腾讯AI，翻身了吗？

文 | 定焦One，作者 | 陈丹，编辑 | 魏佳 在大模型密集交卷的上周，前OpenAI研究员姚顺雨，也交出了加入腾讯后的第一份正式答卷。 7月6日，腾讯发布混元Hy3正式版。没有声势浩大的发布会，也没有铺天盖地的营销，这款旗舰模型以一种不太符合大厂惯例的低调方式进入市场。 但在开发者一端，它激起的水花并不小。 上线三天后，处于限时免费阶段的Hy3升至全球大模型API调用平台OpenRouter最受欢迎模型榜单第八位。接入腾讯办公智能体WorkBuddy后，调用量迅速冲高，排队率一度超过50%，项目组不得不紧急扩容。资本市场也给出反应，发布当天，腾讯股价上涨4.82%。 这多少有些出人意料。 过去两年，阿里、字节不断加码模型、应用和算力基础设施，智谱、DeepSeek等AI公司也各自凭借爆款模型刷足了存在感。唯独腾讯，常被排除在国内大模型第一梯队之外。 它有微信、QQ和庞大的产业生态，却始终没有拿出一款足以改变行业判断的基础模型。外界甚至开始怀疑，腾讯究竟是在等待更合适的入场时机，还是已经在这一轮技术竞赛中慢了下来。 现在看来，腾讯没有躺平。 引入姚顺雨并重组混元研发体系之后，腾讯近期又被曝吸纳其前同事田永龙。模型之外，腾讯还参与了可灵最高30亿美元的融资，并传出洽谈成为AI智能体公司Manus最大股东的消息。从人才、模型到基础设施，这家过去两年显得过于克制的互联网巨头，正在重新提高对AI的下注力度。 Hy3还不足以证明腾讯已经追上所有对手，它更像是一个阶段性信号。腾讯重新建立了一套能够把模型、产品和工程体系连接起来的研发方法，也重新获得了进入开发者主流候选清单的机会。 但这只是第一步。 对腾讯而言，真正的问题已经不只是能否再造出一款更强的模型，而是这种能力能否连续迭代，以及它最终能否在微信里变成一个真正被用户使用、能够完成任务和交易的Agent。 01.Hy3不是最强，但够腾讯重回牌桌 只看参数和公开榜单，Hy3并不是一款一眼可见的“最强模型”。 在这一轮国产模型更新中，DeepSeek V4 Pro、智谱的GLM-5.2、MiniMax M3都在争夺能力上限：有的将总参数推至万亿级，有的把上下文拉到100万Token，有的在代码和长程Agent任务中占优。相比之下，Hy3总参数为2950亿，支持256K上下文，并没有试图在每一项指标上压倒对手。 判断它的真实位置，需要看两件事。 第一，是它在具体任务中的能力边界。 在衡量软件工程能力的SWE-bench Verified上，Hy3获得78分，落后于Claude Fable 5等闭源模型，也排在GLM-5.2和DeepSeek V4 Pro之后。但在难度更高的SWE-bench Pro上，Hy3以57.9分反超DeepSeek V4 Pro。在更接近真实执行环境的WildClawBench上，它又超过GLM-5.1和DeepSeek V4 Pro，位居开放模型前列。 腾讯组织的270名专业人员盲测则显示，Hy3整体表现高于GLM-5.1，优势集中在前端开发、数据存储和持续集成等场景。 资深Agent从业者赵江杰告诉「定焦One」，Hy3目前处于“整体能力第二梯队上沿、开放与低成本模型第一梯队”。它在前端开发、常规代码、搜索浏览和工具调用上具备较强竞争力，但还没有在高难度任务上全面领先。实际使用中，高频、中低难度且结果可验证的任务，已经可以由它独立完成；中等复杂任务可以交由它执行后复核；核心架构设计和敏感操作，仍不适合无监督交付。 因此，如果“赶上”意味着成为能力最强的国产模型，Hy3还没有做到；但如果意味着重新进入开发者的视野，腾讯已经重新拿到了一张入场券。 第二，是它对工程化落地和成本控制的重视。 Hy3采用MoE架构，总参数2950亿，单次推理只激活约210亿参数。它没有不断堆高峰值能力，而是在模型容量、运行速度和算力成本之间寻找平衡。 对企业而言，模型成本不只是单次Token价格。一个Agent完成任务，往往需要多轮推理、连续调用工具、读取和修改文件，并反复核验中间结果。当使用规模扩大到数千名员工，单次调用中微小的成本差异，会被并发量和任务链条迅速放大。 更少的激活参数，意味着Hy3具备降低推理开销和部署门槛的架构基础。但激活参数少，并不天然等于真实成本低。 赵江杰指出，模型效率还取决于硬件、量化方式、推理框架、上下文长度、输出长度、并发规模和任务成功率。腾讯目前证明的是Hy3有降低成本的可能性，但在统一条件下，Hy3还需验证能否提供更低的首Token延迟、更高的吞吐量，以及更低的成功任务成本。 稳定性同样是成本的一部分。 企业需要的不一定是模型偶尔表现惊艳，而是在几十次连续调用中少出错、不失忆、不中断。腾讯公布的数据显示，Hy3在不同Agent框架下运行SWE-bench Verified时，准确率波动被控制在4%以内；在内部场景中，幻觉率和多轮对话问题率也明显下降。 赵江杰介绍，市场对Hy3的实际评价，更接近“一款工程型、性价比突出、Agent倾向明显，但复杂认知任务还不够均衡的模型”，而不是一款全面领先的通用模型。 Hy3 Preview发布后，日均Token消耗增长20倍，WorkBuddy中主动选择该模型的用户增长6倍。正式版上线后，WorkBuddy算力消耗迅速触顶，排队率一度超过50%，联合项目组紧急调度算力扩容。与此同时，腾讯将Hy3接入元宝、CodeBuddy、ima和Marvis等产品，用于生成文档、制作表格、编辑文件、管理电脑和编排工作流。 它的热度也没有局限在腾讯体系内。在OpenRouter 7月的编程模型使用量排名中，Hy3进入前四，与GLM-5.2、MiniMax M3和DeepSeek V4系列处于相近的调用梯队。 但这些数据仍需谨慎看待。 目前Hy3在OpenRouter限时免费，WorkBuddy的调用增长，也可能受到积分、限免和内部导流影响。真正的考验，要等到免费期结束之后。 即便如此，Hy3已完成了混元过去未完成的一步：让外部开发者愿意主动试用，让腾讯内部产品开始把真实任务交给它。它没有证明腾讯拥有最强模型，但证明腾讯重新拥有了一款“能用的模型”。 02.混元真正补的，是造模型的方法 谈及国内互联网巨头的AI布局，不少从业者过去对腾讯的评价很直接：场景很多，但大模型不行。 混元早在2023年就已经发布。此后两年，腾讯不断补齐参数规模、多模态和长上下文能力，也将模型陆续接入会议、文档、广告、游戏和云服务。但相比以开源建立开发者生态的阿里，或凭借推理能力和低成本突围的DeepSeek，混元始终缺少一个足够清晰的位置。 马化腾曾用“漏水的船”形容腾讯在AI浪潮中的处境，看似已经上船，却还没有坐稳。落到混元身上，真正的漏洞不在于腾讯没有产品、场景或数据，而是它没有把这些资源持续转化成模型进化的能力。 最初的混元，走的是一条典型的“大而全”路线：先训练一款覆盖尽可能多任务的通用底模，再接入腾讯云和内部业务。这种方式帮助腾讯迅速补课，也让混元陷入同质化竞争。各项能力都有，但开发者很难找到必须选择它的理由。 元宝接入DeepSeek，是腾讯第一次明显把产品体验放在模型归属之前。 对用户而言，重要的是任务