騰訊混元大模型家族迎來關鍵新成員。7月6日，混元Hy3正式版對外發布，並同步開源。這款模型最引人注目的地方在於其架構設計：採用混合專家（MoE）路線，總參數量達到2950億（295B），但每次推理僅激活210億（21B）參數，支持最長256K上下文窗口。這種“大容量儲備、小成本調用”的思路，直接指向當前AI產業最核心的矛盾——模型能力與推理成本之間的平衡。
在騰訊內部組織的一場270位專家參與的盲測中，Hy3交出了一份頗具說服力的成績單。它的綜合平均分達到2.67，壓過了近期備受關注的GLM5.1（得分2.51）。值得注意的是，Hy3的激活參數尚不及後者的四分之一，卻取得了更高的評分。這背後是騰訊在後訓練階段加大算力投入，並著力提升數據質量與多樣性的結果。從preview版本到正式版，團隊並未大幅擴張模型規模，而是將資源集中在訓練流程的精細化打磨上。
模型能力的提升直接體現在產品端。騰訊旗下的AI助手元寶和AI工作臺WorkBuddy已全面接入Hy3。數據顯示，WorkBuddy的任務成功率從之前的72%躍升至90%，平均任務耗時則縮短了34%。元寶的幻覺率與常識錯誤率均下降了一半。另一款產品ima的系統穩定性達到95.1%，其多智能體協作框架Mavis在六Agent協同任務中的正確率達到92%。這些指標指向同一個事實：Hy3在多步推理、工具調用編排以及幻覺控制等Agent核心能力上取得了實質性進步。
成本側同樣體現了“實用優先”的定位。Hy3的API定價為：輸入每百萬tokens 1元，輸出每百萬tokens 4元，緩存命中則低至0.25元。對於一個日均消耗50萬輸入tokens加10萬輸出tokens的中小團隊而言，一天的API費用不到1元。自preview版本上線以來，日均token消耗量已增長了20倍，反映出市場對高性價比模型的需求正在快速釋放。
用戶端的反饋來得比預期更快。7月8日，WorkBuddy迎來一波訪問高峰，後臺算力資源被迅速打滿，下午時段的排隊率一度超過50%。項目團隊隨即啟動緊急擴容以應對流量衝擊。這一插曲從側面印證了Hy3在真實工作場景中的吸引力——當模型能力足夠穩定且成本足夠低時，用戶會“用腳投票”。
在具體能力上，Hy3在代碼生成、多步Agent任務和長文寫作等場景中展現出超出其參數體量的完成度。以Agent任務為例，它能夠自主完成從數據讀取校驗、可視化生成到API調用與郵件撰寫的完整鏈路，並自行添加執行日誌與自檢步驟，顯示出對多步任務流程的穩定控制力。在長文生成中，它能夠構建有主線、有數據、有案例的行業分析，而非簡單的要點羅列。
從今年1月底啟動基礎設施重建，到4月推出Hy3 preview，再到7月發佈正式版，騰訊混元團隊在不到半年內跑通了從底層重構到產品反哺的完整循環。騰訊旗下多元的產品矩陣為模型優化提供了海量真實反饋，而模型能力的提升又反過來賦能元寶、WorkBuddy等應用，形成了“模型-產品-數據”的飛輪效應。Hy3的架構選擇——以295B總參數僅激活21B來應對絕大多數真實場景——本質上是在宣告一種技術哲學：不追求參數規模的虛名，而是通過效率設計讓強大模型變得人人可用、人人用得起。