下滑、排名跌出前十，hunyuan-turbos-20250926 为何仍敢叫板豆包、智谱？答案在于其极致的成本控制。我们选取了18个具有代表性的模型进行横向对比分析：
同档位对比
- 同分段内成本最低：在68.7%准确率档位，
hunyuan-turbos-20250926（2元）与智谱GLM-4.6（37.6元）、阿里qwen3-max-preview（17.5元）分数相同，但成本仅为对手的5.3%和11.4%，具备18.8倍和8.75倍的价格优势。 - 碾压级性价比：与准确率更高的竞品相比，其价格优势更为惊人。相比准确率高5.5个百分点的榜首
doubao-seed-1-6-thinking-250715（74.2%，15.6元），其成本仅为其12.8%；相比准确率高2.3个百分点的DeepSeek-V3.2-Exp-Think（71.0%，6.1元），成本也低了67%。 - 速度与成本双杀：
hunyuan-turbos-20250926的23秒响应时间处于顶尖水平，仅慢于Doubao-1.5-pro-32k-250115（11秒）。在同档位68.7%准确率模型中，其速度远快于GLM-4.6和qwen3-max-preview（均为59秒），实现了速度与成本的双重优势。
新模型间对比
- 新模型中的性价比之王：在标注为“(new)”的最新发布模型中，
hunyuan-turbos-20250926以2元成本位列新模型成本排行第2位（仅次于DeepSeek-V3.2-Exp的1.9元），但其响应速度（23秒）远超后者（201秒），综合性价比更优。
开源VS闭源对比
- 闭源模型打出开源价格：
hunyuan-turbos-20250926的2元成本已逼近甚至低于部分开源模型，例如略高于DeepSeek-V3.2-Exp（1.9元），但低于qwen3-235b-a22b-instruct-2507（7.2元）。 -
闭源的速度优势：在价格与开源竞争的同时，
hunyuan-turbos-20250926保持了闭源商用模型的速度优势。其23秒的响应时间远快于DeepSeek-V3.2-Exp（201秒）、DeepSeek-V3.1（27秒）和qwen3-235b-a22b-instruct-2507（44秒），展现出强大的工程优化能力。 - 开源大模型不同供应商价格对比：DeepSeek-V3.1 / Qwen3 / kimi-k2…
- Qwen3-Max-Preview实测：非思考模型新王者诞生
- LLM文本摘要评测实战指南
- 阿里qwen3-next-80b-a3b-instruct实测
- 姚顺雨成名作“智能体评测集τ-bench”上手指南
- DeepSeek-V3.2-Exp非思考模式实测
- DeepSeek-V3.2-Exp思考模式实测：开源模型王者
- 深度拆解：为什么通用 Agent 的下一站是 Agentic Browser？
- 每月AI大模型更新速递（25年9月）
- 每周AI大模型更新速递10.1~10.12
- 大模型智能体评测综述【Benchmarks解读】
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/14715