半年重建，腾讯混元Hy3交卷：5分钟生成3D跑酷

下午三点，我们在 WorkBuddy 里敲下一句需求：“做一个 3D 跑酷小游戏，空格跳跃，左右躲避，撞到障碍物结束并显示分数，点击重新开始。”按下回车后，Hy3 模型开始自行规划、编码。五分钟左右，一个完整的单文件 HTML 程序弹出——Three.js 已被自动下载到本地引用，而不是只留一个 CDN 链接，双击 index.html 就能在浏览器里直接开玩，全程没起服务器，也没有任何人工介入。

这则小测试恰逢腾讯混元 Hy3 正式发布。从 1 月底启动底层基础设施重建，到 4 月 preview，再到 7 月交出 Hy3，混元团队用了不到半年，跑通了“底层重构 → 产品反哺”的完整链路。

但这条路线的逻辑，早在两个月前就埋下了伏笔。今年 6 月，腾讯集团高级执行副总裁汤道生与混元模型负责人姚顺雨进行了一场1小时对谈，留下了两个关键判断：“先谈产品、再谈生意”，以及把“模型与产品 Co-Design”写进组织方法论。姚顺雨当时直言，今天做大模型从算法维度看已经“比较 trivial”，真正的功夫在基础设施、数据和评测；性价比的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钱。

Hy3 几乎就是这套判断的落地版本。它采用快慢思考融合的 MoE 架构，总参数打到 295B，但激活参数只保留了 21B。总参足够大，意味着知识容量和复杂任务承载力向大尺寸旗舰看齐；激活参数量压到 21B，则让每次推理只调动一小部分权重，服务成本与时延随之下降。这样做的结果，是它能以不到旗舰类型几分之一的体量，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。

内部 270 位专家基于真实工作场景的盲测给出了佐证：Hy3 以 2.67 / 4 的均分优于 GLM 5.1 的 2.51 / 4，尤其在前端、数据与存储、CI/CD 等工程类别里优势明显。而比这些分数更值得留意的，是模型被业务“用出来”的数据。

从 preview 上线以来，Hy3 日均 token 消耗量增加了 20 倍，背后是实实在在的业务调用增长。WorkBuddy 上自主选择 Hy3 preview 的用户数增长了 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%。同时，元宝借助 Hy3 的 Agent 能力上线了文件交付功能，常识错误率与幻觉率均下降超过一半；ima 的 Agent 系统稳定性达到 95.1%，知识库问答推理质量净提升接近 19%；Marvis 核心场景任务完成率 93.7%，6 个 Agent 协作派发正确率 92%。就连微信与游戏场景也被反哺：公众号 AI 分身意图识别准确率提升到 98.94%；WeGame AI 助手多轮推理成功率 92%，幻觉率从 4.5% 降到 2.8%。

多元产品矩阵提供真实反馈，模型进步又反哺所有产品，彼此加强。这背后，混元在“用得可靠”上也做了不少不声张的功课。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”——这比单纯追求“更聪明”更难。在内部评测里，Hy3 的幻觉率从 12.5% 降到 5.4%，常识错误率从 25.4% 降到 12.7%，多轮问题率则从 17.4% 压缩到 7.9%；长对话基准 MRCR 从 42.9% 一跃至 75.1%。工具调用方面，除错误恢复能力和效率提升外，团队还专门做了跨脚手架泛化测试，Codebuddy、Cline、KiloCode 在 SWE Bench Verified 上的分数标准差被压在 4 个百分点以内，换开发环境也不会出现大幅波动。

成本数字同样直白。在高频办公任务上与 GLM-5.2 相比，Hy3 的 token 消耗明显更低：文档处理节省 47.4%，PPT 制作节省 49.0%。单次调用消耗降下来的同时，任务完成率反而上去了，性价比落到了每一次真实请求里。

价格和开放策略则把这场探索推得更远。Hy3 定价延续低单价路线：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，全球开发者可以免费商用，发布当天就接入 Hugging Face 与 ModelScope，后续还会覆盖 OpenRouter、Hermes、Kilo、Cline 等海外平台——低门槛换规模，规模换反馈，性价比本身就成了一种增长策略。

回到开头那个五分钟左右产出的 3D 跑酷页面，它正好把这一整套逻辑具象化了：从一句需求到可玩的游戏，模型自主走完了引用方式、窗口缩放、碰撞状态回收等容易卡壳的环节，最终落到“能用”上。从底层重建到眼前能上手的作品，混元这半年走的每一步都在回答同一个问题：新模型到底好不好用？现在，答案已经可以双击 index.html 亲自试试。