在真实业务约束中拉开差异
从项目融资到现金流传导，评分同时关注数值、公式依赖与输入变化后的业务响应。三个重点案例提供了明确的能力区分信号。
查看业务场景 ↗GPT-6 ASTRA × TENCENT HY4-PREVIEWSAMPLE GALLERY HY v2.0 · 2026.10.27
ASTRA × HY / QUALITY & EXECUTION
把结果差异，放回真实执行路径。
GPT-6 Astra
Hy4-preview散点颜色对应模型 ／ logo 为每题各模型均值01 LNG 接收站 · 02 容量 / 工单 · 03 现金流
点击彩色散点查看单次运行，点击模型标识查看该题均值。
全部均值差额 ≥10 pp 的三个案例，每题保留 Astra 5 次与 HY 8 次基础运行。横轴是轨迹记录的工具调用数，不是耗时；调用封装因执行框架而异。青绿色为 Astra，蓝色为 HY；重合点保留原坐标。标识横移处以空心圆为实际均值位置，纵轴位置保持真实得分率。
SUMMARY / THE VALUE OF OUR DATA
完整 Oracle 与真实轨迹，
让模型优化有据可循。
13 道任务，全部配备完整 Oracle。
标准解、可执行评分、满分回执与模型轨迹，共同构成可定向扩展的金融 Agent 数据资产。
在本轮 13 道任务的基础结果中，Astra 平均得分率领先 6.15 个百分点。三个重点案例进一步呈现 13.47–39.40 个百分点的差异，为 HY 的专项优化提供具体切入点。
HY 已具备形成交付的执行基础，仍有巨大的优化空间。我们掌握的完整 Oracle，让每轮优化都有明确的正确性参照；结合 trajectory，可以围绕具体业务链路设计样本，并用复测衡量改进。
13业务任务覆盖 6 类任务
169基础运行全部纳入总体均值
13 / 13完整 Oracle 覆盖标准解与满分回执齐备
3重点差异案例Astra 领先 ≥10 pp
01 / DATA THAT MAKES A DIFFERENCE
数据的价值，在于把下一步优化变得具体。
02 / ASTRA × HY · FOCUSED EVIDENCE
三个场景，呈现值得投入的数据方向。
按基础运行的平均得分率差额筛选；每个案例保留两侧全部运行。点击切换场景，查看均值与逐次结果。
重点案例用于展示具体区分信号，不代表全部任务的平均表现。上方总体比较始终包含完整 13 题；得分率 = reward × 100，并非通过率。
03 / TRAJECTORY · EVIDENCE IN MOTION
从作答顺序，看见更具体的优化机会。
把读取、建模、重算与验证放在同一视图中，观察模型如何形成交付，再将具体步骤与最终得分对应起来。这些过程证据，是专项样本设计与复测讨论的共同起点。
执行序列总览
各行归一化为 0–100% 记录顺序 · 不代表阶段耗时0%25%50%75%100%
每个色块对应一条记录中的工具调用；分类根据可见工具与命令文本，混合动作单独标记。批量命令仍算一次调用，类别与调用数量用于定位过程，不直接衡量推理成本。
逐模型操作明细与命令片段 点击色块，定位原始步骤
默认选择各模型本题基础得分最接近中位数的运行，同距时取最小 slot；可切换查看全部基础运行。得分仅为所选运行的最终评分，不推算过程分数。原始轨迹保留在数据包，网页提供经过脱敏的工具事件摘要与命令片段。
04 / HY · MODEL DEVELOPMENT OPPORTUNITIES
从已经具备的执行基础，走向更稳定的业务闭环。
本轮留存结果显示，HY 已能在这些任务中形成有得分的交付；复杂规则下的完成度与稳定性，仍提供了可进一步探索的空间。以下是基于差异证据提出的优先验证方向。
关注方向本轮证据与解读建议的数据与复测设计
01跨期财务关系的稳定传导
LNG 案例中，HY 平均得分率为 28.08%，Astra 为 67.48%。这一差异提示，项目级多环节联动值得作为专项验证重点。
围绕经营假设、资本开支、融资及估值之间的连接构造样本；设置中间检查点，观察局部修复是否能带动整条财务链路一致变化。
02业务约束的完整落地
容量与工单案例中，两侧平均得分率相差 22.01 个百分点。规则密集、边界交错的任务，为检验“理解规则后能否稳定执行”提供了切面。
建议补充容量限制、授权范围和有效期边界的组合样本，以输入扰动检查规则是否进入实际计算，并在未见场景中验证一致性。
03多交易组合下的一致性
复杂现金流案例中，HY 平均得分率为 30.14%，Astra 为 43.61%。组合交易下的分类、传导和结果一致性，可作为进一步提升的着力点。
建议由单笔交易递进到组合交易，再引入独立输入变化；将最终数值与关键关系同步检验，让专项训练的收益能在复测中被识别。
这些方向是待复测验证的改进假设，分差本身不构成具体失分根因的证明。下一轮建议统一模型配置、工具环境、thinking effort 与预算，并保留全部尝试。
05 / FROM EVIDENCE TO ITERATION
让每一轮数据投入，都有可复核的反馈。
选择有区分度的业务场景
围绕已有差异与实际应用优先级，确定财务链路、业务约束或交易组合等专项方向。
扩展业务条件与边界
以完整 Oracle 为正确性参照，按业务规则扩展输入、边界与组合场景，并同步验证标准解与评分断言。
用同条件复测确认改善
固定题面与评分版本，重新运行两侧模型，同时关注得分分布、有效交付与新增记录的执行成本。
AVAILABLE IN THE DATA PACKAGE
业务题目与输入→模型答卷与轨迹→完整 Oracle 与可执行评分→版本与文件绑定
为 HY 的下一步迭代，提供更有针对性的数据。
以完整 Oracle 与原始轨迹为基础，把显著的优化空间转化为专项样本、复测口径与可衡量的迭代目标。
数据来源与比较口径 13 道任务 · 169 次基础运行
总体与案例
来源为 Sample Gallery HY v2.0 的 RECORDS.json、SUMMARY.json 与 TASK_INDEX.json。总体先计算各题各模型基础运行均值，再对 13 题等权平均。重点案例为全部均值差额 ≥10 个百分点的任务，各题不挑选最高分。
配置与边界
HY 原始模型标识为 tencent/Hy4-preview，执行框架为 codebuddy_code；Astra 为 gpt-6-astra，执行框架为 codex。两侧不是统一运行条件的控制实验；本页不作普遍模型排名或训练增益承诺。
统计与保留
基础记录共 169 次：Astra 65 次、HY 104 次；另 15 次 Astra hint 单独保留，不纳入比较。全部基础记录保留在总体计算中。原始 reward 按 100 倍展示，差额单位为百分点（pp）。HY 轨迹缺少可靠时间与用量字段；开屏图改用记录工具调用数，序列按调用顺序展示，不推算耗时或成本。
材料与标识
全部 13 道任务保留完整 Oracle 标准解、可执行评分器及 Oracle 满分回执，13 份 NOP 基线回执均为零分。回执与文件哈希已核对；本页未重新执行评分，也不把满分参考等同于预期训练增益。数据包同时保留答卷与原始轨迹。HY 标识采用 Tencent Hy 官方网站现行 logo。标识用于识别比较对象，不表示官方背书。
下载评分数据与来源索引 ↓ · 下载轨迹摘要 ↓