腾讯今日正式发布混元大模型Hy3正式版，这是首席AI科学家姚顺雨加入后交出的首个重量级产品。模型总参数量2950亿，每次推理激活210亿参数，上下文窗口256K，采用Apache 2.0协议开源。

从官方公布的基准测试看，Hy3正式版在搜索智能体方向表现最为突出。BrowseComp评测中得分84.2，在所有对比模型中排名第一，追平了GPT-5.5。工作智能体方面，MCP Atlas公开版拿到79.1分，金融建模内部评测集Hy-FinModelBench得分69.0，与GLM-5.2基本持平。STEM推理方向，GPQA Diamond得分90.4，接近GPT-5.5的93.6分。

值得关注的是上下文学习评测。Hy3在姚顺雨主导设计的CL-bench上拿到23.8分，在国产模型中最高。这个评测集专门衡量模型从上下文中学习全新知识的能力，此前表现最好的GPT-5.1得分也仅23.7。Claude Opus 4.8也不过24.8分，说明当前所有前沿模型在这方面都还有很长的路要走。

相较于4月上线的预览版，正式版在可靠性上提升显著。幻觉率从12.5%降至5.4%，降幅超过一半。常识错误率从25.4%降至12.7%，多轮问题率从17.4%降至7.9%。长对话理解基准MRCR从42.9%跃升至75.1%。工具调用中的无效循环调用大幅减少，跨脚手架泛化性增强，意味着在不同编程工具框架下调用Hy3的效果差异更小。

腾讯还组织了一次内部专家盲测，270位不同学科背景的专家基于真实工作场景给出312份有效对比。Hy3均分2.67/4，优势集中在前端开发、数据与存储、CI/CD等类别。这种基于真实生产力任务的测试，比单纯跑公开榜单更能反映模型的实际战斗力。

产品落地方面，Hy3正式版已接入WorkBuddy/CodeBuddy、元宝、ima、Marvis、QQ浏览器、腾讯新闻、WeGame、搜狗输入法、微信公众号、微信读书、腾讯地图、腾讯文档等核心业务，另有近50个业务排队接入。在WorkBuddy上，任务解决率从预览版的72%跃升至90%，平均耗时缩短34%。文档处理token消耗比GLM-5.2节省47.4%，PPT制作节省49.0%。

元宝同步上线Agent功能，用户可通过对话直接交付PPT、Word、Excel等文件。ima的知识库问答场景推理质量净提升近19%，幻觉率下降15个百分点。Marvis多Agent协作任务完成率达93.7%。WeGame《流放之路：降临》AI游戏助手幻觉率从4.5%降至2.8%。

定价延续预览版的性价比路线：API输入1元/百万tokens，输出4元/百万tokens，缓存命中0.25元/百万tokens。模型权重在GitHub、HuggingFace、ModelScope、GitCode等平台开源，海外平台OpenRouter、Cline等也将陆续接入。预览版上线两周后token调用量即达上一代Hy2的10倍，在OpenRouter上以3.66万亿token周调用量拿到总榜与市场占有率双第一。正式版发布时，日均token消耗量已增长20倍，代码和Agent类场景调用量增长超过16.5倍。

姚顺雨到任后一个月内重建了整套预训练和强化学习基础设施，定下“不偏科、不刷榜、不烧钱”三大原则。Hy3正式版正是这套新体系下的产物，架构与预览版一致，但后训练数据的质量和多样性进一步提升，强化学习计算资源也得到扩充。从目前接入产品的表现看，这套务实路线正在腾讯生态内快速兑现为生产力提升。