騰訊終于上桌了？

出品｜虎嗅黃青春頻道

作者｜商業(yè)消費(fèi)主筆黃青春

題圖｜視覺中國

7 月 6 日，騰訊混元 Hy3 正式版發(fā)布，距離 4 月 23 日 Hy3 preview 亮相僅兩個(gè)多月，距離姚順雨以首席 AI 科學(xué)家身份空降騰訊、主導(dǎo)混元架構(gòu)重建不過 201 天。

作為姚順雨治下首款正式版大模型，Hy3 被賦予了雙重象征意義：它既是騰訊 AI 底層基礎(chǔ)設(shè)施推倒重建后的首份完整答卷，也被外界視作騰訊補(bǔ)齊短板、入局 AI 下半場(chǎng)的標(biāo)志性產(chǎn)品。

官方口徑中，這款總參數(shù) 295B、僅激活 21B 參數(shù)的 MoE 模型，實(shí)現(xiàn)了比肩 2~5 倍參數(shù)規(guī)模旗艦?zāi)Ｐ偷男Ч钆溟_源權(quán)重、極低 API 定價(jià)與全產(chǎn)品線接入，儼然一副領(lǐng)跑高性價(jià)比生產(chǎn)力模型的姿態(tài)。

然而，將 Hy3 的公開數(shù)據(jù)放回行業(yè)坐標(biāo)系、嵌入騰訊生態(tài)語境審視便會(huì)發(fā)現(xiàn)：姚順雨要托起騰訊 AI 下半場(chǎng)，絕非易事。

實(shí)用主義走向“偏科”

Hy3 最核心的標(biāo)簽是“小身板對(duì)標(biāo)大模型”。官方強(qiáng)調(diào)其以 21B 激活參數(shù)，實(shí)現(xiàn)了參數(shù)規(guī)模 2~5 倍于自身的旗艦?zāi)Ｐ托Ч蝗欢鸾馄浼夹g(shù)規(guī)格不難發(fā)現(xiàn)：這并非底層架構(gòu)層面的創(chuàng)新突破，只是稀疏模型路線下的工程化調(diào)優(yōu)，能力邊界從一開始就被參數(shù)規(guī)模鎖死。

從架構(gòu)上看，Hy3 沿用了 preview 版本的底層設(shè)計(jì)：MoE 混合專家架構(gòu)，總參數(shù) 295B，每次推理激活 Top-8 共 21B 參數(shù)，搭配 3.8B 的 MTP 層參數(shù)、80 層主網(wǎng)絡(luò)結(jié)構(gòu)，支持 256K 上下文長度。

換言之，正式版未做架構(gòu)層面的改動(dòng)，提升全部來自后訓(xùn)練數(shù)據(jù)提質(zhì)、RL 算力擴(kuò)容與工程調(diào)優(yōu)，典型的架構(gòu)不動(dòng)、數(shù)據(jù)補(bǔ)位，注定它是補(bǔ)短板式的升級(jí)，而非代際跨越。

放在行業(yè)坐標(biāo)系中，295B 參數(shù)規(guī)模僅與 DeepSeek V4 Flash、MiniMax M3 處于同一梯隊(duì)，而國內(nèi)外第一梯隊(duì)模型總參數(shù)量已普遍跨過萬億級(jí)門檻。

上下文窗口的選擇，同樣值得玩味。

當(dāng)下行業(yè)普遍以 1M 甚至 2M 超長窗口作為性能噱頭秀技術(shù)實(shí)力，Hy3 正式版不盲目追超大長度，轉(zhuǎn)而在 256K 區(qū)間內(nèi)打磨性能上限，減少真實(shí)業(yè)務(wù)場(chǎng)景中的出錯(cuò)率，充分體現(xiàn)出姚順雨的實(shí)用主義思路：絕大多數(shù)日常辦公、代碼開發(fā)場(chǎng)景，256K 足以覆蓋。

可務(wù)實(shí)的代價(jià)是戰(zhàn)略收縮——Hy3 難以適配超長源碼庫、全量知識(shí)庫等硬核場(chǎng)景，而對(duì)企業(yè)級(jí)客戶而言，長上下文能力屬于剛需，是大模型弱化傳統(tǒng)檢索依賴的核心價(jià)值。Hy3 將自身定位為中高端生產(chǎn)力工具而非全場(chǎng)景旗艦，雖換取了成本與穩(wěn)定性優(yōu)勢(shì)，卻從戰(zhàn)略上放棄了大模型競(jìng)賽中單點(diǎn)性能極限的突破。

不止參數(shù)規(guī)模與上下文窗口，被視作 Hy3 賣點(diǎn)的快慢思考融合機(jī)制，本質(zhì)是推理階段的分級(jí)檔位調(diào)度：常規(guī)請(qǐng)求采用輕量化推理深度實(shí)現(xiàn)快速響應(yīng)，高復(fù)雜度任務(wù)則提升算力、加長思考鏈路以提升準(zhǔn)確率。

這套機(jī)制的核心價(jià)值在于平衡速度與成本，凸顯的是工程團(tuán)隊(duì)的精細(xì)化調(diào)度能力，而非底層模型技術(shù)路線的代際領(lǐng)先。

當(dāng)然，評(píng)判一款大模型的真實(shí)水平，既要橫向看 benchmark，也要縱向看真實(shí)場(chǎng)景的落地表現(xiàn)。Hy3 呈現(xiàn)出鮮明的“偏科”特征：長板足夠突出，但集中在細(xì)分賽道；短板同樣明顯，恰恰落在 AI 下半場(chǎng)的核心競(jìng)爭(zhēng)領(lǐng)域。

Hy3 表現(xiàn)最強(qiáng)的維度，集中在信息檢索與單工具執(zhí)行。

• 搜索智能體方向，BrowseComp 基準(zhǔn) 84.2 分，與 GPT-5.5 的 84.4 分幾乎持平，躋身第一梯隊(duì)；

• WideSearch 與 DeepSearchQA 同樣躋身前列。這意味著在網(wǎng)頁導(dǎo)航、多源信息交叉驗(yàn)證、長文檔抽取等任務(wù)中，Hy3 已接近國際頂流模型的穩(wěn)定性與準(zhǔn)確率。

Agent 執(zhí)行層面同樣可圈可點(diǎn)。

• ClawEval 基準(zhǔn) 68.5 分，僅次于 Claude Opus 4.8，超過 DeepSeek V4 Pro 與 Qwen 3.7 Max；

• SkillsBench 從 preview 的 29.1 分躍升至 55.3 分，漲幅近 90%，位列第二。說明 Hy3 在單 Agent、可控環(huán)境下的工具調(diào)用準(zhǔn)確率與步驟規(guī)劃能力已躋身行業(yè)頭部。

這些長板精準(zhǔn)命中辦公場(chǎng)景痛點(diǎn)：信息整理、文檔生成、簡單工具調(diào)用均是白領(lǐng)最高頻的需求。難怪內(nèi)部 270 位專家盲測(cè)中，Hy3 在辦公、前端等場(chǎng)景評(píng)分高于 GLM 5.1，敢情其能力分布高度貼合內(nèi)部日常需求。

當(dāng)然，細(xì)分賽道領(lǐng)先，不等于綜合能力領(lǐng)跑。

信息檢索與單工具執(zhí)行，本質(zhì)是對(duì)已有信息的整合落地，考驗(yàn)的是指令遵循與穩(wěn)定性；而真正決定大模型能力上限的，是復(fù)雜推理、硬核代碼、多工具生態(tài)協(xié)同等底層能力——在這些核心賽道上，Hy3 差距肉眼可見。

比如，最考驗(yàn)硬核工程能力的代碼賽道，Hy3 的表現(xiàn)只能用“平庸”形容。

• SWE-bench Pro 基準(zhǔn)上，Hy3 拿到 57.9 分，雖較 preview 版提升超 25%，但大幅落后 Claude Opus 4.8 的 69.2 分，也低于 GLM 5.2 的 62.1 分。

• SWE-bench Multilingual 75.8 分，同樣落后于 Claude 與 GLM 5.2。

• Terminal Bench 2.1 終端命令基準(zhǔn) 71.7 分，與前三存在明顯差距。

• NL2repo 自然語言轉(zhuǎn)代碼倉庫任務(wù) 45.6 分，僅處行業(yè)中游。

換言之，Hy3 的代碼升級(jí)更多體現(xiàn)在前端生成、簡單腳本編寫等輕量場(chǎng)景，這與內(nèi)部盲測(cè)前端類別優(yōu)勢(shì)顯著的結(jié)論吻合；但面對(duì)倉庫級(jí)重構(gòu)、復(fù)雜系統(tǒng) Debug、多語言工程遷移等硬核軟件工程任務(wù)，它與第一梯隊(duì)之間仍有清晰的代差。

數(shù)學(xué)與推理維度差距更甚。MathArena Apex 數(shù)學(xué)競(jìng)賽基準(zhǔn)上，Hy3 拿到 38.7 分，盡管較 preview 版的 12.8 分實(shí)現(xiàn) 207% 的爆發(fā)式增長，但橫向?qū)Ρ炔坏?GPT-5.5 的一半，也低于 Qwen 3.7 Max 的 44.5 分。即便是表現(xiàn)較好的 GPQA Diamond 博士級(jí)科學(xué)問題基準(zhǔn)，90.4 分仍與 GPT-5.5 的 93.6 分有明顯距離。

甚至，在 MCP Atlas 工具調(diào)用基準(zhǔn)上，Hy3 僅 79.1 分，在參與對(duì)比的 6 個(gè)主流模型中排名末位，不僅低于 Claude Opus 4.8、GLM 5.2，也略遜于 Seed 2.1 Pro。

要知道，MCP 是當(dāng)前 Agent 生態(tài)的事實(shí)標(biāo)準(zhǔn)，多工具協(xié)作、跨系統(tǒng)調(diào)度的能力直接決定 Agent 能否落地復(fù)雜工作流。這從側(cè)面印證：單工具、可控環(huán)境中 Hy3 表現(xiàn)亮眼；但跨多工具、需異常處理的復(fù)雜任務(wù)中，其容錯(cuò)能力與穩(wěn)定性仍是硬傷。

串聯(lián)生態(tài)的鑰匙？

Hy3 剛上線就享受了眾星捧月的待遇，WorkBuddy、元寶、ima、Marvis、QQ 瀏覽器、微信讀書、WeGame 等數(shù)十款產(chǎn)品接入，但它真能成為串聯(lián)騰訊內(nèi)部 AI 生態(tài)的鑰匙嗎？

官方披露的數(shù)據(jù)都在強(qiáng)調(diào)相較于 preview 版的提升幅度：

• WorkBuddy 辦公任務(wù)成功率從 72% 升至 90%，平均耗時(shí)縮短 34%，Token 消耗較 GLM 5.2 節(jié)省近 50%；

• 通用體驗(yàn)層面，幻覺率從 12.5% 降至 5.4%，常識(shí)錯(cuò)誤率從 25.4% 降至 12.7%，多輪問題率從 17.4% 降至 7.9%，長對(duì)話理解基準(zhǔn) MRCR 從 42.9% 升至 75.1%；

• Agent 賽道，Marvis 任務(wù)完成率提升 12.7%，多 Agent 派發(fā)正確率提升 13.5%。

這些環(huán)比數(shù)據(jù)印證了場(chǎng)景反哺模型的有效性，但環(huán)比增速只代表進(jìn)步幅度，不代表行業(yè)站位。

況且，部分?jǐn)?shù)據(jù)的宣傳口徑偏向有利場(chǎng)景：官方只提高頻辦公任務(wù)中 Token 消耗顯著低于 GLM 5.2，卻回避短板場(chǎng)景的消耗表現(xiàn)。在代碼重構(gòu)、復(fù)雜推理等劣勢(shì)場(chǎng)景，Token 消耗會(huì)因反復(fù)重試、無效調(diào)用而大幅上升，單價(jià)優(yōu)勢(shì)自然會(huì)被對(duì)沖——只算優(yōu)勢(shì)賬、不算短板賬，顯然不是完整的真相。

行業(yè)普遍認(rèn)為，騰訊做 AI 的底牌從來不是模型技術(shù)本身，而是獨(dú)一無二的場(chǎng)景生態(tài)——微信 14.32 億月活、社交關(guān)系鏈、小程序生態(tài)、內(nèi)容生態(tài)，是所有競(jìng)爭(zhēng)對(duì)手都不具備的 context優(yōu)勢(shì)。姚順雨選擇加入騰訊，最核心的考量也是其“擁有大量真實(shí)場(chǎng)景”。

然而，這張底牌至今未與混元形成真正合力。最標(biāo)志性的信號(hào)：微信原生 AI 助手“小微”以自研 WeLM 為主、部分場(chǎng)景調(diào)用 DeepSeek-v4。

作為騰訊流量與場(chǎng)景的核心陣地，微信事業(yè)群擁有獨(dú)立 AI 團(tuán)隊(duì)、專屬模型路線，甚至有獨(dú)立的技術(shù)選型優(yōu)先級(jí)。這很大程度上源于，WeLM 更適配微信的隱私、安全合規(guī)要求，也意味著混元尚未成為騰訊內(nèi)部統(tǒng)一的 AI 底座——至少在微信體系內(nèi)，它只是選項(xiàng)之一，而非默認(rèn)選擇。

據(jù)虎嗅了解，騰訊不會(huì)在未經(jīng)用戶允許的情況下使用微信數(shù)據(jù)訓(xùn)練模型，微信數(shù)據(jù)涉及用戶隱私與產(chǎn)品體驗(yàn)，是內(nèi)部絕對(duì)紅線。

有鑒于此，騰訊手握全行業(yè)最豐富的context，卻無法真正匯聚到模型訓(xùn)練的閉環(huán)里。除內(nèi)部辦公場(chǎng)景外，Hy3 在金融、游戲等垂直賽道的落地也多為點(diǎn)狀功能升級(jí)，尚未形成場(chǎng)景壁壘：

• 金融賽道：騰訊自選股 7 月 7 日宣布全場(chǎng)景接入 Hy3，主打行情解讀與異動(dòng)分析，內(nèi)部金融建模評(píng)測(cè)表現(xiàn)與 GLM 5.2 基本持平。

• 游戲賽道：WeGame 的《流放之路：降臨》AI 助手接入后幻覺率下降、成功率提升，但本質(zhì)仍是游戲內(nèi)問答工具，未觸及玩法設(shè)計(jì)、內(nèi)容生成、數(shù)值平衡等研發(fā)核心環(huán)節(jié)。

姚順雨的局限性

Hy3 的產(chǎn)品邏輯，是姚順雨“AI 下半場(chǎng)”理念的具象化。他認(rèn)為，AI 上半場(chǎng)是找到方法論，下半場(chǎng)是解決真實(shí)世界問題；如今看來，實(shí)用主義可以快速補(bǔ)短板、打磨體驗(yàn)，但要支撐騰訊在 AI 下半場(chǎng)實(shí)現(xiàn)彎道超車，難度不小。

姚順雨經(jīng)常強(qiáng)調(diào)模型與產(chǎn)品的 Co-Design（聯(lián)合設(shè)計(jì)），主張用真實(shí)產(chǎn)品反饋定義評(píng)測(cè)標(biāo)準(zhǔn)、迭代模型能力。從 preview 到正式版的迭代也證明了這一路線的有效性：50 多個(gè)業(yè)務(wù)團(tuán)隊(duì)的反饋，幫助模型修復(fù)了大量榜單發(fā)現(xiàn)不了的底線問題，幻覺、多輪跑偏、工具調(diào)用錯(cuò)誤等體驗(yàn)痛點(diǎn)也得到明顯改善。

但 Co-Design 的前提是跨部門深度協(xié)同、數(shù)據(jù)順暢流通、目標(biāo)高度一致。據(jù)虎嗅了解，為推進(jìn)與元寶的合作，姚順雨曾派后訓(xùn)練最強(qiáng)的骨干力量支援元寶團(tuán)隊(duì)，哪怕當(dāng)時(shí)預(yù)訓(xùn)練還沒準(zhǔn)備好——這恰恰說明，跨部門協(xié)作阻力之大，需要負(fù)責(zé)人強(qiáng)力推動(dòng)。

這也解釋了為何湯道生與姚順雨的對(duì)談中，建立信任、換位思考、對(duì)齊目標(biāo)被反復(fù)提及，因?yàn)閰f(xié)同成本堪稱互聯(lián)網(wǎng)大廠最大的隱形成本。

技術(shù)路線層面，Hy3 走出了一條差異化路徑：不追萬億參數(shù)，不卷百萬超長上下文，依托中等參數(shù)量底座搭配極致推理工程優(yōu)化，主打高性價(jià)比生產(chǎn)力落地場(chǎng)景；疊加 1 元 / 百萬 Tokens 輸入、4 元 / 百萬 Tokens 輸出的低價(jià)策略，再輔以商用友好的 Apache 2.0 開源協(xié)議，試圖在中高端模型市場(chǎng)撕開一道口子。

這條路線的優(yōu)勢(shì)很明顯：推理成本低、落地周期短、運(yùn)行體驗(yàn)穩(wěn)，對(duì)預(yù)算敏感的中小企業(yè)與開發(fā)者吸引力極強(qiáng)。preview 版上線至正式版發(fā)布，日均 Token 消耗量增長 20 倍，也印證了性價(jià)比路線的市場(chǎng)需求。

可硬幣的另一面，風(fēng)險(xiǎn)同樣清晰。

首先，性價(jià)比賽道正變得越發(fā)擁擠：DeepSeek 有 V4 Flash，智譜有輕量旗艦版，各家都在推出高性價(jià)比中量級(jí)模型。隨著技術(shù)整體進(jìn)步，輕量模型的能力持續(xù)上探、價(jià)格持續(xù)下探，Hy3 當(dāng)前的價(jià)格優(yōu)勢(shì)能維持多久，要打一個(gè)大大的問號(hào)。

其次，頂級(jí)模型的溢出效應(yīng)正在加速顯現(xiàn)。GPT、Claude 持續(xù)降價(jià)，國內(nèi)頭部旗艦?zāi)Ｐ统杀究焖傧绿剑懈叨四Ｐ偷纳婵臻g勢(shì)必會(huì)受到持續(xù)擠壓。企業(yè)用戶的選擇邏輯很簡單：如果頂級(jí)模型成本只高一點(diǎn)點(diǎn)、能力卻強(qiáng)一大截，多數(shù)人會(huì)選擇一步到位。性價(jià)比路線永遠(yuǎn)有細(xì)分市場(chǎng)，但很難成為主流，更難支撐騰訊 AI 的戰(zhàn)略野心。

所以，姚順雨操刀的 Hy3 正式版上線，騰訊終于算是上桌了——它讓騰訊擁有了一款拿得出手、用得上的主流大模型，補(bǔ)上了過去幾年落下的功課，摸到了 AI 下半場(chǎng)的門檻；但騰訊 AI 的核心挑戰(zhàn)，從來都不是能否做出一款合格的大模型，而是能不能把自身的場(chǎng)景優(yōu)勢(shì)、生態(tài)優(yōu)勢(shì)，真正轉(zhuǎn)化為 AI 時(shí)代的競(jìng)爭(zhēng)優(yōu)勢(shì)。

姚順雨說，AI 是一場(chǎng)長跑，下半場(chǎng)才剛剛開始；如今，Hy3 上桌后，騰訊 AI 還未到亮底牌的時(shí)刻。

# 虎嗅商業(yè)消費(fèi)主筆黃青春、黃青春頻道出品人，關(guān)注文娛社交、游戲影音等多個(gè)領(lǐng)域，行業(yè)人士交流加微信：724051399，新聞線索亦可郵件至huangqingchun@huxiu.com

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4873333.html?f=wyxwapp