姚顺雨三个月重建腾讯混元，快慢思考能救场吗？

一个28岁的年轻人，能在三个月内重建一家万亿市值公司的AI基础设施吗？腾讯混元Hy3 preview的发布，给出了一个初步答案。

4月23日，这款被定义为"混元重建后训练的第一个模型"正式开源。2950亿总参数、210亿激活参数、256K上下文长度——数字背后是一场从根上推倒重来的工程冒险。而主导这场冒险的，正是去年才加入腾讯的姚顺雨。

「慢了9个月到1年」之后

把时间拨回四个月前。今年年会上，马化腾罕见地公开承认腾讯AI"动作慢了"，慢了9个月到1年。总裁刘炽平的复盘更刺耳：混元像高中生背题应考，成绩单好看，一上真实考场就露馅。

数据印证着焦虑。字节豆包月活已达3.45亿，阿里千问1.66亿，而腾讯元宝约5700万。差距不仅没缩小，还在拉大。

在这个背景下，姚顺雨的任命被外界解读为唯一信号：腾讯要动真格了。前OpenAI研究员、清华姚班出身、中国互联网最受瞩目的天才少年——这些标签叠加在28岁的他身上，既是光环也是压力。

四个月后，Hy3 preview上线。交卷时刻到了。

推倒重来：一个月重建基础设施

Hy3 preview不是常规迭代。用腾讯自己的话说，这是"底层工程的重构"。

2月，混元重建了预训练和强化学习的基础设施。原有的训练框架没有沿用，姚顺雨到任后在一个月内完成了整个基础设施的重建。

重建的方向被提炼为三个原则：能力体系化、评测真实性、性价比追求。翻译过来就是：不做"偏科生"，不刷榜，不让模型变成烧钱的无底洞。

「不做偏科生」这条尤其值得展开。Hy3 preview从研发之初就围绕智能体场景做了针对性设计。姚顺雨的判断是，即便是代码智能体的单一应用，也涉及推理、长文、指令、对话、代码、工具等多种能力的深度协同。

你不能让模型只会写代码却看不懂文档，或者能聊天但调不了API。这种"全栈能力"的要求，直接推翻了过去"单项冠军"式的训练思路。

同时，姚顺雨指出，过去的混元过度追逐榜单成绩，将打榜语料放入训练集导致数据被污染，影响了真实场景表现。他要求团队「以后不要打榜」，主动跳出易被刷榜的公开榜单，通过自建题目、最新考试、人工评测、产品众测等多种方式来评估模型的「真实战斗力」。

从研发节奏来看，Hy3 preview于2026年1月底正式启动训练，从训练到上线用了不到三个月。腾讯内部将其定义为混元大模型从「读万卷书」走向「行万里路」、尝试解决真实世界复杂问题的开端。

不到三个月，重建基础设施、定方向、训模型、开源发布。这个速度放在大厂体系里，相当激进。

快慢思考：让模型自己决定「用不用脑」

Hy3 preview最核心的技术理念是「快慢思考融合」。

这个概念对应的是认知科学中的双系统理论：系统1（快思考）是快速、自动、直觉式的反应；系统2（慢思考）是缓慢、深度、需要调用大量计算资源的推理。传统大模型在设计时通常两条路只能选一条，要么快但能力有限，要么强但响应慢。

Hy3 preview的做法是让模型根据任务难度自动选择思考模式：简单任务用快思考，复杂任务切换到慢思考，在速度和能力之间找一个最优平衡点。

工程上，这套机制依赖混合专家（MoE）架构来实现。2950亿的总参数中，每次推理只激活210亿，激活占比约7.1%。这意味着实际计算量远小于一个2950亿的稠密模型。

慢思考任务会激活更多专家、调用更多计算资源，快思考任务则只激活少数专家、节省算力。快慢思考的切换不是简单叠加两个模型，而是在一个模型内部根据任务自适应分配计算量。

这个设计思路并不新鲜，但能在不到三个月里完成架构选型、训练和上线，背后的工程能力确实不容小觑。

对腾讯这种手握微信、QQ、腾讯文档等海量用户产品的公司来说，推理成本的可控性很大程度上决定了模型能否真正进入产品。Hy3 preview的架构选择，正因具备了这种现实的商业考量。

自建考场：不打榜之后怎么证明自己

既然说「不打榜」，评估体系就得自己建。

腾讯混元提出了CL-bench和CL-bench-Life两套评测框架，重点考察模型在长而杂乱的上下文中理解信息、遵循复杂规则并完成任务的能力。这两套框架对应的正是许多真实生产和生活场景里最常见、也最难被传统榜单覆盖的问题。

在具体性能表现上，Hy3 preview在几个关键基准测试中取得了有竞争力的结果。在编程基准SWE-Bench Verified中，Hy3 preview得分74.4%，相比前代Hy2的53.0%提升超过40%，已接近GLM-4.7的水平。

在复杂推理任务上，Hy3 preview在FrontierScience-Olympiad、IMOAnswerBench等高难度理工科推理任务中表现突出，全国中学生生物学联赛（CHSBO 2025）等高难度推理