腾讯混元Hy3正式上线,一个被低估的国产模型正在改写规则

7月6号下午,腾讯混元团队丢出一颗炸弹｡

Hy3正式版来了｡不是preview,不是测试版,是直接开源上架､全面对外｡消息一出,国内的AI圈子直接炸了锅｡但有意思的是,海外那帮人却安静得有点反常｡

这不对劲｡

Hy3 Logo

Hy3 Logo

说实话,我第一次看到Hy3的数据时,正在喝咖啡｡那口咖啡差点喷到屏幕上｡

2950亿总参数,激活参数只有210亿｡256K的上下文长度,能一次性吞下一整本长篇小说｡幻觉率从12.5%砍到5.4%,常识错误率从25.4%降到12.7%｡这些数字什么概念,后面细说｡

先聊个更魔幻的｡腾讯内部搞了场盲测,找了270个不同领域的专家,在真实工作流里让Hy3和GLM-5.1 PK｡结果Hy3得分2.67/4,GLM-5.1只有2.51｡前端开发､数据存储这些场景,Hy3的优势特别明显｡

注意,这不是刷榜,是盲测｡专家连自己测的是哪个模型都不知道｡

Benchmark

Benchmark

但海外社交平台上的画风,和国内完全不一样｡

X上有几个科技博主转了Hy3的消息,评论区里两极分化特别明显｡一部分人带着惯性偏见,把中国模型直接划进二等舱,连参数都懒得看｡另一批人却在疯狂讨论一个细节,Hy3从1月底开始训练,到4月就开源了preview版本,满打满算不到三个月｡这是什么速度,冷启动到开源,通常大厂要走半年的流程,腾讯这次直接压缩到一季度｡

有个叫fsnn的海外科技媒体写了一篇长文,标题很直接,腾讯的Hy3是最被忽视的高效中文大模型｡文章里提到一个点,295B的MoE架构,激活参数却只有21B,这意味着什么,意味着跑起来比很多旗舰模型便宜得多,但实际效果却能跟那些参数规模大2到5倍的模型掰手腕｡

换句话说,花更少的钱,干更多的活｡

这里得插一段背景,不然很多人看不懂腾讯这波操作的含金量｡

Hy3的灵魂人物叫姚顺雨,前OpenAI的研究员,现在直接向腾讯总裁刘炽平汇报｡这个人2026年初才加入腾讯,一上来就干了一件狠事,把混元的预训练基础设施全部推倒重建｡

你没看错,全部重建｡

以前混元的模型架构是上一代的设计思路,堆砌参数,狂刷榜单,但实际用起来各种问题｡姚顺雨团队定了几条铁律,第一,真实能力优先于榜单分数,第二,模型设计和推理成本必须一起考虑,第三,所有训练都要围绕实际业务场景来｡

这三条听起来简单,但做起来等于让整个团队换了一种活法｡不再看榜单排名吃饭,而是看产品反馈说话｡

所以Hy3 preview在4月发布时,腾讯内部50多个产品团队同时接入,元宝､ima､QQ浏览器､腾讯文档､甚至微信读书和游戏业务,全都在测｡两个多月的反馈攒下来,正式版直接修复了一大堆真实场景里的硬伤｡

这不是实验室里打磨出来的模型,是战场上血拼出来的｡

现在来聊聊那个最让人意外的数据,幻觉率｡

5.4%,放在半年前,这是顶级闭源模型才敢吹的数字｡Hy3 preview版本还有12.5%,正式版直接腰斩｡常识错误率也从25.4%降到12.7%｡

很多外行不懂这有啥了不起的｡这么说吧,大模型最烦人的不是它不会,是它乱说｡你问它一个专业问题,它给你编得有鼻子有眼,还配假数据假链接,你一不小心就信了｡这就是幻觉｡

腾讯内部给Hy3定了一条行为准则,有证据就回答,没证据就说不知道,别把不同的信息源混在一起编,更不能凭空捏造数据｡为了做到这一点,团队做了细粒度的数据清洗,还加了专门的训练约束｡

效果怎么样,在WorkBuddy这类生产力工具里,任务解决率从72%跳到90%,平均耗时还缩短了34%｡不是快了一点点,是快了一个量级｡

但海外也不是一边倒的唱衰｡

有个挺有意思的现象,国外评测机构Artificial Analysis给Hy3-preview打分的时候,在某些基准上把它排在了DeepSeek V4 Flash和Qwen3.6后面｡当时X上就有人开嘲讽,腾讯也就这水平｡

可这些人忽略了一件事,Hy3的主战场从来都不是刷榜｡

SWE-bench Verified这个测试,考的是模型能不能真正修复GitHub上的真实Bug,不是做题,是实战｡Hy3拿了74.4分｡作为对比,前代Hy2只有53%,这一代提升了超过40%｡在复杂Agent工作流里,Hy3能稳定支撑495步的操作,覆盖文档处理､数据分析､知识检索､MCP工具链编排｡

这些能力,榜单上根本体现不出来｡

Benchmark Appendix

Benchmark Appendix

价格方面,腾讯这次也狠得离谱｡

输入1块钱/百万tokens,输出4块钱/百万tokens,缓存命中只要0.25元｡这是什么概念,你写一篇一万字的长文,调用API的成本可能不到几毛钱｡

个人开发者有个28块钱的月费套餐,就能在OpenClaw这类Agent开发平台里随便调用｡对学生党和独立开发者来说,这基本是白送｡

海外API平台也在陆续接入｡OpenRouter上已经有Hy3的接口,而且preview版本还限免了两周｡一些原本持怀疑态度的开发者试完之后,态度明显软化,讨论的焦点从质疑转向了怎么部署和微调｡

说到底,Hy3真正让我意外的,不是某个技术指标,而是腾讯整个AI战略的气质变了｡

以前混元给人的感觉是,跟着别人跑,OpenAI做什么它做什么,DeepSeek火了又跟着卷价格｡但这次不一样,Hy3从设计之初就在回答一个问题,用户真正需要模型干什么｡

答案不是更聪明的聊天机器人,是一个能干活､不瞎说､用得起的数字员工｡

270个专家的盲测,50多个产品的反馈,495步的Agent工作流,这些数字背后是一套全新的逻辑｡模型不再是为了发布会上的PPT而存在,是为了让写代码的人少熬一个夜,让做数据分析的人少点一次刷新,让普通用户少被幻觉骗一次｡

这种转变,比任何一个单一的 benchmark 分数都更有意思｡

当然,Hy3也不是没有短板｡

多模态能力还没上,目前主要是文本和代码｡视觉､音频这些领域,腾讯肯定也在搞,但Hy3这个版本还没覆盖｡另外,海外生态的渗透还需要时间,虽然开源了,但国际开发者社区对中国模型的接受度,仍然是个慢功夫｡

还有一个更深层的问题,当所有人都开始卷Agent能力､卷性价比､卷真实场景体验的时候,大模型的竞争逻辑已经彻底变了｡不再是参数军备竞赛,而是工程化落地能力的比拼｡

从这个角度看,Hy3可能不是最耀眼的那个,但它或许是最务实的一个｡

而务实,有时候比耀眼更可怕｡

image

image

今天下午,我又打开GitHub看了一眼Hy3的仓库｡星标数在涨,Issue区有人在问怎么微调,有人在晒部署成功的截图,还有人直接提交了PR｡

这就是开源的力量｡代码放在那里,任何人都能验证,好用就是好用,拉胯就是拉胯,骗不了人｡

腾讯这次把Hy3以Apache 2.0协议完全开源,权重上传到Hugging Face､ModelScope､GitCode,连FP8量化版本都给了｡vLLM和SGLang的部署方案也写得很细,8张H20就能跑起来｡

这意味着什么,意味着中小企业和个人开发者,第一次有机会零门槛用上顶级 MoE 模型｡不需要动辄几百万的算力投入,不需要等API审核,下载下来就能用｡

这才是真正的技术平权｡不是喊口号,是把代码和权重拍在桌上,说,拿去用｡

image

image

写到这里,我想起X上那些带着偏见的眼光,把中国模型直接划进二等舱的人｡

我想对他们说,你可以不看｡但你的竞争对手会看,而且看得很认真｡

Hy3不是终点,它是一个信号｡国产大模型正在从追随者变成规则的改写者｡不是靠更大的参数,不是靠更贵的算力,是靠对真实需求的理解,和对工程细节的极致打磨｡

这场游戏,才刚刚开始｡