最近深度体验了一下腾讯的WorkBuddy ，最让我意外的地方：它不只会分析股票，还能直接跑完一整套投研工作流！ 很多人用 AI 做股票研究，得到的还是零散答案，最后还得自己查资料、核数据、整理汇报。 我用里面的免费 Hy3 大模型试了一次完整投研： 读财报和公开材料 → 对比营收利润现金流 → 梳理催化剂、风险和待验证问题 → 直接生成一份能拿去汇报的投资研究简报。 真正拉开差距的，是它能把搜集、分析、整理文档这些分散步骤，全串在同一个工作空间里完成。 不用在多个 AI、搜索工具和文档软件之间反复切换，也不用每做一步就重新解释背景。 日常写周报、做方案、整理资料也一样顺手。 而且 Hy3 在 WorkBuddy 里可以免费用到 8 月 31 号，这段时间刚好可以体验一下完整工作流～ 最近我自己也在当日常小助手用～ #TencentAI# #AIAgents# @TencentAI_News @WorkBuddy_AI

无意间看到大厂新推出的 WorkBuddy，就用了一下感觉挺不错的，确实丝滑真的被这个 AI 桌面智能体惊艳了一下 一句自然语言指令，它就能自动拆解任务、读取文件、调用工具，最后直接给你完成成果。 我试了两个真实场景： 1.帮我分析上季销售 Excel，并做一份 8 页总结简报 它自己读档、跑数据、生成图表、排版 PowerPoint，10 分钟不到就做好了，连配色都不错 2.帮我制作一个简易计算器 我刚刚试着制作了一个计算器，基本几秒就完成了，而且可以立即实现交互，这真的很实用，可以更加直观的看到自己的创作成果，如果有错误还可以实时调整。 真正做到无需部署、无需配置，开箱用，还能接 Slack / Telegram / Discord / 微信远程触发，支持 GitHub、Jira、Google Drive、Notion 等 MCP 整合，也能自己带 API Key 用各种大模型，安全沙箱隔离也很安心。 对日常办公和跨工具流程优化来说，目前体验真的很强。 @TencentAI_News Download here: User Guide:

Tencent HY 3.0 在 OpenRouter 提供限时免费使用，这让开发者能以零成本为 Agent 配置一个具备 Frontier 级别的“大脑”。 对于需要高稳定性 Tool Calls 和长上下文处理的 Agentic Workflow 场景，HY 3.0 是目前性价比最高的选择。它支持 256K 上下文长度，且在 SWE-Bench 测试中拿到了 78.0 的成绩，足以应对复杂的工程任务。 接入方式极其简单，只需在配置中添加一行： openrouter/tencent/hy3:free 活动截止到 7 月 21 日，建议趁现在把原本昂贵的 Agent 推理成本降下来。

Tencent Hy3 用极低的参数规模实现了对 Frontier Model 的越级打击。 这款模型拥有 295b 总参数，但通过 MoE 架构将活跃参数压缩到了 21b。这意味着你可以在自己的硬件上跑出接近顶级闭源模型的性能，彻底打破了“大模型必须依赖云端算力”的认知边界。 目前在 Cline 中可以直接调用 `tencent/hy3:free` 进行测试。对于追求本地化部署、又不想牺牲推理能力的开发者来说，这是目前性价比最高的开源路径。

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。

腾讯做的这个团队记忆 Tencent Agent Memory 可以让团队里的多个 AI Agent 共享记忆 那多个 Agent 共用一份团队记忆后，如果写进去的是错误信息怎么办？

据路透社等媒体报道，腾讯 @TencentGlobal 正在寻求出售约2.73亿股快手股份，价格区间为每股43.15港元至44.53港元，最高套现约16亿美元。 按快手2025年中报，腾讯当时合计持有约6.79亿股快手ClassB，其中Tencent Mobility直接持有约5.06亿股。 若这次卖出2.73亿股，且中间没有其他变动，Tencent Mobility直接持股会降到约2.33亿股，腾讯合计口径大概还剩4.06亿股。 几天前快手刚宣布可灵AI融资，阿里、腾讯、百度等参与，估值按投前150亿美元算，快手持股会从100%稀释到约68%。 可灵Q1收入6.5亿元，同比翻了四倍多，然后腾讯转头减持快手上市公司老股。 腾讯这几年一直在减持外部投资，顺便给自己回购、AI投入和主业留弹药。

腾讯 Hy3 模型正式开源发布 @TencentHunyuan 295B/A21B MoE 架构、上下文窗口 256K 模型详细评测和介绍可以看下文： 看到官方引用了 WorkBuddy 的评价，可以看看。 Hy3 和 Hy3 preview 相比： · 任务成功率：72% → 90% · 执行效率：平均耗时缩短 34% · 成本效率：文档处理 token 省 47.4%，PPT 制作省 49.0%（相比 GLM-5.2） 还有引用元宝、ima、Marvis、QQ 浏览器、微信读书、微信公众号、腾讯游戏（流放之路：降临）和腾讯文档 中实际应用的提升。 如果能在腾讯体系内的产品用跑起来，确实是个难得的数据循环强化过程。

腾讯混元 v3 的代码主要在 GitHub 的 Tencent-Hunyuan/Hy3-preview 仓库查看。 主要链接： GitHub 仓库（包含代码、推理脚本、训练文档等）： 模型权重下载（Hugging Face 等平台）：Hugging Face: tencent/Hy3-preview（以及 Base 版本） ModelScope: Tencent-Hunyuan/Hy3-preview GitCode: 对应仓库也有镜像 其他信息： Hy3-preview 是腾讯混元（Hunyuan）发布的开源 MoE 模型（总参数 295B，激活 21B + MTP 层），支持 vLLM、SGLang 等推理框架。