Hy3 + WorkBuddy = vrhunski domaći Agent (uz kompletne promptove).

U komentarima su me stalno molili da testiram WorkBuddy, pa evo ga — sa najnovijim Hunyuan Hy3 modelom iz Tencent-a.

Uveren sam da će, uz objavu zvaničnog izdanja Hunyuan Hy3, WorkBuddy postati još prviji izbor desktop Agent-a za mnoge.

Prvo o parametrima.

Hy3 je hibridni stručnjak model (MoE) koji spora i brza razmišljanja stapa; ukupno parametara 295B, aktivnih 21B, podržava kontekst do 256K.

U sebi ima 192 rutirajuća stručnjaka, pri čemu se aktivira top-8, plus 1 stalno prisutni deljeni stručnjak. Jačina rezonovanja ima tri nivoa — no_think, low, high — pa se po složenosti zadatka može odlučiti da li da se razvije duboko razmišljanje.

Hajde da odmah probamo u praksi — sa WorkBuddy + Hy3 generisaćemo poster o MoE-u.

Prompt je vrlo jednostavan.

@Vizuelni poster Dizajniraj poster za objavu Hunyuan Hy3; podaci o parametrima su ovde:

Otvorite WorkBuddy, izaberite Hy3 model, kao veštinu izaberite "vizuelni poster" i unesite prompt.

WorkBuddy prvo čita sadržaj WeChat zvaničnog naloga i izdvaja ključne podatke — npr. stopa halucinacija 12.5%→5.4%, stopa rešavanja zadataka 72%→90%, vreme -34%, Token efikasnost dokumentacija -47.4%/PPT -49.0% i sl.

Zatim priprema platno i kreće u dizajn.

Tokom rada obavlja potrebno duboko razmišljanje, poziva alate itd.

Po završetku crtanja, sam proverava i popravlja vizuelne greške.

Na kraju završava.

Prekopiram direktno sa zone platna; videćete da su svi podaci o parametrima na posteru tačni.

Usput, po zvaničnom puštanju Hy3 u rad, obezbeđena su dve nedelje besplatne kvote — prijateljima kojima treba gomila Tokena svakako iskoristite priliku.

Po mom iskustvu, Hy3 i WorkBuddy se izvanredno uklapaju; u nekoliko slučajeva mi se čini da su sposobnosti u kodu veoma blizu Deepseek V4 Pro.

Osmislio sam pet slučajeva koji pokrivaju četiri dimenzije: planiranje frontenda, upotreba alata, dugoročno izvršavanje i kompleksno rezonovanje.

Prva tri idu na Coding Agent nadogradnju, a poslednja dva na matično polje radnog Agent-a.

Prompt za svaki slučaj navešću u originalnom obliku, pa ih možete u WorkBuddy-ju reprodukovati bez ijedne izmene.

01. Neo-Brutalizam na frontu

Prvi slučaj testira planiranje i frontend. Frontend je i inače fokus ove nadogradnje Hy3.

Dao sam WorkBuddy-ju prompt za dizajn u stilu Neo-Brutalizma, sa zadatkom da od nule generiše kompletan jednostranični sajt. Taj stil je poslednje vreme veoma popularan u dizajnerskim krugovima — debela ivica, tvrde senke, visoko zasićene slatke boje, podsjeća na interfejs složen od obojenih blokova.

Prompt glasi:

Dizajniraj jednostranični sajt, u stilu Neo-Brutalizma.

Boje: koristi visoko zasićene slatke boje za glavne blokove — žuta limuna #FFE156, fluorescentno roze #FF6B9D, elektro plava #4ECDC4, menta zelena #95E77E; pozadina u toploj beloj #FFF8F0 ili svetlo sivoj. Svaka funkcionalna zona jedna glavna boja; tvrdi rez između blokova, bez gradijentnog prelaza.

Ivice i senke: sve kartice i dugmići dobijaju 3px crnu punu ivicu; senze su čisti crni blokovi, pomeraju se za 6px naniže-desno, bez blur; podsećaju na tvrdu senku koju bacaju blokovi. Pri hover-u senka se skraćuje na 2px, simulirajući osećaj pritiska.

Tipografija: naslovi u sans-serif težine 900, telo u monospace fontu. Naslov može namerno da bude nagnut -2° do 3°, stvarajući osećaj slučajno nalepljene nalepnice.

Raspored: asimetrična mreža, kartice različitih veličina — neke zahvataju dve kolone, neke samo jednu. Dozvoli blago preklapanje između elemenata (npr. jedna nalepnica prelazi preko granice dve obojene zone). Mešaj zaobljene i prave uglove — veliki blokovi 16px radijusa, male oznake 0 radijusa.

Tekstura: barem jedna zona na pozadini sa finom teksturom šuma; ubaci 2-3 ručno crtana ukrasna simbola (zvezdica, strelica, talasasta linija) kao inline SVG, u boji glavne zone u kojoj se nalaze.

Ukupni karakter: izgleda kao časopis složen od obojenih traka i markera — provokativno, sa stavom, ali sa jasnom hijerarhijom informacija. Bez "doteranog" osećaja, traži se gruba vitalnost.

Gustina ograničenja u ovom promptu je velika: 4 navedene heksadecimalne boje, debljina ivice i pomeraj senke precizni na piksel, hover interakcija sa konkretnim parametrima, pravila mešanja radijusa, zahtev za inline SVG. Može li te vizuelne specifikacije odjednom "pojesti" i ujednačeno izvući sliku — direktno pokazuje sposobnost modela da razume zahteve i da planira.

02. Neka Hy3 nacrta dinamičnu vizitkartu

Drugi slučaj i dalje testira frontend.

Zamisao je da Hy3 nacrta samog sebe — animacijom na veb stranici prikaže token routing MoE modela. Ovaj zadatak pomalo podlacuje: model mora prvo zaista da razume sopstvenu arhitekturu da bi je dobro nacrtao.

Prompt glasi:

Napravi mi jednostraničnu veb stranicu, tema je "Autoportret Hy3", koja animacijom prikazuje token routing proces MoE modela.
Zahtevi: na vrhu stranice tri brojne kartice — 295B ukupnih parametara, 21B aktivnih parametara, 256K konteksta;
u sredini je animacija rutiranja; jedan token pritiče, od 192 stručnjaka se pali 8, a deljeni stručnjak je stalno aktivan; na dnu klizač kojim se podešava broj tokena koji pristižu u sekundi, a brzina animacije se menja;
tamna pozadina, Tencent plava paleta;
čisti HTML, CSS, JS u jednoj datoteci, ne dozvoljava se uvoz spoljnih biblioteka.

U ovom promptu je pet ograničenja: brojne kartice, logika paljenja stručnjaka, sprega klizača, paleta i jedna datoteka.

Što je više ograničenja, to se bolje vidi da li model nakon što pročita zahteve ujednačeno planira, ili radi korak po korak.

Da bi demonstracija bila lakša, zamolio sam WorkBuddy da generiše GIF animaciju.

I posebno sam obradio broj kadrova zbog zahteva WeChat zvaničnog naloga prema GIF-ovima.

03. Neka Hy3 proveri sopstvene podatke

Treći slučaj testira upotrebu alata, sa fokusom na navigaciju pretraživačem i preciznost izdvajanja informacija.

Otvori tri stranice: GitHub repo Tencent-Hunyuan/Hy3, karticu modela tencent/Hy3 na HuggingFace i stranicu Hy3 na OpenRouter-u.
Iz sva tri izvora izdvoji podatke o dužini konteksta, licenci otvorenog koda i ceni, pa ih saberi u poredbenu tabelu. Ako se podaci iz tri izvora ne slažu, izdvoji stavke u sukobu posebno i navedi izvor. Za nepoznate podatke napiši "nije pronađeno", ne nagađaj.

Lukavost ovog slučaja je u tome što ja unapred znam odgovor. Podaci iz tri izvora već se razlikuju — na primer, na OpenRouter-u Hy3 zapravo nije ni objavljen.

Vidi se da WorkBuddy otvara tri stranice, izdvaja ključne podatke i pravi poredbenu tabelu.

I jasno nam saopštava:

• GitHub i HuggingFace imaju iste podatke za pun Hy3 — kontekst 256K, licenca Apache 2.0
• OpenRouter nema stranicu za puni Hy3; postoji samo Hy3 preview (262K)

04. Iz jedne rečenice u Excel i PPT

Četvrti slučaj testira dugoročno izvršavanje, na matičnom polju radnog Agent-a.

Ovaj folder sadrži sve Markdown članke mog bloga o AI; na početku svakog stoje naslov, datum i oznake.
Prvi korak: sredi u Excel, sa kolonama naslov, datum objavljivanja, kategorija, broj reči u telu; drugi korak: izračunaj mesečni broj objava i udeo svake kategorije, generiši grafikon; treći korak: na osnovu rezultata kategorizacije napravi PPT "AI Agent learning path" do 10 strana, sa grafikonom na poslednjoj strani.
Po završetku svega, sam proveri da li se podaci u Excelu slažu sa originalnim fajlovima, pa mi predaj.

Tri koraka zadatka, prelazi preko čitanja fajlova, tabele, grafikona i PPT-a — četiri alata — i još zahteva samoprovjeru.

Ključ dugoročnog izvršavanja nije da svaki korak oduševi, već da kasniji koraci pamte podatke iz ranijih, i da pre predaje sami uoče nedostatke.

Ovakav zadatak već sam probao u drugim Agentskim alatima više puta; najčešća mesta pada su dva.

Prvo je brojanje reči — model se ne prihvati da zaista broji, već proceni neki približan broj i upiše ga; drugo je grafikon u PPT-u koji ne štima sa sirovim podacima u Excelu, jer svako strana za sebe računa.

Zato poslednja rečenica prompta "sam proveri pa mi predaj" nije ulagivanje.

Navodno Hy3 može stabilno da podigne Agentski radni tok od blizu 500 koraka — zaista je jako, jako jak.

Pogledajmo konačni proizvod.

Da bismo dobili lepši PPT, ovde ćemo instalirati PPT Skill majstora Zang.

Instaliraj ovaj https://github.com/op7418/guizang-ppt-skill

Dobro, generisaćemo PPT u Swiss stilu.

Ovaj posao nije bio mali, a usput je obavljeno i nekoliko kompresija konteksta.

OK, zadatak gotov — hajde da vidimo rezultat.

Zaista nisam očekivao da sam u martu objavio čak 45 sadržaja.

Dugoročno izvršavanje ne ispituje samo sposobnost u jednom koraku, već pre svega održavanje konteksta.

Hy3 je u ovom slučaju celim putem zadržao konzistentnost podataka.

To je zapravo tipičan zadatak radnog Agent-a: prvo pročita gomilu dugih tekstova, izvuče strukturirane podatke, i konačno isporuči rezultate preko više alata — Excel, grafikoni, PPT.

05. Neka Hy3 reši jednu kompleksnu zagonetku

Poslednji slučaj testira kompleksno rezonovanje.

Agentic Reasoning treći je veliki pravac nadogradnje zvaničnog Hy3, pa ćemo postaviti jedan zadatak koji zahteva lanac: matematičko izvođenje + kodiranje + izvršavanje + vizualizacija.

Zadatak je klasičan problempermutacija.

100 ljudi stoji u redu; svako na glavi ima šešir sa oznakom, a šeširi su izmešani i nasumično podeljeni. Kolika je verovatnoća da bar jedna osoba dobije šešir sa svojom oznakom?
Zahtevi:
1. Najpre dokaži matematičko tačno rešenje
2. U Pythonu napiši Monte Carlo simulaciju koja radi milion iteracija
3. Nacrtaj grafikon konvergencije — na x-osi broj simulacija, na y-osi procena verovatnoće, sa horizontalnom linijom koja označava matematičko tačno rešenje
4. Uporedi grešku između simulacije i tačnog rešenja

Zašto baš ovaj zadatak?

Jer istovremeno ispituje dva pravca nadogradnje zvaničnog Hy3: duboko rezonovanje (izvođenje principa uključivanja-isključivanja ne stiže u jednom koraku do odgovora, već zahteva višestruke logičke korake) i upotrebu alata (Python kodiranje + izvršavanje + crtanje u Matplotlib-u).

Pet karika je međusobno povezano: razumevanje problema → matematičko izvođenje → pisanje koda → izvršavanje simulacije → vizuelno poređenje.

Prvo matematičko izvođenje.

Pogledajte da li je izvođenje Hy3 kompletno.

Da li je napisao formulu uključivanja-isključivanja? Da li je objasnio zašto za dovoljno veliko n važi aproksimacija sa 1/e? Da li je konačna numerička vrednost tačna? Ako odmah skoči na "odgovor je oko 0.63", bez procesa izvođenja — to nije rezonovanje.

Konačna provera: nakon milion simulacija, procenjena verovatnoća i matematičko tačno rešenje 0.63212 treba da se slažu na nivou hiljaditog reda (±0.001).

Usput, evo gde ova sposobnost dolazi do izražaja u svakodnevnom radu.

Analiza podataka, kvantitativno modeliranje, provera rezultata A/B eksperimenta — sve zahteva lanac "prvo izvedi formulu, pa pokreni podatke, pa nacrtaj grafikon".

Zaključak

Posle pet slučajeva, evo opšteg utiska.

Upotreba alata se vidi po tome da li sam otvara stranice, nalazi informacije i navodi izvore; sposobnost planiranja po tome da li razlaže višestruko ograničene zahteve na izvršive korake; dugoročno izvršavanje po tome da li u zadacima u više koraka gubi stanje; kompleksno rezonovanje po tome da li prvo izvodi, pa piše kod, pa izvršava proveru.

WorkBuddy + Hy3 ponašanje je potpuno u skladu sa očekivanjima.

I Hy3 u WorkBuddy-ju je sada besplatan na probu dve nedelje — iskoristite taj prozor da pokrenete neki zadatak koji ste dugo želeli da uradite, a nikako ste stizali.

vidimo se u sledećem.