腾讯混元的语音模型在四项公开测试里只拿了一项第一

腾讯混元的新语音模型，进步写在和自家上一代的对比里，没写在和对手的对比里。11 月 13 日发布的 Hy Realtime，官方说法是在多个公开测试上「综合客观表现处于领先水平」，可腾讯自己贴出的四项公开成绩，它只拿了一项第一。

据 第一财经，Hy Realtime 已在元宝语音通话和腾讯客服上线，近期上腾讯云对外提供 API。我的判断是：这是一次扎实的升级，不是领先。

腾讯自己的图表里，它赢了两组

IT之家 转载的官方介绍附了三张评测图，我逐格读了一遍。对手是 Gemini 3.8 Flash、Qwen3.8-Omni-Flash、Seed2.0-Lite 和 GPT-Realtime-2.1，产品评测换成了各家的手机应用：

测试	Hy Realtime	图中最高的对手
Big Bench Audio	98.60	Qwen3.8-Omni-Flash 99.10
VoiceBench	92.20	Gemini 3.8 Flash 92.26
Open Audio Bench	85.84	Gemini 3.8 Flash 86.85
Wild Speech Bench	75.35，第一	Seed2.0-Lite 74.80
自建基础智商测试	39.33，第三	Gemini 3.8 Flash 61.01
产品专家评测综合分	2.52	豆包应用 2.56

读法很简单：四项公开测试里三项排第二，落后 0.06 到 1.01 分；自建考卷落后 Gemini 二十多分；专家评测略低于豆包。第七组「可用率」它和豆包并列 40.63，算第二个第一。

图注写着 Gemini 3.8 Flash 开的是低档思考，其余模型都关了思考，这是腾讯给自己留的余地。这条余地对 Qwen 不成立：Big Bench Audio 上压过它的 Qwen3.8-Omni-Flash 同样关着思考。

真正的跳跃是对 Hy2-O

同一张图里还画着上一代 Hy2-O。按图中数字，自建测试从 19.54 到 39.33，翻了一倍；Big Bench Audio 从 84.10 到 98.60；专家评测可用率从 25.78 到 40.63。

这一代的进步是真的，只是参照物是它自己。腾讯把这段跳跃写成「领先」，就把对内的进步当成了对外的排名。

它主打的改口理解没有一个分

官方介绍最用力的一句，是用户话说半截、中途改口时，模型能还原意图，「理解准确率显著提升」。三张图里没有一格专门测这件事。

公开的尺子是有的。台湾大学与英伟达研究者 2026 年 4 月发布的 Full-Duplex-Bench-v3，用 100 段真人录音考语音智能体调用工具，其中 21 个场景专考中途改口。成绩最好的 GPT-Realtime 在这一类的一次通过率只有 0.588，论文称改口仍是所有系统最难的挑战。

那份测试没有腾讯的模型，录音是英语，不能直接拿来给 Hy Realtime 打分，但它说明这类成绩测得出来。

用 Hy2-O 的团队应当换到这一代，跳跃足够大；挑中文语音客服模型的团队可以把它列进候选，排序却要靠自己的录音来定。腾讯自己的图表已经替读者说了实话：Hy Realtime 追到了第一梯队的门口，还没有站到最前面。