腾讯 @TencentHunyuan HY3的正式版来了！ 4 月底发布 Hy3 preview 后，混元团队在 50 多个业务中获得了广泛的反馈，修复了各种体验问题，进一步提升了后训练的质量和规模。 今天正式发布的Hy3，它展现出显著强于同尺寸模型的智能水平，并比肩更大尺寸旗舰模型的效果，大幅提升了在各类产品和生产力任务中的实用价值。 更强大的智能体能力Hy3 基于 preview 版本进一步提升了后训练数据的质量和多样性，扩大了 RL 算力规模，在推理、智能体、长上下文等任务上显著进步，取得了比肩国内外更大尺寸旗舰模型（参数规模往往是 Hy3 的 2～5 倍）的效果。 Hy3 在软件开发、办公生产、金融建模、前端设计、游戏制作等生产力任务上的进步尤其显著，可以成为高性价比的可靠选择。在内部组织的 270 位专家基于真实工作的模型盲测中，Hy3（均分 2.67 / 4）展现出优于 GLM5.1（均分 2.51 / 4）的表现，尤其在前端、数据与存储、CI/CD等类别优势显著。 我们都知道模型的实用体验不完全与榜单成绩挂钩。 所以基于广泛的用户反馈和分析，团队定位并优化了一系列体验向能力，获得了产品侧一致且积极的评价： 输出格式和工具调用稳定性：  正式版显著改善了一系列基础底线问题，确保模型在各种工具设置和输出要求下达到生产级标准，工具调用的错误恢复能力和效率大幅提升。另外，Hy3 还增强了跨脚手架泛化性，不同脚手架（如 Codebuddy、Cline、KiloCode）在 SWE Bench Verified 上的分数标准差控制在 4 个百分点以内。 知识常识和抗幻觉能力：  内生知识和外部幻觉问题相互关联，且对于真实体验至关重要。基于“有依据才回答、无依据明示缺失，多来源信息不乱拼，数据和状态不乱编”的理想态，团队进行了细粒度的数据清洗和训练约束。在基于真实产品的内部评测中，Hy3 的幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%，显著改善了“张冠李戴”、无中生有、逻辑矛盾等问题。 复杂上下文承接与多轮意图保持能力：  Hy3 在 SFT 与 RL 阶段联合优化了指代消解、省略还原及多轮约束继承等业务痛点问题，内部评测的多轮问题率从  17.4% 降至 7.9% 。同时 Hy3 在长对话理解基准中取得显著跨越（如 MRCR 从 42.9% 升至 75.1%），整体输出更加精炼的同时确保复杂意图在长程交互中不衰减、不跑偏 Hy3 已以 Apache 2.0 协议在 GitHub、HuggingFace、ModelScope、GitCode开源。 得益于一系列软硬协同的优化，也进一步降低了 Hy3 在腾讯云的 API 价格及在 WorkBuddy 等产品上的使用成本，让混元模型普惠更多用户和场景。 Hy3 API 价格（每百万 Tokens） 输入1 元 输出4 元 输入（命中缓存） 】 0.25 元 从 1 月底重建基础设施，到 4 月发布 Hy3 preview，再到今天迭代升级 Hy3，团队用不到半年跑通了从底层基建到产品落地的完整研发链路。 但这只是一个起点，还有很多问题需要解决，混元的重建和进步才刚刚开始。

腾讯混元发布Hy4 preview，总参数770B，激活参数49B，上下文长度1M。据介绍，Hy4 preview在模型尺寸、上下文长度、数据规模上都进行了显著的扩展，预训练和后训练的共同进步带来了智能水平的又一次巨大提升，稳居开源模型第一梯队。

在“无人关注”的角落，腾讯混元发布了一个离线翻译模型，仅440MB。 号称用 1.8B 的参数翻译效果比 Tower-Plus-72B、 Qwen3 35B 的效果都好。 微信自带翻译不会就是这个吧？感觉翻译很快也比较准啊。🤔

一财放了点姚顺雨的料「腾讯混元3年变形始末」，开始对外传递腾讯在大模型上的组织变化了，这是一个很明确也很有看头的信号，腾讯去年在AI上投了很多钱，但取得的成效我猜内部是不太满意的，所以要在场外做点找补。 而且自从张小龙之后腾讯也不太喜欢以人为主体来建立叙事，满打满算十年来就游戏线的马晓轶和香港帮的汤道生会出镜比较多，这次开始给一个刚入职的新人包装造势，可以说是排面拉满了，也符合AI行业小登为王的趋势。 还是给这篇文章里一些有价值的信息划划重点： - 姚顺雨27岁，是国内大模型团队里最年轻的「一号位」，他在OpenAI只工作了一年，说不上特别核心，但负责的推理模型技术，让他很适合承接从ChatBot到Agent的业务升级，腾讯重金挖他过来，也是急于让他来主导下一个Agent模型的训练； - 腾讯对大模型的反应在国内属于相对落后的那一批，所以人才储备非常薄弱，之前负责大模型业务的两个Leader都没有自然语言处理的背景，团队构成非常「不对口」，去年开始给出薪酬翻倍的条件到处挖人，字节的2-2跳来腾讯就给T12或者T13，相当于直接上涨1-2个职级，再往上T14差不多就是首席科学家了； - 人才流动主要还是在「BAT」三家里内循环，2024年是字节在从阿里撬人，2025年是腾讯开挖自己的墙脚，而年底我们又看到了字节大幅涨薪的通知，内部信里明确表示要保持待遇领先于头部水平，最新的消息是，「腾讯只看来自DeepSeek、月之暗面、字节和阿里这4家基座模型团队的候选人，其他公司是不看的」； - 马化腾对大模型存有误判，他曾打比方说，在工业革命时期，早一个月还是晚一个月把灯泡拿出来，其实没有那么重要。而腾讯错过了很多实验先机，包括浑元大模型如今有些过于路边——在大多数基准测试里，浑元连一个对比项都当不上——所以去年开始着急，很大程度上是在补落下的课； - ChatGPT出来的那一轮周期，正好叠加了腾讯在搞降本增效，对各种「不必要」的花费卡得非常死，AI Lab的员工想去参加学术会议，公司不给钱，继续想办法蹭高校的预算，而AI部门为了完成创收指标，也需要去服务游戏和广告业务，由此结算经济价值，留在基础研究上的人力很少； - 在把姚顺雨放到「一号位」之前，腾讯在大模型上的态度更接近于「调门大、行动少」，既缺少资源，也没有领头人，公司在危机意识层面依然被抖音牵制，以致于总办最关注的业务始终是视频号，而腾讯擅长的赛马机智，在大模型这种「集中力量办大事」的行业不管用了，微信也训练过自己的模型，然后还是放弃了； - 直到去年，腾讯终于开始效仿字节Seed，重新组建符合大模型研发标准的组织架构，设立更符合前沿科学原理的岗位，再去为一个个的坑找萝卜，并逐步淘汰掉旧技术线的人力，当姚顺雨空降落地之后，管理上的障碍基本上也都已经打扫干净了； - 今年会是姚顺雨的大考，他需要为腾讯训练出一个足以回到牌桌上的领先模型，只有高分答卷，才能让他坐稳在腾讯这家大厂AI一把手位置，好在前人的肩膀够多，相比GPT-4和o1时代大家都不知道怎么实现的盲目，现在的大模型行业已经少了很多「秘方」，头部模型的能力更是高度对齐，留给腾讯的时间，不多但也不少。

📢 Hy4 Preview 现已登陆 API！ 作为腾讯混元团队最新推出的 770B 稀疏 MoE 开源大模型，Hy4 Preview 每 Token 激活 49B 参数，在腾讯内部 203 项实际工程任务盲测中表现优异。 现已开放官方 API 渠道全量接入，欢迎体验！ 👉 体验入口： 🔗 了解更多：

Grok 4.5 实测：这次终于没让我失望 xAI 前几代 Grok，发布前吹得震天响，真上手实测，拉垮得不行。所以 7 月 9 日 Grok 4.5 正式公开那天，我本来没抱什么期待。 结果这次，真有点不一样，骗你我是小狗。 我实际跑了一圈编码任务，Grok 4.5 的速度很快，编程能力稳稳站进第一梯队。还解决了 GLM 5.2 都没解决的难题，而且明显更利落。这次之所以提升这么多，背后有个关键信息，新模型是和 Cursor 一起训练的。也就是说它拿到了优质的 coding 数据，在编程场景和优质数据上打磨，定价 $2/M 输入、$6/M 输出，对海外御三家来说性价比拉满，价格高于 GLM5.2 能力比 GLM5.2 强一点。 但它也不是没短板。 第一个短板是上下文。当前只给到 50 万 token，官方说 100 万长上下文要等到下周才更新。你要处理长文档、长代码库，现在还得忍一忍。 第二个短板是中文。处理中文任务时偶尔掉链子，语句不大通顺，用来处理中文文档工作不大行。 有意思的是，几乎同一时间，腾讯的混元 hy3 也被大家翻出来讨论。两者处境很像：能力都明显追上来了，而且训练数据来源高度接近，都来自社交平台，沉淀了大量真实优质内容。 hy3 在 OpenRouter 上的限免活动属实，免费调用一直到 7 月 21 日。在腾讯自家的 IMA、WorkBuddy、元宝上也能直接体验。腾讯手里握着公众号、腾讯新闻这些优质内容源，数据底子不缺。hy3 本身是个中等规模模型，295B MoE、21B 激活参数，SWE-bench 跑到 78。体量不大，但在写文章、做文档这类中文场景上表现很突出，我用下来超过了 minimax-M3，算国内第一梯队。 把这几个信号放在一起看，结论其实很清楚，决定模型上限的，除了参数还有数据质量。 Claude 在编程上长期遥遥领先，最早就是吃到了 Cursor 早期的高质量交互数据。GLM 最早称为 Claude 平替，也是因为它最先押注 coding，数据积累从一开始就走在前面，所以编程能力一直排在国产第一梯队。这次 Grok 能追上来，也以来 Cursor 的数据一起训练的。腾讯 hy3 则既有社交平台的优质语料，又有 IMA、WorkBuddy 里独有的用户上下文，数据 + 产品这个组合，体验的优势是很明显的。 优质的数据是hy3 和 Grok 这一波模型能力追上来的真正原因。

多数人觉得 OCR 卷到头了，无非拍照转文字。但腾讯混元刚开源的 HyOCR-1.5 跳出了这套路子——1B 参数纯视觉端到端模型，在 OmniDocBench v1.6 上以 94.74 分拿下端到端第一，推理速度还提了 6.37 倍。 传统 OCR 流水线要拼接检测、识别、版面分析多个模型，慢且重。HyOCR-1.5 一个模型端到端输出，还用了 DFlash 投机解码：并行猜测多条解码路径，快速筛最优结果，让推理大幅加速。在 Transformers 上快 6.37 倍，vLLM 快 2.14 倍，最后单页文档端到端推理只要 1.408 秒。原先处理百页要几分钟，现在半分钟搞定，成本跟着跳水。 更关键的是全栈开源。模型权重、训练代码、推理流程全部开放，没有 API 调用费，数据不离开本地。对天天要处理合同、发票、古籍的团队来说，这种又快又省还不泄露数据的方案，每月可能省出一个人力成本。 它的适用面也没局限在中英文。通过 Agentic Data Flow，HyOCR-1.5 扩展到了 331 种语言、古文字识别，还能做多图问答。128K 上下文窗口加上 4K 分辨率，长图、竖排文档都能直接处理，不用切块、不用额外对齐。 当然，开源不等于「无脑能用」。虽然 1B 参数消费级显卡就跑得动，但装环境、跑 Demo 还是需要一点技术底子。社区已经有热心人封装一键包，不过暂时不够傻瓜化；追求「上传即得结果」的朋友，可以蹲一下腾讯混元后续的云服务。 但我觉得，这款模型最大的价值不是技术指标——而是它把「高质量、低成本、全栈可控」这三件事同时装进了一个能跑在任何机器上的 1B 小模型中，让普通团队也能用上以前大厂才烧得起的 OCR 能力。开源给了杠杆，试错的门槛已经很低。 怎么踩上这个杠杆？👉 普通用户：关注腾讯混元公众号，先看技术细节，把云服务上线消息存下来。开发者：去 GitHub 搜 JevenYu/HyOCR，拉模型跑 Demo，立刻替换掉项目里那条慢速 OCR 管道。产品经理/创业者：拿几张你最痛苦的文档测一测速度、精度和成本，说不定下一个垂直文档处理工具的原型就出来了。

《能帮你办成400多件事的AI来了，阿里开启了新纪元》1月15日，千问App深度接入支付宝政务服务与“AI付”功能，实现签证、户口等50项民生服务的“一句话办理”，还完成了跨App的服务调度与支付闭环——这不仅是中国第一款真正打通多个App的AI智能体，更印证了唯有阿里具备突破行业壁垒的生态硬实力，腾讯、字节短期内难以复制。 AI智能体的核心价值，在于打破“应用孤岛”实现自主执行，而这需要底层技术、生态资源与商业闭环的三重支撑，恰恰是阿里的独家优势。千问此次并非简单跳转链接，而是Agent级别的深度调用：用户一句“周末去杭州订高性价比行程”，即可触发飞猪查机酒、淘宝选用品、闪购备补给、支付宝完成支付的全流程协同，后台无需用户手动切换任何App，真正实现“一个智能体管理所有服务”。这种能力的背后，是阿里沉淀几十年的生态协同基因——从电商、支付到本地生活，阿里旗下各业务早已实现数据互通与接口标准化，而千问作为“超级大脑”，正是激活这一生态的关键钥匙，目前能够帮用户办理400多件事情。 反观腾讯与字节，其布局基因决定了难以突破跨App协同的核心瓶颈。腾讯的AI布局聚焦社交生态，混元大模型虽接入近700个业务，但核心围绕微信、游戏等自有场景，对外生态的开放性不足，且缺乏统一的支付与服务闭环，难以实现跨平台的无缝调度。字节跳动则主打数据驱动与多模态技术，豆包等产品虽覆盖广泛场景，但企业服务生态不完善，缺乏电商、支付等核心执行环节的支撑，更难以撬动外部政务服务资源，只能停留在“问答助手”阶段，无法落地“自主办事”的智能体能力。二者的短板本质上是生态布局的结构性缺失，短期内难以弥补。 千问的突破性，更在于攻克了智能体时代的“三道墙”：设备墙、应用墙与接口墙。通过阿里统一的技术中台与数据标准，千问实现了不同App间的协议转换与数据同步；依托支付宝的政务服务资源，打通了政府部门与商业平台的信息壁垒；凭借标准化的API网关，将各业务功能拆解为可自由调用的“乐高积木”。这种从底层基建到上层应用的全栈布局，正是阿里独有的优势——腾讯依赖外部底层技术，字节缺乏完整的服务生态，均无法构建如此全面的协同体系。 作为中国首款真正意义上的跨App AI智能体，千问的落地标志着阿里在AI竞赛中实现了维度领先。当其他巨头还在聚焦模型参数与单一场景优化时，阿里已通过生态协同，让AI从“会说话”进化为“能办事”。这不仅是技术创新的胜利，更是生态布局的必然结果——唯有阿里，能将分散的服务资源拧成一股绳，通过千问智能体交付给用户。 未来，随着更多场景接入这一生态，千问将持续拓宽智能体的能力边界。而腾讯与字节若想跟上步伐，不仅需要技术迭代，更需重构生态布局与开放理念。但至少目前，阿里千问已凭借独家生态优势，成为中国AI智能体时代的绝对领跑者，其开创的跨App协同模式，将定义未来数字服务的新范式。

📢 超级福利持续加码，零成本白用顶级算力！ 无论新老用户，多重好礼一次领够，随时免费体验 4 大主力 AI 模型： 🔹DeepSeek V4 Flash：284B/13B 稀疏 MoE，1M 上下文，最高 384K 输出，推理能力接近 V4-Pro 🔹DeepSeek V4 Flash Vision Exp：1M 上下文，最高 384K 输出，图文混合输入，文本能力对齐 V4-Flash，多模态 Agent 接近 Opus-4.8 🔹腾讯混元 Hy3：295B/21B 稀疏 MoE，256K 上下文，快慢思考融合，推理与 Agent 比肩 2–5 倍参数旗舰模型 🔹小米 MiMo V2.5：310B/15B 稀疏 MoE，1M 上下文，最高 128K 输出，原生多模态，支持文本、图像、音频、视频输入 🎁 多重算力好礼： 🔹100 万 Credits： 新用户使用 @BinanceWallet @BitgetWallet @imTokenOfficial 登录直接领取 🔹再得 30 万 Credits：注册时填写邀请码，最高可获 130 万免费 Credits 🔹充值返赠：BNB Chain 充值享 1:1 赠送，其他方式享 1:0.5，最高额外获得 $100 🔹邀请奖励：好友注册可获 30 万 Credits，邀请人持续享受充值及订阅返利 超值福利不间断，立刻点击开启零门槛 AI 体验👇 🔗

帮大家总结下要点： 1. 国内预训练架构创新全球领先，但后训练数据积累落后海外约半年。 因为国内模型厂算力只有海外头部的十分之一左右，被逼出架构创新。 2. 后训练门槛比预训练低得多，核心竞争在数据质量，不在 infra。 3. 组织架构重要性超过算力储备。混元案例说明，拆掉部门墙比单纯堆人更有效。 腾讯把多模态模块从独立部门拆出来，和预训练体系合并，整体研发效率提上去了。 4. RSI 是下一个共识方向，做好 RSI 的前提是自己能训模型，现在训模型约等于造数据。 一个判断 AGI 的角度：模型能不能从零复刻自己。 如果能复刻一个超越自己的版本，RSI 就算实现了。