半年重建，一次交卷：5分钟生成3D跑酷小游戏，腾讯混元 Hy3 正式发布

半年前，混元把底层底座推倒重来。半年后，它用一次发布证明，被真实业务反复打磨过的模型，才真正经得起真实业务的检验。

腾讯混元 Hy3 今日正式发布。混元今年 1 月底才启动底层基础设施重建，不到半年就跑通了“底层重构 → 产品反哺”的完整研发链路，这次发布是这条路的关键一步。

回过头来看，这条路线的背后逻辑，其实早在两个月前就写好了。今年 6 月，汤道生、姚顺雨的1小时对谈（汤道生：腾讯AI先谈产品再谈生意、汤道生姚顺雨对谈：下半场靠什么赢），聊到了“先谈产品、再谈生意”的克制，也同时把“模型与产品 Co-Design”写进组织方法论。

姚顺雨当时给性价比下了一个判断，第一要素不是模型架构，而是性能，“用一个更小的模型把更高的价值任务做好”，比用弱模型反复试错更省。他还直言，今天做大模型从算法看已“比较 trivial”，真正的功力在基础设施、数据和 Eval。

Hy3 就是这套判断的落地，它在 MoE 架构上做了一个很直白的取舍，总参数 295B、激活参数仅 21B。总参足够大，知识容量和复杂任务承载力才接近大尺寸旗舰；激活参数压到 21B，意味着每次推理只调动一小部分权重，服务成本和时延随之降下来。

这也解释了为什么它能以不到旗舰几分之一的体量，去对标参数规模 2—5 倍的模型，不是把模型做得更大，而是把“一次做对”的成本压下来。再把模型塞进 WorkBuddy、元宝、ima 这些真实业务里，让场景替它说话，也呼应了两场对谈里“刷榜价值小于实用价值”的判断。

不是更大的模型，是更“懂事”的模型

Hy3 采用快慢思考融合的 MoE 架构，总参数 295B、激活参数 21B，支持 256K 上下文长度。相比 4 月发布的 preview 版本，它在后训练算力、数据质量与多样性上全面加码，以较小尺寸首次接近国内外大尺寸旗舰模型的效果。

这种“小激活、大总参”的取向，回答的是同一个老问题，参数竞赛逼近边际，模型厂商该去哪要智能？Hy3 把算力花在“想清楚”上，而不是“堆更大”上。内部 270 位专家基于真实工作的盲测给出了佐证，Hy3 均分 2.67 / 4，优于 GLM 5.1 的 2.51 / 4，尤其在前端、数据与存储、CI/CD 等工程类别优势显著。

图为腾讯混元官方研究博客（hy.tencent.com/research/hy3）关于本次内部盲测的页面截图

值得留意的一组数据，是“业务即训练场”。

官方数据显示，从 preview 上线以来，Hy3 日均 token 消耗量增加了 20 倍，这背后是业务使用量的实打实增长。WorkBuddy 上自主选择 Hy3 preview 的用户数增长 6 倍；办公场景内部测评中，任务成功率从 72% 升至 90%，平均耗时缩短 34%。

元宝借 Hy3 的 Agent 能力同步上线了文件交付，常识错误率与幻觉率均下降超一半。ima 的 Agent 系统稳定性达 95.1%，知识库问答推理质量净提升近 19%；Marvis 核心场景任务完成率 93.7%，6 个 Agent 协作派发正确率 92%。就连微信与游戏也被反哺，公众号 AI 分身意图识别准确率 98.94%，WeGame AI 助手多轮推理成功率 92%、幻觉率从 4.5% 降至 2.8%。

这套逻辑就是一个正反馈。多元产品矩阵提供真实反馈，模型进步反哺所有产品，彼此加强。同行多依赖基准测试说话，腾讯则把海量用户和真实业务当成检验场。

价格、开源与半年闭环

智能水平之外，Hy3 把不少功夫花在“用得可靠”上。这次发布的技术博客显示，模型被要求“有依据才回答、无依据明示缺失，多来源信息不乱拼，数据和状态不乱编”，这套理想态，比“更聪明”更难，也更贴近真实办公场景。

落到数字上，模型内部评测里幻觉率从 12.5% 降到 5.4%，常识错误率从 25.4% 降到 12.7%，“张冠李戴”“无中生有”这类毛病明显少了。多轮和长上下文的承接也补了课，SFT 与 RL 阶段联合优化指代消解、省略还原和多轮约束继承，多轮问题率从 17.4% 降到 7.9%，长对话基准 MRCR 从 42.9% 跳到 75.1%。

工具调用这块，错误恢复能力和效率都有提升，还专门做了跨脚手架泛化，Codebuddy、Cline、KiloCode 在 SWE Bench Verified 上的分数标准差压在 4 个百分点以内，意味着换个不同的开发环境，表现不会大起大落。

更直接的一笔是成本，和 GLM-5.2 比，高频办公任务里 Hy3 的 token 消耗明显更低，文档处理省 47.4%、PPT 制作省 49.0%。任务完成率上去了，单次消耗下来了，成本优势就这样落到了每一次真实调用里。

开放策略是 Hy3 的另一重信号。定价上延续低单价策略，输入 1 元 / 百万 tokens、输出 4 元 / 百万 tokens，命中缓存仅 0.25 元。开源采用商业友好的 Apache 2.0 协议，全球开发者可免费商用，并“day 0”接入 Hugging Face 与 ModelScope，后续覆盖 OpenRouter、Hermes、Kilo、Cline 等海外平台。低门槛换规模、规模换反馈，性价比本身就成了增长策略。

从 1 月底基础设施重建，到 4 月 preview，再到 7 月 Hy3，混元用不到半年跑通了“底层重构 → 产品反哺”的完整链路。这条时间线比单次发布更值得留意，它意味着腾讯大模型研发已从“追版本”切换到“跑自研节奏”。

未来，把模型能力落到更多实际业务，“实用”将成为新的竞争维度，下一程的看点，是模型能不能真的把事办成。

5分钟，3D跑酷小游戏直出

指标说得再多，不如真做一个能上手的东西。

笔者用 Hy3 在 WorkBuddy 里做了一款单文件 3D 跑酷小游戏，浏览器打开即玩。一句话需求，直接生成单文件 HTML，Three.js 放在同目录本地引用，双击即开，不用起服务器。

空格跳、左右躲、撞上结束显示本局得分、点击重来，交互一条线由模型自主走完。

模型把 Three.js 下载到本地再引用，而不是只留一个 CDN 链接，这保证了离线运行，不会因为取不到库就白屏。在使用过程中，前端能不能一次做对，往往就卡在这些地方，引用方式、窗口缩放、撞上之后的状态回收。模型把这几点都顾及到了。

图为 Hy3 实跑产出的 3D 跑酷页面（开始界面），双击 index.html 即玩。

这个 3D 跑酷已经部署成公开试玩的网页：

https://036e02c6faf643e997dcae4522543bf7.app.codebuddy.work 。

它从一句话需求到上线可玩，均由 Hy3 在 WorkBuddy 里实跑产出。全程无人工参与，用时5分钟左右，PC在运行过程中仅有轻微卡顿。

从底层重建到眼前这个能上手的小游戏，混元这半年走的每一步，最后都落到了“能用”上。这条路走到这里，逻辑已经清楚。

新模型，到底好不好用？

未来已来，享受它吧。

(本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 秦聪慧）