腾讯 Hy3 发布：阶段性成果初现，离终局答案还有多远？

【腾讯 AI 发展引关注】

随着 Hy3 正式版发布，一个月前姚顺雨和汤道生那句对话，又开始反复出现在腾讯 AI 相关讨论里。6 月初，腾讯云 AI 产业应用大会上，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生，与腾讯首席 AI 科学家姚顺雨同台对谈。谈到外界对腾讯 AI 节奏的质疑时，姚顺雨对汤道生说：“感觉应该是我问你的问题。”这句话当时听起来像一句玩笑，现在回看，更像腾讯 AI 内部责任分工的一次公开呈现。模型能力能不能追上来，姚顺雨要给出答案；模型能力能不能进入产业、产品和收入，汤道生以及腾讯更多业务团队也要给出答案。

【腾讯 AI 发展现状】

腾讯的 AI 产品起步并不晚，但通用大模型侧的外部感知一直相对弱，从主力产品元宝中就可窥探一班。2025 年 2 月，元宝接入 DeepSeek - R1 满血版，用户可以在混元和 DeepSeek - R1 之间切换。此后，混元团队也打出过一些声量，但更多集中在图像、视频和 3D 生成方向。混元图像、混元视频和混元 3D 系列都有榜单、开源和社区下载量讨论，但这些声量没有自然转化成腾讯通用大模型能力很强的用户心智。这种不温不火的状态，终于在今年被马化腾捅破。5 月腾讯股东大会上，马化腾用“上了船，后来发现船漏水，现在站上去了，还坐不下去”形容腾讯 AI 处境，并承认腾讯早期 AI 基础能力并不突出。腾讯开始公开承认自己在补课。

【姚顺雨与团队调整】

姚顺雨被推到台前，正发生在这个背景下。去年底，腾讯升级大模型研发架构，新成立 AI Infra 部、AI Data 部和数据计算平台部；姚顺雨出任“CEO/总裁办公室”首席 AI 科学家，同时兼任 AI Infra 部和大语言模型部负责人。今年 3 月，腾讯撤销 AI Lab，部分人员调整至大语言模型部，加入混元团队，并向姚顺雨汇报。

【Hy3 成绩初显】

Hy3 在测试中拿了高分，但具体表现如何还有待在实际应用中观察。但面对掉队质疑，姚顺雨和混元团队，至少帮腾讯 AI 稳住了第一层人设。Hy3 的交卷，先体现在腾讯终于拿出了一份能被产品验证的模型成绩。腾讯方面披露，Hy3 已经进入 WorkBuddy、CodeBuddy、元宝、Marvis、ima 等产品；从 preview 上线以来，日均 Token 消耗增长 20 倍。在 WorkBuddy 上，自主选择 Hy3 preview 的用户数增长 6 倍。Hy3 在 WorkBuddy 办公场景内部测评中，任务成功率从 72%升至 90%，平均耗时缩短 34%。元宝借 Hy3 上线文件交付后，常识错误率下降一半，幻觉率下降超过一半。在 6 月的腾讯云大会上，姚顺雨谈模型和产品关系时提到，“实用性价值大于刷榜价值”。Hy3 正式版在产品体系里开始形成反馈，似乎正是姚顺雨这番话的真实写照。ima 和 Marvis 也提供了类似证据。公开报道显示，ima 的知识库问答推理质量提升近 19%，Agent 系统稳定性达到 95.1%；Marvis 核心场景任务完成率提升到 93.7%，多 Agent 协作派发正确率达到 92%。

【Hy3 设计理念】

而在更早些的 Hy3 preview 版本中，已经有一些评测揭示了 Hy3 系列的设计理念。Hugging Face 社区一篇技术博客把 Hy3 preview 放在 WorkBuddy 场景里测试。测试任务是让模型处理一份超过 100 页的技术手册，先从长文档中抽取结构化知识，再自动设计 10 道深入测试题，最后把题目、计分和答案解释打包成一个单文件 HTML 游戏。而在长文本理解和代码生成任务中，Hy3 preview 处理信息速度较快，能理解复杂指令，并把复杂任务拆成清晰步骤；在文本抽取环节，它能较准确抓住长文档里的关键信息；在代码生成环节，生成结果没有 bug，第一次运行就能成功。这个评测案例，解释了 Hy3 系列为什么更适合放在 WorkBuddy 这类长链办公任务里观察。

【姚顺雨观点与行动】

在 6 月的那场大会上，姚顺雨解释自己为什么加入腾讯时表示，这里有“很多好问题、很多产品”。在他看来，预训练和后训练之后，模型到底要应用在哪里、产生什么价值，最终要靠产品回答。Hy3 正式版，就是这个判断的第一次集中验收，也是腾讯混元团队重组后第一个重磅公开成果。一个月前，汤道生曾在会上问姚顺雨，Hy3 preview 作为他在腾讯的首秀，具体做了什么改变。姚顺雨回答说：“主要三点：第一，重建 Infrastructure，无论是预训练还是强化学习；第二，改变数据和 Eval，如何去定义更真实的问题、丰富数据的 taxonomy、提高数据的质量；第三，很多决策是 taste driven 的，没有很清晰的公式。”姚顺雨提到的“定义真实的问题”，从 Hy3 公布的大量实测任务场景反馈来看，这一代模型更新的重点就是如何让模型能力支撑真实任务，而这恰恰是此前腾讯相对匹配不到位的领域。姚顺雨在大会上还提到，团队曾把“后训练最强骨干”派去帮元宝做后训练。他说，当时预训练还没准备好，很多算法同学不理解这个决定，但现在回头看，这个动作让产品团队意识到模型团队是真的为产品着想，也为 Hy3 preview 在元宝上线起到重要作用。随后他又补了一句：“技术可以探讨，最难的反而是信任和换位思考。”这个细节，一定程度上让外界对于大厂的模型 1 号位，有一个更清晰的形象概念，1 号位不仅仅是技术大牛，也要推动模型团队和产品团队建立协作关系。

【腾讯放大姚顺雨影响力】

而树立了姚顺雨大旗的腾讯，也不遗余力放大他的外部影响力。1 月，姚顺雨出席腾讯青云奖学金颁奖活动，为青年研究者颁奖。首届青云奖学金为 15 位青年学者提供总价值 50 万元支持，包括 20 万元现金和 30 万元云异构算力资源。6 月，腾讯 2026 青云计划启动，面向 AI 大模型、基础架构和高性能计算等方向设置技术课题，支持青年人才参与混元、微信和游戏等前沿课题。姚顺雨给腾讯 AI 立住的第一层人设，是认真打磨模型底座的形象，Hy3 的诞生，终于让腾讯 AI 有了一份可验证的阶段性成果。

【Hy3 短板待补】

对于腾讯而言，Hy3 显而易见是一份急需的答案。但放在整个大模型行业里，仍有一些有待加强的短板。尤其是，姚顺雨本人曾经提出过一套“最强模型才会被付费”的理念。今年 1 月，在清华主导的 AGI - Next 峰会上，他谈 To B 市场时说：“智能越高，代表生产力越高，溢价空间也越大。”这位腾讯 CEO 首席科学家表示，企业级市场对模型能力的付费意愿呈现头部效应，较弱模型在编程等高频生产力场景中会带来排错和监控成本，隐性成本可能超过模型差价。今天回过头看，这句话反过来成了 Hy3 的压力。腾讯披露的 270 位专家真实工作盲测中，Hy3 均分 2.67/4，高于 GLM - 5.1 的 2.51/4。这个成绩能证明 Hy3 进步，但对比对象却是竞争对手的上一代模型。GLM - 5.1 已经不是智谱最新主力，最新的 GLM - 5.2 拥有 1M 上下文窗口，以及更加强大的 Coding、Agent 和长程工具调用能力。换言之，Hy3 证明腾讯追上来了一段，但离国产模型最前排还有一些距离。在 6 月的那场大会上，姚顺雨谈及性价比时，也把标准放在性能前面。他说，很多人最后发现用 Opus 这样的模型，反而比用更差的模型更省钱，因为更快把事情做对，也省了人的精力。他进一步拆解说，性价比第一是“性”，如果性能不好，性价比就很难成立，第二才是成本。这句话也可以反过来审视 Hy3，低价和低激活参数固然是吸引用户走量的关键，但企业最终付费，看的是一次做对的能力。在这个问题上，Hy3 还有待在更多真实的 B 端场景中得到验证。Hy3 的第二个能力边界，是原生多模态缺席，这个问题在历代 Hy 通用模型的更新讨论中由来已久。作为主打办公场景的 Agent 能力底座，现实中的用户面对的输入并不总是文本。PPT 版式修改、Excel 图表识别、网页后台各种图标状态。Hy3 如果不能直接理解视觉输入，就要依赖混元多模态或者其他 OCR 工具层协同。这个短板在腾讯的应用场景里尤其敏感，尤其是 Hy3 还可能接入微信等 C 端用户场景。用户给到 AI 的材料，很多时候不是一段干净文本，甚至是一张截图。与此同时，混元的竞争对手已经在原生多模态路线上耕耘许久。几周前，火山引擎发布豆包 2.1 Pro。公开报道提到，其在 Coding、Agent 和 VLM 三大方向升级；发布会还展示芯片设计 RTL 测试案例，模型连续运行近 18 小时，经历 9 轮迭代，跑通仿真、测试和综合检查。在一个 3D 虚拟城市案例中，依托豆包 2.1 Pro，实现了 500 余个智能 Agent 同步协作，完成上千轮工具调用，生成超百栋建筑。与此同时，阿里方面近期更新的 Qwen3.7 - Plus，也延续了统一视觉和语言的多模态 Agent 模型，面向图像、视频、屏幕、网页和文本输入，并支持 GUI、命令行和工具环境下的任务执行。相比之下，Hy3 只能称为一份语言模型答卷。还是在 6 月的那场大会上，姚顺雨在谈及 AI 未来时说，AI 是长期游戏，“下半场才刚刚开始”。他还提到，Coding Agent、多模态和具身智能都会继续发展。但在 Hy3 目前呈现的能力上来看，腾讯拿到了进入下半场的门票，还没拿到终局答案。而 AI 产业的竞争格局中，模型是所有能力边界的底座，但并不能回答一家公司 AI 业务发展的所有问题。

【腾讯 AI 未来挑战】

姚顺雨交出了 Hy3 作为阶段性答卷，但腾讯 AI 到底快没快起来，还要看整个腾讯如何放大这一代模型的能力优势。回过头看，姚顺雨那句“感觉应该是我问你的问题”，并不只抛给汤道生。它也抛给马化腾，抛给微信团队，抛给所有渴望 AI 赋能的业务。应用层能不能让用户感知变化，比发布参数更重要。姚顺雨在《The Second Half》里曾经写过，AI 下半场会从“解决问题”转向“定义问题”。这句话放到腾讯身上，就是另一个问题：腾讯有微信、游戏、广告、办公和云等庞大业务架构，但这些业务要定义的，是哪些 AI 问题？过去三个月，腾讯在 B 端和 C 端同时加速。6 月，腾讯云 AI 产业应用大会发布效率智能体工具集。个人侧升级 QClaw、WorkBuddy、元宝、ima 和腾讯文档；企业侧发布 WorkBuddy 企业版，并升级 ClawPro、ADP 和企点营销云。伴随着 Hy3 发布，这些产品都等来了新一代底座。Hy3 已经开始接入部分腾讯业务场景。微信公众号 AI 分身和客服专项评测中，意图识别准确率提升到 98.94%；微信读书标签标注准确率较 Hy3 preview 提高 14.1%；WeGame《流放之路：降临》AI 游戏助手接入 Hy3 后，多轮推理与工具调度综合成功率提升至 92%，幻觉率从 4.5%降至 2.8%。这些数据说明，Hy3 开始向腾讯核心生态外溢，但这还不够。微信、游戏、广告和企业服务能不能把 Hy3 变成高频任务，决定腾讯 AI 能不能从阶段性答卷走向长期人设。5 月股东大会上，马化腾说腾讯已经站上去了，但还坐不下去。坐不下去，不只因为模型不够强。更现实的问题是，应用层有没有把模型能力变成新的用户体验和商业增量。而在云厂商正面交锋的 AI 云市场，竞争格局也愈发激烈。字节方面，火山引擎此前披露，豆包大模型日均 Token 调用量突破 180 万亿，过去一年增长超 10 倍；IDC 数据显示，火山引擎在中国公有云 MaaS 服务市场份额为 49.5%。模型调用量已经变成云市场心智的一部分。Omdia 发布的《中国 AI 云市场份额 2025》显示，2025 年中国 AI 云市场规模约 567 亿元。阿里云以 38.1%的份额位居第一，火山引擎以 20.4%位居第二，百度云、腾讯云、天翼云分列第三到第五，腾讯云的市场占比只有个位数。而在云战场之外，腾讯要回答的题更复杂。微信、游戏和广告都在寻找 AI 增量，Hy3 展现出来不错的 Agent 能力，但如何挖掘出 C 端用户真正高粘性的使用场景，是相关产品团队要理清的问题。在 1 月那场 AGI - Next 上，姚顺雨谈 C 端竞争时提到，模型不只需要回答问题，还需要掌握额外 Context。他举过一个很日常的例子：“比如问‘今天吃什么’，今年问和去年问，答案不应一样。”模型需要知道用户状态、位置、偏好和历史，才能给出真正贴近个人处境的回答。这句话放在腾讯身上，意义更明显。微信、元宝还有各种游戏场景，腾讯不缺少能提供这种 Context 的用户场景，但在过去几年中，还没有落地出能在 C 端掀起用户声量的使用场景。而这个问题的答案，姚顺雨和混元团队只能回答一部分。AI 产业不只是一个大模型一号位工程，也是一个庞大企业技术实力、资本实力和产品组织能力的综合考验。