但于后端营造差事集Hy-Backend、贴近确凿用户交互之Hy-VibeBench，以及高难度软件营造差事集Hy-SWEMax等内部测试中，其统合表现优于Kimi-K2.5，仍未达到Claude-Opus-4.6之水平。
于混元团队联手复旦大学发布之CL-bench与CL-bench-Life基准测试中，Hy3preview之表现高于Kimi-K2.5、GLM-5，但掉队于OpenAI之GPT-5.4xhigh。
于SWE-BenchVerified、Terminal-Bench2.0等主流代码智能体基准中，Hy3preview之表现未超过Anthropic之Claude-Opus-4.5、智谱GLM-5等国内外主流模型。