7700亿参数上线即排队，腾讯AI焦虑能靠Hy4消解吗

8月28日深夜，没有发布会，只有一篇文章加一个开源仓库，混元Hy4 preview就这么上线了。7700亿总参数、490亿激活、100万Token上下文，Apache 2.0全开放。三天后的8月31日，真正的“发布会”以另一种方式上演：任务队列频繁排队，官方紧急发公告道歉并扩容。

腾讯公关总监张军说调用量“出奇猛增”，技术团队整个周末都在推进扩容，并将持续动态调配资源。他还补了一句，“受限于高端算力总量和高峰期并发集中，仍不排除个别时段排队。”一个模型用排队的方式，替自己的公司把“焦虑”说了出来。

船是怎么“漏”的

腾讯做AI的焦虑不是今天才有的。今年5月13日的腾讯股东大会上，有人问马化腾，腾讯的AI是不是落后了。马化腾打了个比方，“原来一年前我们以为上了船，后来发现那个船漏水了，又开始换一艘船。现在感觉站上去了，还坐不下去，还是希望船速能快一点。”

“上船”说的是2024年大模型起跑，“漏水”说的是混元，一个被内部外部都承认“落后”的模型。《财经》此前采访的某位AI研究人员说得更直白，混元此前长期“躺平”，自姚顺雨加入后，“走向正轨不少”。

姚顺雨，1998年生，清华姚班、普林斯顿博士，ReAct和思维树（Tree of Thoughts）的共同提出者，2024年进入OpenAI参与Deep Research和Operator。2025年下半年回国，12月空降腾讯首席AI科学家，向刘炽平汇报。他接手的更像是一个“烂摊子”，但也是个明白的摊子。

2026年1月底，混元启动底层基础设施全面重建，覆盖预训练、强化学习、数据和评估。3月，腾讯撤销成立近十年的AI Lab；7月23日，大语言模型部与多模态模型部合并为基础模型部，28岁的姚顺雨统管腾讯全部底层模型研发。

根据最新财报，二季度腾讯研发支出272.8亿元，同比涨了35%；资本开支527.8亿元，同比涨了176%，大头都进了AI算力和训练。按姚顺雨说的节奏，混元平均每两个月迭代一次大版本：4月发布Hy3 preview，7月6日发布Hy3正式版，发布一周调用量较Hy2涨了超68倍，到8月28日，Hy4 preview上线。

押家底般的投入和跑分里的一些真话

先看规格。Hy3是295B总参、21B激活、256K上下文；Hy4 preview直接拉到770B、49B和1M，注意力机制从GQA换成了Gated DSA加上IndexCache，残差改成4路iHC。说人话就是，从长上下文里挑重点看，信息多路并行传，模型变大了近两倍半，但每token激活的只有49B，成本可控。

有博主称，在架构层面，这是混元第一次真正摸到国内顶级模型的边。定位也换了个说法，不再喊通用，而是为生产力而生。在软件工程、办公分析、游戏开发和科学研究四个场景，靠腾讯内部专家共建数据和WorkBuddy/CodeBuddy产品协同打磨。

姚顺雨之前反复讲过一个思路，不训练刷榜的做题家，关心模型在真实场景好不好用。官方还讲了个更玄的故事，递归自我改进。说Hy4 preview是第一次参与了自己训练方法、数据策略、评估体系和底层算子的自动优化，自主做算子融合和通信优化，端到端吞吐提升了31.8%。科学方面，把3DBlaschke-Lebesgue问题的体积下界从0.380799推到了0.41104，离Meissner四面体猜想只剩2%的差距。

顺带官方也坦白了，preview版本复杂任务容易长思考、过度自我验证。这句话后面会反复应验。

腾讯官方公布了一组12项评测的对比，对手是GLM 5.3、Kimi K3、DeepSeek V4 Pro、Qwen 3.8 Max，以及闭源阵营的GPT 5.6 Sol和Claude Opus 5。别被这一锅粥的表骗了，分三档来看：

• 第一档是跟国产开源同侪，的确是站住了。Terminal Bench 2.1拿85.4（GLM 5.3约88.2–88.8、Kimi K3约85.7–88.3，不同转引会有出入）；DeepSWE 64.3，略低于Kimi的74.0；但SWE-bench Multilingual 82.9，是开源阵营第一；SWE Atlas Refactoring、Toolathlon-Verified、OneMillionBench（工具）都领先。
• 第二档是跟闭源旗舰，差距还是比较明显的。GDPval-AA V2上，混元1678，Claude Opus 5是1831，GLM 5.3都压它一头（1763）；物理推理的CritPt上，混元16.9，处于全场垫底区，GPT 5.6 Sol是32.3，Claude是29.1；SWE-bench Pro上，Claude 79.2，混元65.7；HLE纯文本，Claude 54.9、GPT 49.5，混元43.4。
• 第三档是跟自己比，的确进步惊人。DeepSWE从28.0干到64.3，翻倍还多；ProgramBench从3.6到17.5；Terminal Bench从70.8到85.4。一个半月追回这么多，混元自己都说这是最大的代际增益，这回真不是吹。

还有两个数字，得单独拿出来捋一捋。一个是官方盲测，有163名内部专家、203个工程任务，Hy4 preview均分2.99/4，略优于GLM 5.3（2.92）和Kimi K3（2.94）。听着很提气是吧？但仔细看胜负比，对GLM是胜46.8%、负40.4%，对Kimi是胜51.2%、负40.9%。负率四成，这就是五五开里探出一个头。而且打分的是腾讯自己的工程师，任务是自家工程任务。这个略优于的含金量，或许是要打折扣的。

另一个是第三方榜单，在Arena.ai的Code Arena WebDev上，Hy4 preview排第5，1633分、开源模型第3，和Grok-4.6、GPT-5.6 Sol咬在同一区间。这是混元模型头一回出现在这种位置。注意措辞是出现在这个位置，不是站上第一位。混元从落后到第一梯队的叙事，目前一半还靠官方自己的数据撑着，独立机构的大规模横评还没出来。

干活的时候，它到底行不行

跑分归跑分，最终还是得看干活的时候它到底行不行。官方把Hy4 preview定位为生产力模型，四个场景里软件工程和办公分析是重头。从已有的评测数据看，它在开源阵营里确实能打，但跟闭源旗舰的差距依然明显，尤其是物理推理和复杂任务上。

官方自己承认的“复杂任务容易长思考、过度自我验证”，在真实使用里会变成什么？可能是任务做到一半开始反复检查，消耗更多token和时间。这对追求效率的生产力场景来说，未必是加分项。

焦虑或许传导到了资本市场。8月28日，Hy4 preview上线当日，交易日收盘腾讯股价455.2港元，总市值为41437.52亿港元。截至发稿，8月31日收盘股价回落至452.4港元，市值约为4.12万亿港元。看起来，技术圈一片叫好，但并未催生出二级市场的股价市值行情，市场仍在权衡AI持续高额投入带来的成本压力。

腾讯的AI焦虑能不能靠Hy4消解，现在下结论还太早。模型规格上来了，跑分也追上来了，但独立机构的大规模横评还没出来，真实场景的口碑也需要时间沉淀。排队扩容的热闹背后，高端算力总量的瓶颈还在那里。船速能不能快起来，得看下一个版本，以及更重要的，看它能不能在真实工作里站稳。