在 SWE-bench Verified 上 78 分的成绩表明,Hy3 已能处理仓库级的缺陷修复类任务,而不仅限于函数级的代码补全。模型支持交错式思考:在获取工具返回结果后于同一轮内延续思维链并给出结论,这与真实开发环境中"读取文件—理解调用关系—修改代码—运行验证"的循环高度吻合。
在盲测中,Hy3 优势最明显的方向包含前端开发与 CI/CD。官方发布的工具调用示例覆盖了从读取结构化信息到执行脚本的完整链路,模型可通过 Function Calling 调度外部能力完成端到端的开发任务。
256K 的上下文窗口为大型代码仓库、规范文档与多轮会话记录提供了容纳空间。在需要严格遵循复杂约束的开发场景中,模型可结合上下文学习能力在长程交互中保持约束不衰减,这也是 Hy3 在代码智能体方向获得较多真实场景反馈的基础。