4月23日，騰訊混元Hy3 preview語言模型發布并開源。

這是混元重建后訓練的第一個模型，也是混元迄今最智能的模型，在復雜推理、指令遵循、上下文學習、代碼、智能體等能力及推理性能上實現了大幅的提升。

去年底，騰訊官宣姚順雨加入騰訊，成為騰訊首席AI科學家，本次混元Hy3 preview也是他在騰訊的“首秀”。

姚順雨表示，Hy3 preview是混元大模型重建的第一步，“我們希望通過這次開源和發布，獲得來自開源社區和用戶的真實反饋，幫助我們提升Hy3正式版的實用性。”

與此同時，騰訊也在繼續擴大預訓練和強化學習的規模，提升模型的智能上限，并通過與騰訊眾多產品的深度Co-Design，持續提升模型在真實場景中的綜合表現，并開始探索特色模型能力。

目前，Hy3 preview已在騰訊云、元寶、ima、CodeBuddy、WorkBuddy、QQ、QQ瀏覽器、騰訊文檔、騰訊樂享等首發上線，微信公眾號、和平精英、騰訊新聞、騰訊自選股、騰訊客服、微信讀書等多個主線產品也在陸續上線。

此外，Hy3 preview支持接入流行的開源智能體產品，如OpenClaw、OpenCode、KiloCode等，并已上架騰訊云大模型服務平臺TokenHub。

主打全面實用性，Agent能力大幅提升

騰訊混元Hy3 preview是一個快慢思考融合的混合專家模型，總參數295B，激活參數21B，最大支持256K上下文長度。

上下文學習和指令遵循能力：騰訊混元提出了CL-bench和 CL-bench-Life來創新性地評估模型的上下文學習能力，并在Hy3 preview顯著地提升了模型上下文學習和指令遵循能力。

復雜推理能力：Hy3preview在FrontierScience-Olympiad、IMOAnswerBench等高難度理工科推理任務中表現突出，并在最新的清華大學求真書院數學博資考(26春)和全國中學生生物學聯賽(CHSBO 2025)中取得優異成績，展現了可泛化的強推理能力。

代碼與智能體：得益于預訓練及強化學習框架的重建和強化學習任務規模的提升，騰訊混元以較快的速度在SWE-Bench Verified、Terminal-Bench 2.0等主流代碼智能體基準以及BrowseComp、WideSearch等評測中表現突出。

此外，無論是在后端工程任務集Hy-Backend，貼近真實用戶開發交互的Hy-Vibe Bench，還是高難度軟件工程開發任務集Hy-SWE Max上，Hy3preview均體現出了強競爭力。

騰訊核心業務已全面接入

正式上線之前，Hy3 preview在騰訊主要AI業務進行了產品測試，獲得明顯正收益。

在元寶端，混元與元寶進行了深度Co-Design，模型與產品的深度協同，為用戶帶來了更智能且更具“活人感”的交互體驗。

在ima知識庫問答和通用問答兩個場景下，測試結果顯示，Hy3 preview處理長文的能力出色，特別是檢索類任務，在回答信息的準確性、覆蓋度和全面性上表現較好。

在CodeBuddy、WorkBuddy產品上，Hy3 preview首token延遲降低54%、端到端時長降低47%、成功率提升至99.99%+。實際用戶環境中，Hy3preview已穩定驅動最長495步的復雜Agent工作流。

在公眾號AI分身和AI客服的場景專項評測中，Hy3 preview在用戶意圖理解、復雜上下文承接和知識信息組織方面表現更成熟，整體交互體驗更貼近“可信、自然、高效”的回復目標。

在和平精英AI NPC場景評測中，Hy3 Preview能夠精準理解角色設定，帶來了更加真實、自然、沉浸的對話體驗，展現出優秀的穩定性與出色的擬人化扮演能力。

在騰訊文檔AIPPT場景，生成成功率提升20%，評測得分提升10%，同時生成耗時縮短20%。

在QQ AI助手小Q產品評測中，在長文本首字節時延、整體響應速度與流式輸出效率方面顯著優化；核心能力上，數學推理表現提升尤為明顯，多場景指令遵循與泛化能力進一步增強。

此外，得益于模型和推理框架上的深度協同，以及在推理框架、算子性能、量化算法等全方面優化，整體推理效率提升40%，Hy3 preview的成本相比上一代模型大幅下降。

“重建混元”

據了解，2026年2月，騰訊混元重建了預訓練和強化學習的基礎設施，以及模型追求實用性的三個原則：

能力體系化：不推崇“偏科”，因為即使是代碼智能體的單一應用，也涉及推理、長文、指令、對話、代碼、工具等多種能力的深度協同。

評測真實性：主動跳出易被“刷榜”的公開榜單，通過自建題目、最新考試、人工評測、產品眾測等多種方式評估和改進模型的“真實戰斗力”。

性價比追求：實用性離不開商業合理性，深度協同模型架構和推理框架的設計，大幅降低任務成本，讓智能用得起、用得好。

Hy3 preview的推出可以視為混元快速探索實用性大模型、解決真實世界問題的一個開端。