7.7
深览指数
科技人人都是产品经理·Z Finance··AI 生成
腾讯Hy3正式版上线，姚顺雨半年交卷
腾讯混元Hy3正式版于7月6日上线，延续295B参数（21B激活）的MoE架构，上下文窗口维持在256K，不走万亿参数和超长文本竞赛。模型在信息检索（BrowseComp 84.2分）和Agent执行（ClawEval 68.5分，SkillsBench 55.3分）上表现突出，数学推理（MathArena Apex 38.7分）和MCP工具调用（MCP Atlas 79.1分）仍是短板。文章核心贡献在于：首次系统披露了姚顺雨入主后“实用主义AI”路线下的技术取舍与组织博弈，揭示了腾讯内部联邦制（WXG与集团）在AI战略上的隐性竞争。适合关注中国大模型技术路线、互联网大厂组织博弈的读者。原文 ↗
核心观点
- ▍腾讯Hy3不走万亿参数和超长文本竞赛，选择了295B参数、256K窗口的“务实”路线，核心逻辑是压榨既有容量性能极限，追求单字智能密度和极致性价比。
- ▍姚顺雨的“实用主义AI”理念——认为AI上半场（开发新方法击败基准测试）已失效，下半场转向“真实世界效用问题”——是Hy3全系列技术决策的底层逻辑。
- 01Hy3正式版在12项评测维度上全部实现正向增长，其中MathArena Apex从Preview版的12.8分跃升至38.7分（+207%），SkillsBench从29.1分升至55.3分（+90%），体现了后训练阶段的“饱和式补短”策略。
- 02在信息检索维度，Hy3的BrowseComp得分84.2分，仅差GPT-5.5的84.4分0.2分；AA-LCR得分73.4分，与GLM-5.2并列。
- 03在Agent执行维度，ClawEval得分68.5分，仅次于Claude Opus 4.8（72.1分），超过DeepSeek V4 Pro（62.4分）和Qwen 3.7 Max（65.2分）。
- 04Hy3在编程Agent任务中展现出“审美功底”，能生成UI设计、图标渲染、视觉建模等拔尖水平的代码，但主动发挥倾向强，对需求模糊的用户友好，对硬核工程约束不够克制。
- 05Hy3的定价策略极具攻击性：输入1元/百万tokens，输出4元/百万tokens，缓存命中仅0.25元，约为智谱高阶模型或Qwen3-Max同级竞品的几分之一。
- 06Hy3在长文本总结、文献检索等优势场景下，通过缩减30%的步数与工具调用数实现物理Token瘦身，与低单价形成双重红利；但在跨平台Agent协作或硬核代码重构场景中，易陷入“Token黑洞”，抵消单价优势。
反方 / 局限
- — 数学推理是Hy3最大的能力缺口：MathArena Apex 38.7分与GPT-5.5的85.4分差距悬殊，且Hy3在处理复杂数学问题时Token消耗量大，计算资源受限时能力会折损。
- — MCP工具调用（MCP Atlas 79.1分）在参与评测的6个主流模型中排名末位，低于Claude Opus 4.8（84.1分）、GLM-5.2（82.6分）及Seed-2.1 Pro（80.6分），在跨多工具协作的复杂工作流中容错能力仍有不足。
- — 256K上下文窗口在面对超长源码库、批量大跨度历史卷宗等场景时直接失去入场券，技术劣势明显；但作者认为这是追求性价比的刻意取舍。
- — Hy3在指令遵循任务上的Token消耗比同尺寸的DeepSeek-V4 Flash骤增50%-150%，意味着“性价比”在特定场景下可能不成立。
- — 文章暗示了腾讯内部的“联邦制”困境：WXG（微信事业群）在2026年年会上曾公开表达希望自己训练大模型，其模型能力在低调爬坡，与集团中央技术团队形成路径交叉和资源暗战。
姚顺雨腾讯混元Hy3OpenAI微信事业群（WXG）MoE混合专家架构MCP（Model Context Protocol）SWE-benchTerminal BenchClawEvalBrowseCompMathArena Apex赛博史官DeepSeek V4GLM-5.2Qwen 3.7 MaxGPT-5.5Claude Opus 4.8Seed-2.1 Pro
12 分钟 · 4 卡片 · 7 资料
读原文 →