来源 |Tech星球
文| 王琳
腾讯首席科学家姚顺雨，交出了一份比Hy3 preview更令人满意的成绩单。
7月6日，继腾讯混元Hy3 preview（预览版）发布两个半月后，Hy3 正式版亮相。作为姚顺雨加入腾讯后首个重量级产品，Hy3没有卷万亿参数，而是选择了一个更现实的路线。它采用MoE架构，总参数295B、激活参数21B，支持256K上下文，是一个快慢思考融合模型。
在定价上，Hy3坚持普惠路线，输入1元/百万token，输出4元/百万token。这个价格，相比GPT-5.4标准版输入为$2.50/百万token，输出为$15.00/百万token，Hy3 的价格可以说是“白菜价”；和被用户调侃“便宜到只收电费”的Deepseek -v4 flash在高峰期价格相当。
在官方描述中，Hy3以更小的参数达到追平甚至优于其他模型的能力。比如，编程能力上，Hy3略高于GLM5.1和Deepseek -v4 flash，工作智能体方向，ClawEval pass³得68.5，超过DeepSeek V4 Pro的62.4和Qwen 3.7 Max的65.2。
但一些用户体验后发现，受限于上下文长度，在复杂长程任务时容易出现遺忘的现象。模型发布后，7月7日开盘，腾讯市值盘中涨近6%，总市值重新站上4万亿港元。
一改往日落后的形象，这是腾讯首次在模型领域实现反超。目前，国产模型的更新一次版本的速度平均在两个月。如果考虑到腾讯在姚顺雨到来后重建团队和技术路线后，Hy3仅仅用了不到半年时间就追赶上了行业主流节奏。
不止模型领域，在产品侧，腾讯也有了遥遥领先的办公类AI助手WorkBuddy。一位腾讯员工告诉Tech星球，Hy3和WorkBuddy大大提高了内部士气。
Hy3发布的第二天，据雷峰网报道，腾讯即将迎来混元多模态模型负责人，OpenAI研究科学家田永龙即将加入混元团队，而田是姚顺雨在OpenAI的前同事。这意味着腾讯补齐了模型能力的最后一块拼图。
种种迹象表明，或许，腾讯的AI焦虑还没有彻底缓解，但这起码是好的开端。
Hy3 摸到第一梯队门槛
Hy3发布后，已经两个月没有在“X平台”账号更新内容的姚顺雨发布了一条推文。他表示，从Hy2-Hy3 preview-Hy3，不到半年，又一次巨大的飞跃。这不仅是模型推理或智能体能力的飞跃，更是抗幻觉、可靠性以及产品体验的飞跃，并称为团队感到自豪。
对比此前的Hy2和Hy3 Preview，Hy3进步明显。尤其是Benchmark（AI基准测试）的BrowseComp榜单上，Hy3得分达到84.2%。BrowseComp是测试AI是否能真正办事的Agent能力，目前行业平均得分只有62%。
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%，这意味着Hy3较大程度上改善了“张冠李戴”、无中生有、逻辑矛盾等问题。
以经典逻辑陷阱“你面前有10个鸡蛋，打碎了2个，煎了2个，吃了2个，请问还剩几个鸡蛋？”为例子，Hy3已经可以正确题目的意思，避开陷阱，得到“剩余8个鸡蛋”的正确答案。
再来看256K的上下文。
给Hy3一份题为《2026“人工智能+”行业发展蓝皮书》的报告，要求其回答下面的问题：根据报告，2025年中国人工智能核心产业规模达到了多少亿元？2026年3月，中国日均词元（Token）调用量突破了什么规模？
经过2分钟思考，Hy3给出正确答案和答案在报告中的具体位置。
为了进一步考验模型的能力，我们增加了一个需要跨章节总结的题，要求以下问题：人工智能正从哪三个层面引发系统性变革？请分别概括这三个层面的核心观点。
可以看到，Hy3完整总结出了三个层面的观点，并指出了观点涵盖的章节。
官方测评显示，能力表现上，Hy3以较小尺寸首次比肩参数规模2到5倍的旗舰模型。在内部270位专家基于真实工作的盲测中，Hy3以2.67分（满分4分）优于GLM 5.1的2.51分。
在编程、搜索、工作、上下文等智能体方向，搜索智能体方向表现最强，BrowseComp得分84.2，追平GPT-5.5的84.4；工作智能体方向，ClawEval pass³得68.5，超过DeepSeek V4 Pro的62.4和Qwen 3.7 Max的65.2。
在编程能力上，Hy3略高于GLM5.1和Deepseek -v4 flash，离GLM5.2仍有一定差距，但已经摸到了第一梯队门槛。
开源的本地AI聊天应用atomic.chat在“X平台”上发布了自己的测试视频，分别给Hy3、Gemini 3.5、GLM-5.2、DeepSeek-V4布置了同一个任务：构建三个独立的HTML5 Canvas场景，并演示真实的物理效果。任务包括：保龄球全中，球瓶四散；空气曲棍球，激烈攻防后得分；台球开球，球堆炸开。
结果显示，腾讯的Hy3在上述三个任务中都达到了Gemini的水平：碰撞干净利落，球反弹真实，球瓶像真正的全中一样被击倒，没有任何卡顿或漂浮现象，但价格却只有Gemini 3.5的1/35。
GLM在纯编码任务上确实很强，但一旦任务偏离简洁代码的范畴，效果并不好，保龄球被打倒后静止在原地，并没有按照惯性持续滚动一段时间。DeepSeek消耗的代币最多（5万，几乎是Hy3的两倍），但最终交出的场景却是最弱的。
产品全线发力，元宝员工调至WorkBuddy
除去基础大模型，腾讯今年在产品侧也开始频繁出牌。
今年3月，桌面端办公智能体迎来一波爆发。易观分析数据提到，当月头部产品月访问量合计超过2000万次，腾讯WorkBuddy以885万排在第一。Tech星球此前曾报道该团队人员规模已经超过了100人，最新的情况是很多元宝产品部的员工也被调到了WorkBuddy。
由于调用量的增多，腾讯调整了对WorkBuddy的收费标准，原专业版升级为标准版，月费从58元提升至99元；同时新增199元/月高级版与999元/月旗舰版，并按照不同档位开放模型能力、自动任务数量、云存储空间和积分额度。
不过，一位云代理商告诉Tech星球，WorkBuddy现在更多是培养用户习惯的阶段。他现在主要是运营账号，科普并积累一些潜在的用户，自己并没有商业化的KPI。一份流传的报告显示，WorkBuddy2026年的目标是致力于成为中国最大的企业AI办公订阅产品。
腾讯还有两个重量级的Agent产品即将上线，目前这两个产品都已开启灰测。
一个是企业微信针对办公场景的Agent产品大圆，定位为“长在企业微信工作流里”的助理。据悉，大圆可以直接阅读企微里已经有的群聊、文档、会议、邮件、日程，自己理解用户想干嘛，再结合当下的界面给出答案，而不需要用户反复陈述需求。
和其他Agent产品更大的区别是企业微信还掌握着企业经营数据，这意味着大圆未来好可以针对企业经营提效。
一位灰测用户告诉Tech星球，因为只有企业微信能实现获取上下文长度的能力，所以体验还好，但是缺乏亮点，如果让CLI（命令行）能抓取到所有群聊、文档、会议信息的话，WorkBuddy的表现应该会更好。
“企业微信的产品能力不是强项，现在的大圆可能已经是非常激进了”，他补充道。
另外一个是微信针对生活场景的Agent产品小微。此前，据媒体报道，小微计划今年第三季度正式向全体用户推出。微信的生态无可比拟，但关键的问题在于商业模式如何落地。
当14亿用户的推理需求上来后，需要支付的成本巨大。高盛曾经做过预测，以每百万Token推理成本0.15美元计算，若“小微”全面推广，其新增的推理成本将占到腾讯2026年第四季度调整后营业利润的5%至17%。
砸钱、挖人、接业务，腾讯出击AI下半场
腾讯在大模型领域的战略意志最明显的体现是资源投入上。
今年早些时候，腾讯总裁刘炽平表示：“2026年我们肯定会持续加大对AI的投入，去年我们在AI新产品上投入了180亿元，今年至少翻倍。”
事实上正是如此。一位AI领域猎头告诉Tech星球，去年腾讯曾以3倍薪资大规模挖字节seed团队的开发者。
今年第一季度，腾讯反映经营活动所产生的现金净额为1014亿元，资本开支付款为370亿元（主要用于支持公司AI相关的投入），也就是说，腾讯每赚10元经营现金，就有近4元用于AI。
反应到具体业务上，刚刚推出的Hy3扩大了 RL（强化学习）算力规模，说白了就是投入了更多的计算资源（如GPU/TPU、CPU集群、内存等）来运行强化学习算法。
大规模投入背后，AI竞争的规则也在发生变化。如果说上半场是比拼“谁GPU多、数据多”，那现在是已经进入“拼谁反馈机制设计得好、谁能在真实场景中持续进化”的下半场。
基于自身的场景优势，腾讯正在实现模型和产品双向互补。Hy3 Preview发布后，包括WorkBuddy、元宝、CodeBuddy、Marvis等许多产品都接入了，如今Hy3也是如此，据悉目前近50个业务在接入队列中。
腾讯曾在第一季度财报电话会披露，混元Hy3 Preview已接入131款腾讯产品，当前Token调用量较混元二至少提升10倍。
事实上，在腾讯官方发布的Hy3介绍里，能明显看到元宝、Marvis、QQ浏览器等多个个业务线对Hy3的具体评价。这意味着在模型发布前，Hy3就已经在内部做了大量测试。
砸钱、接业务、挖人才，腾讯正以前所未有的投入追赶大模型浪潮，且成果显著。但它需要向外界证明自己具备持久领先并超越的能力。
热门跟贴