腾讯混元大模型家族迎来关键新成员。7月6日，混元Hy3正式版对外发布，并同步开源。这款模型最引人注目的地方在于其架构设计：采用混合专家（MoE）路线，总参数量达到2950亿（295B），但每次推理仅激活210亿（21B）参数，支持最长256K上下文窗口。这种“大容量储备、小成本调用”的思路，直接指向当前AI产业最核心的矛盾——模型能力与推理成本之间的平衡。

在腾讯内部组织的一场270位专家参与的盲测中，Hy3交出了一份颇具说服力的成绩单。它的综合平均分达到2.67，压过了近期备受关注的GLM5.1（得分2.51）。值得注意的是，Hy3的激活参数尚不及后者的四分之一，却取得了更高的评分。这背后是腾讯在后训练阶段加大算力投入，并着力提升数据质量与多样性的结果。从preview版本到正式版，团队并未大幅扩张模型规模，而是将资源集中在训练流程的精细化打磨上。

模型能力的提升直接体现在产品端。腾讯旗下的AI助手元宝和AI工作台WorkBuddy已全面接入Hy3。数据显示，WorkBuddy的任务成功率从之前的72%跃升至90%，平均任务耗时则缩短了34%。元宝的幻觉率与常识错误率均下降了一半。另一款产品ima的系统稳定性达到95.1%，其多智能体协作框架Mavis在六Agent协同任务中的正确率达到92%。这些指标指向同一个事实：Hy3在多步推理、工具调用编排以及幻觉控制等Agent核心能力上取得了实质性进步。

成本侧同样体现了“实用优先”的定位。Hy3的API定价为：输入每百万tokens 1元，输出每百万tokens 4元，缓存命中则低至0.25元。对于一个日均消耗50万输入tokens加10万输出tokens的中小团队而言，一天的API费用不到1元。自preview版本上线以来，日均token消耗量已增长了20倍，反映出市场对高性价比模型的需求正在快速释放。

用户端的反馈来得比预期更快。7月8日，WorkBuddy迎来一波访问高峰，后台算力资源被迅速打满，下午时段的排队率一度超过50%。项目团队随即启动紧急扩容以应对流量冲击。这一插曲从侧面印证了Hy3在真实工作场景中的吸引力——当模型能力足够稳定且成本足够低时，用户会“用脚投票”。

在具体能力上，Hy3在代码生成、多步Agent任务和长文写作等场景中展现出超出其参数体量的完成度。以Agent任务为例，它能够自主完成从数据读取校验、可视化生成到API调用与邮件撰写的完整链路，并自行添加执行日志与自检步骤，显示出对多步任务流程的稳定控制力。在长文生成中，它能够构建有主线、有数据、有案例的行业分析，而非简单的要点罗列。

从今年1月底启动基础设施重建，到4月推出Hy3 preview，再到7月发布正式版，腾讯混元团队在不到半年内跑通了从底层重构到产品反哺的完整循环。腾讯旗下多元的产品矩阵为模型优化提供了海量真实反馈，而模型能力的提升又反过来赋能元宝、WorkBuddy等应用，形成了“模型-产品-数据”的飞轮效应。Hy3的架构选择——以295B总参数仅激活21B来应对绝大多数真实场景——本质上是在宣告一种技术哲学：不追求参数规模的虚名，而是通过效率设计让强大模型变得人人可用、人人用得起。