7 月 6 日，腾讯正式发布混元大模型 Hy3，这距离其 preview 版本亮相仅两个多月，也是 姚顺雨 以首席 AI 科学家身份加入腾讯、主导架构重建 201 天 后交出的首份完整答卷。这款模型被外界视为腾讯补齐 AI 基础能力短板、入局大模型下半场竞争的关键产品。
从技术规格看，Hy3 是一款采用 MoE 混合专家架构的模型，总参数量为 295B，每次推理仅激活 21B 参数。官方宣称其性能可对标参数规模 2 至 5 倍的旗舰模型。然而，正式版并未对底层架构做出根本性改动，提升主要来自后训练数据优化、强化学习算力扩容及工程调优，属于典型的架构不动、数据补位的升级路径。
在行业坐标系中，295B 的总参数规模与 DeepSeek V4 Flash、MiniMax M3 等处于同一梯队，而当前国内外第一梯队模型的总参数量已普遍跨过万亿级门槛。在上下文窗口方面，Hy3 并未追逐行业流行的 1M 甚至 2M 超长窗口，而是选择在 256K 区间内打磨性能上限，这体现了姚顺雨强调实用主义的思路——优先覆盖绝大多数日常办公和代码开发场景。
基准测试结果清晰地勾勒出 Hy3 的能力轮廓：长板突出，但偏科明显。在信息检索与单工具执行领域，Hy3 表现强劲。例如，在搜索智能体基准 BrowseComp 上，它以 84.2 分接近 GPT-5.5 的 84.4 分；在 Agent 执行基准 ClawEval 上，它以 68.5 分仅次于 Claude Opus 4.8。这些优势精准命中了白领高频的办公场景需求。
然而，在决定大模型能力上限的硬核赛道上，Hy3 的差距肉眼可见。在考验复杂软件工程能力的 SWE-bench Pro 基准上，Hy3 仅得 57.9 分，大幅落后于 Claude Opus 4.8 的 69.2 分和 GLM 5.2 的 62.1 分。在数学推理方面，MathArena Apex 基准上 38.7 分的成绩，虽较 preview 版有爆发式增长，但仍不到 GPT-5.5 的一半。更关键的是，在衡量多工具协作能力的 MCP Atlas 基准上，Hy3 仅获 79.1 分，在参与对比的 6 个主流模型中排名末位，表明其在跨系统、需异常处理的复杂工作流中，稳定性与容错能力仍是硬伤。
Hy3 发布后迅速接入了 WorkBuddy、元宝、ima、QQ 浏览器、微信读书等数十款腾讯产品。官方数据显示，办公任务成功率从 72% 升至 90%，幻觉率从 12.5% 降至 5.4%。这些环比提升印证了场景反哺模型的有效性，但并未改变一个核心事实：Hy3 尚未成为腾讯内部统一的 AI 底座。最典型的信号是，微信原生 AI 助手“小微”仍以自研 WeLM 为主，部分场景调用外部模型，这意味着在腾讯最重要的流量和场景阵地中，混元只是选项之一。
Hy3 的商业策略同样体现了姚顺雨的实用主义：以 1 元 / 百万 Tokens 输入、4 元 / 百万 Tokens 输出的低价，配合 Apache 2.0 开源协议，试图在中高端模型市场以性价比撕开一道口子。这条路线对预算敏感的中小企业吸引力极强，preview 版上线以来日均 Token 消耗量增长了 20 倍。但风险在于，性价比赛道正变得拥挤，且顶级模型的持续降价会不断挤压中端模型的生存空间。
姚顺雨强调 AI 下半场是解决真实世界问题，Hy3 的发布让腾讯终于有了一款能上桌的主流大模型。但腾讯 AI 真正的挑战，始终是如何将微信 14.32 亿月活、社交关系链、内容生态等独一无二的场景优势，真正转化为模型训练的闭环和 AI 时代的竞争壁垒。目前来看，Hy3 迈出了第一步，但腾讯 AI 还未到亮出底牌的时刻。