半年前，混元把底層底座推倒重來。半年后，它用一次發布證明，被真實業務反復打磨過的模型，才真正經得起真實業務的檢驗。

騰訊混元 Hy3 今日正式發布。混元今年 1 月底才啟動底層基礎設施重建，不到半年就跑通了“底層重構 → 產品反哺”的完整研發鏈路，這次發布是這條路的關鍵一步。

回過頭來看，這條路線的背后邏輯，其實早在兩個月前就寫好了。今年 6 月，湯道生、姚順雨的1小時對談（湯道生：騰訊AI先談產品再談生意、湯道生姚順雨對談：下半場靠什么贏），聊到了“先談產品、再談生意”的克制，也同時把“模型與產品 Co-Design”寫進組織方法論。

姚順雨當時給性價比下了一個判斷，第一要素不是模型架構，而是性能，“用一個更小的模型把更高的價值任務做好”，比用弱模型反復試錯更省。他還直言，今天做大模型從算法看已“比較 trivial”，真正的功力在基礎設施、數據和 Eval。

Hy3 就是這套判斷的落地，它在 MoE 架構上做了一個很直白的取舍，總參數 295B、激活參數僅 21B。總參足夠大，知識容量和復雜任務承載力才接近大尺寸旗艦；激活參數壓到 21B，意味著每次推理只調動一小部分權重，服務成本和時延隨之降下來。

這也解釋了為什么它能以不到旗艦幾分之一的體量，去對標參數規模 2—5 倍的模型，不是把模型做得更大，而是把“一次做對”的成本壓下來。再把模型塞進 WorkBuddy、元寶、ima 這些真實業務里，讓場景替它說話，也呼應了兩場對談里“刷榜價值小于實用價值”的判斷。

不是更大的模型，是更“懂事”的模型

Hy3 采用快慢思考融合的 MoE 架構，總參數 295B、激活參數 21B，支持 256K 上下文長度。相比 4 月發布的 preview 版本，它在后訓練算力、數據質量與多樣性上全面加碼，以較小尺寸首次接近國內外大尺寸旗艦模型的效果。

這種“小激活、大總參”的取向，回答的是同一個老問題，參數競賽逼近邊際，模型廠商該去哪要智能？Hy3 把算力花在“想清楚”上，而不是“堆更大”上。內部 270 位專家基于真實工作的盲測給出了佐證，Hy3 均分 2.67 / 4，優于 GLM 5.1 的 2.51 / 4，尤其在前端、數據與存儲、CI/CD 等工程類別優勢顯著。

圖為騰訊混元官方研究博客（hy.tencent.com/research/hy3）關于本次內部盲測的頁面截圖

值得留意的一組數據，是“業務即訓練場”。

官方數據顯示，從 preview 上線以來，Hy3 日均 token 消耗量增加了 20 倍，這背后是業務使用量的實打實增長。WorkBuddy 上自主選擇 Hy3 preview 的用戶數增長 6 倍；辦公場景內部測評中，任務成功率從 72% 升至 90%，平均耗時縮短 34%。

元寶借 Hy3 的 Agent 能力同步上線了文件交付，常識錯誤率與幻覺率均下降超一半。ima 的 Agent 系統穩定性達 95.1%，知識庫問答推理質量凈提升近 19%；Marvis 核心場景任務完成率 93.7%，6 個 Agent 協作派發正確率 92%。就連微信與游戲也被反哺，公眾號 AI 分身意圖識別準確率 98.94%，WeGame AI 助手多輪推理成功率 92%、幻覺率從 4.5% 降至 2.8%。

這套邏輯就是一個正反饋。多元產品矩陣提供真實反饋，模型進步反哺所有產品，彼此加強。同行多依賴基準測試說話，騰訊則把海量用戶和真實業務當成檢驗場。

價格、開源與半年閉環

智能水平之外，Hy3 把不少功夫花在“用得可靠”上。這次發布的技術博客顯示，模型被要求“有依據才回答、無依據明示缺失，多來源信息不亂拼，數據和狀態不亂編”，這套理想態，比“更聰明”更難，也更貼近真實辦公場景。

落到數字上，模型內部評測里幻覺率從 12.5% 降到 5.4%，常識錯誤率從 25.4% 降到 12.7%，“張冠李戴”“無中生有”這類毛病明顯少了。多輪和長上下文的承接也補了課，SFT 與 RL 階段聯合優化指代消解、省略還原和多輪約束繼承，多輪問題率從 17.4% 降到 7.9%，長對話基準 MRCR 從 42.9% 跳到 75.1%。

工具調用這塊，錯誤恢復能力和效率都有提升，還專門做了跨腳手架泛化，Codebuddy、Cline、KiloCode 在 SWE Bench Verified 上的分數標準差壓在 4 個百分點以內，意味著換個不同的開發環境，表現不會大起大落。

更直接的一筆是成本，和 GLM-5.2 比，高頻辦公任務里 Hy3 的 token 消耗明顯更低，文檔處理省 47.4%、PPT 制作省 49.0%。任務完成率上去了，單次消耗下來了，成本優勢就這樣落到了每一次真實調用里。

開放策略是 Hy3 的另一重信號。定價上延續低單價策略，輸入 1 元 / 百萬 tokens、輸出 4 元 / 百萬 tokens，命中緩存僅 0.25 元。開源采用商業友好的 Apache 2.0 協議，全球開發者可免費商用，并“day 0”接入 Hugging Face 與 ModelScope，后續覆蓋 OpenRouter、Hermes、Kilo、Cline 等海外平臺。低門檻換規模、規模換反饋，性價比本身就成了增長策略。

從 1 月底基礎設施重建，到 4 月 preview，再到 7 月 Hy3，混元用不到半年跑通了“底層重構 → 產品反哺”的完整鏈路。這條時間線比單次發布更值得留意，它意味著騰訊大模型研發已從“追版本”切換到“跑自研節奏”。

未來，把模型能力落到更多實際業務，“實用”將成為新的競爭維度，下一程的看點，是模型能不能真的把事辦成。

5分鐘，3D跑酷小游戲直出

指標說得再多，不如真做一個能上手的東西。

筆者用 Hy3 在 WorkBuddy 里做了一款單文件 3D 跑酷小游戲，瀏覽器打開即玩。一句話需求，直接生成單文件 HTML，Three.js 放在同目錄本地引用，雙擊即開，不用起服務器。

空格跳、左右躲、撞上結束顯示本局得分、點擊重來，交互一條線由模型自主走完。

模型把 Three.js 下載到本地再引用，而不是只留一個 CDN 鏈接，這保證了離線運行，不會因為取不到庫就白屏。在使用過程中，前端能不能一次做對，往往就卡在這些地方，引用方式、窗口縮放、撞上之后的狀態回收。模型把這幾點都顧及到了。

圖為 Hy3 實跑產出的 3D 跑酷頁面（開始界面），雙擊 index.html 即玩。

這個 3D 跑酷已經部署成公開試玩的網頁：

https://036e02c6faf643e997dcae4522543bf7.app.codebuddy.work 。

它從一句話需求到上線可玩，均由 Hy3 在 WorkBuddy 里實跑產出。全程無人工參與，用時5分鐘左右，PC在運行過程中僅有輕微卡頓。

從底層重建到眼前這個能上手的小游戲，混元這半年走的每一步，最后都落到了“能用”上。這條路走到這里，邏輯已經清楚。

新模型，到底好不好用？

未來已來，享受它吧。

(本文首發鈦媒體APP，作者 | AGI-Signal，編輯 | 秦聰慧）