AREX Feed Article
腾讯混元自报 Hy4 位居 Artificial Analysis Cyber Index 第 3、CWE-Bench-AA 第 1
2026 年 11 月 13 日 16 时 39 分（北京时间），腾讯混元官方 X 账号 @TencentHunyuan（显示名 Tencent Hy，Business 认证）其模型在 Artificial Analysis（一家独立的大模型基准评测机构）的网络安全综合指数 Cyber Index 上排第 3，在 CWE-Bench-AA（漏洞审计与修复基准）上排第 1。帖文只有这一行名次加三个庆祝表情，没有点名具体模型，也没有附任何链接或数据。
两项名次当天就能对上号：北京时间 13 日 15 时 06 分，即混元发帖前 93 分钟，Artificial Analysis 官方账号 @ArtificialAnlys ，给出的正是这两个名次和分数。截至发稿前检索，混元这条自报帖获得约 4,400 次浏览、70 个点赞和 7 条回复。
图：Artificial Analysis 11 月 13 日评测帖附带的 Cyber Index 榜单。
名次的出处：Artificial Analysis 的当日评测与榜单页
评测帖写得很具体：Hy4 在 Cyber Index 得 58%，在 CWE-Bench-AA 上排第 1——这一项是 Artificial Analysis 对 Collinear AI 的 CWE-bench v1 的自有实现。帖子还附带榜单柱状图，用蓝色箭头把 Tencent Hy4 单独标出。
「第 3」有一个口径细节值得交代。的自动摘要（11 月 13 日检索）写的是「Kimi K3.1 Pro 得分最高，为 64；随后是 Tencent Hy4，为 58 和 DeepSeek V4.1 Flash 1017 (Max)，为 57」——单看这句，Hy4 是公开模型里的第 2。页面数据中还有一条得 69% 的条目排在 Hy4 之前，评测帖写明它是 GPT-6 Sol (Daybreak Blue, max)，图表图例把这类条目标注为「Trusted-access model (not publicly available)」（受信任访问、不公开可用）。评测帖在计算名次时把它计入了，页面的自动摘要则没有计入：计入时 Hy4 排第 3，只数公开可用的模型时它排第 2。混元帖的「第 3」与评测方自己的口径一致。
CWE-Bench-AA 的「第 1」没有类似的口径问题。摘要直接写明：Tencent Hy4 以 76% 的 pass@1（单次通过率）居首，其后是 DeepSeek V4.1 Flash 1017 (Max) 的 69% 和 Grok 4.7 (Xhigh) 的 68%。
Cyber Index 由三个漏洞发现与修复基准构成
图：Artificial Analysis 发布文章中的 Cyber Index Alliance 头图。
Cyber Index v1 由三项评测构成，全部跑在 Artificial Analysis 的开源 agent 框架 Stirrup 上，测的是防御侧闭环：在真实开源代码库里发现漏洞、复现验证、打补丁且不破坏正常功能。明确说明：不要求模型构造可用的攻击利用（exploit），把漏洞变成可用的攻击不在指数范围内。
三项评测各有分工。CWE-Bench-AA 来自 Collinear AI 的 CWE-bench，120 道题全部是留出题（held-out），仅 Collinear AI 和 Artificial Analysis 掌握，覆盖 OWASP Top 10（2025 年版十大 Web 应用安全风险）的全部类别，横跨 C/C++、Go、Java、JavaScript/TypeScript、Python、Rust 六种语言，任务复现已披露的 CVE（公开安全漏洞编号）。DeepsecBench-AA 来自 Vercel，同样是私有留出题，只考「发现」，对照人类安全专家核验过的答案集给模型找出的漏洞打分。CyberGym-E2E-AA 来自伯克利 RDI，131 道 C/C++ 内存安全题，要求模型发现漏洞、写出能触发崩溃的输入、再把补丁打到崩溃不再复现。
指数于 2026 年 9 月 28 日与 Cyber Index Alliance 一同发布，首批发起方为 Collinear AI、IBM、NVIDIA 和 Vercel。是 Grok 4.7 (xhigh) 和 MiMo-V2.6-Pro（各 56 分）；六个星期后，榜首已经是 Kimi K3.1 Pro 和那条不公开条目。
每任务 0.92 美元：Artificial Analysis 同时给出了成本账
Cyber Index 的页面上，分数旁边就是每任务成本。评测帖用相当篇幅说明 Hy4 的性价比位置：每任务 0.92 美元，处于能力-成本帕累托前沿，即没有其他模型同时做到更高分且更便宜；比 Grok 4.7 (xhigh) 高 2 分，成本约为后者的 1/11；比 DeepSeek V4.1 Flash 1017 (max) 高 1 分，成本约为后者的 2 倍。输出 token 方面，Hy4 每任务用 64k：比 DeepSeek V4.1 Flash 1017 (max) 少 43%，比 Grok 4.7 (xhigh) 少 37%，但比 Kimi K3.1 Pro 多 49%，比 GPT-6 Sol (Daybreak Blue, max) 多 56%。评测帖给出的 Hy4 API 定价为每百万输入 token 0.834 美元、输出 token 2.501 美元。
这些成本与 token 数字都出自 Artificial Analysis 的测量；混元的帖子只复述了名次。
帖文没有点名模型，评论区自己补上了 Hy4
把「这行名次属于谁」补齐的是评测帖和回复区。评测帖明确写的是「Tencent's Hy4」；混元帖的里，账号 Canopy Wave 问「有没有 Hy4 攻克更难任务的例子」；写道：「Anything but releasing the weights（除了不发权重，什么都行）」。把 Tencent Hy4 的发布日期记为 2026 年 11 月 3 日，isOpenWeights 字段为 false（未开放权重）。11 月 11 日，该账号刚——那次可用性公告与本次排名自报是两件独立的事，中间只隔了两天。
中文社区当晚也有人跟进。用户 NFT_Chen 在混元发帖约一小时后「腾讯混元 Hy4 在网络安全防御上首次超越 DeepSeek V4.1 Flash 1017」，复述了 58%、76% 和每任务 0.92 美元等数字；该帖获得约 2,600 次浏览、29 个点赞。同一时段检索，Artificial Analysis 的评测帖有约 2.9 万次浏览、178 个点赞，约为混元帖的 6 倍。
外部能独立复核的空间有限：CWE-Bench-AA 和 DeepsecBench-AA 的题目对外不可见，第三方无法复跑这份榜单；Hy4 的权重尚未开放，外部复核只能通过 API 进行。Artificial Analysis 在发布文章里写明，会随模型改进持续更新指数。