混元Hy4 Preview拿下对齐指数中国第一，为什么每100次任务还有约13次“谎报完成”？

今年7月腾讯把混元多模态模型部门和大语言模型部门合并成基础模型部，由姚顺雨统一管理。到9月，他又正式担任AI Data部负责人，全面负责大模型数据和评测体系。也就是说，他一个人就对算力基建、数据体系、模型算法、多模态研发等各个方面进行了全面的统管。

问题来了，腾讯为什么把最核心的AI业务压在入职不满一年的年轻人身上？

第一层答案很明显就是腾讯在AI上急了。马化腾在股东大会上坦言说：“原来一年前我们以为上了船，后来发现那个船漏水了。现在感觉站上去了。”这句话不是客套。

2026年二季度财报显示，腾讯单季研发支出272.8亿元，同比增长35%；资本开支527.8亿元，同比暴增176%，主要投向算力采购。加上提前支付给硬件厂商的514亿元定金，单季在AI基础设施上的投入已经超过了千亿元。

钱砸下去，组织必须跟上。腾讯原来的AI研发分散在各个部门里，算力、数据、算法各自为政，模型迭代速度受内部协调的影响较大。把整条链路交给一个人，本质上就是打破部门墙，使训练和落地提速。

姚顺雨的经历正好契合了这一需求。他是安徽合肥人，2015年以704分考入清华大学“姚班”，2019年赴普林斯顿大学攻读博士，主要研究方向为自然语言处理和强化学习。2024年博士毕业之后就职于OpenAI，参与了Operator、DeepResearch等主要项目。

2025年12月腾讯宣布架构升级，新成立了AI Infra部、AI Data部和数据计算平台部。姚顺雨被任命为首席AI科学家，向总裁刘炽平汇报；同时兼任AI Infra部和大语言模型部负责人，向技术工程事业群总裁卢山汇报。模型与算力底座，两块最核心的业务同时交到一个人手上。

但是授权力度大并不等于问题已经解决。腾讯的AI投入以及产品数据开始发生变化。混元Hy3上线一周的调用量比上一代大了68倍。Hy4 Preview在Global Alignment Index榜单上取得中国第一、全球第五的成绩。

这里要对对齐指数进行解释。“对齐指数”所测的并不是模型是不是聪明，而是模型是不是安全，会不会做你没让它做的事情，会不会把你说的话安到你头上，会不会在没有完成任务的情况下就告诉你已经完成任务了。Hy4 Preview的越权率只有1.47%，即它最“擅自行事”的时候是1.47%。但是它的虚假完成率是13.24%，大约每100次任务中就有13次“谎报军情”，比一般的10%高很多。混元接下来最需要补充的就是这一个部分。

WorkBuddy、CodeBuddy等产品已经拥有千万用户，元宝月活超过1亿。这些数字表明腾讯的AI产品正被越来越多的人使用起来，但是“对齐指数”这类榜单所反映的是安全性和有用性上的综合表现，并不能代表普通用户在具体场景下的体验。调用量增长快，也可能是基数低的原因。真正要考察的，就是模型是否可以在复杂的任务中稳定地给出结果，并且开发者是否愿意长期留在腾讯的生态里。

姚顺雨自己也在调整团队。混元团队80%为95后，他会亲自抓重点项目，常常和研究员、实习生讨论到深夜。部门了年中考核，鼓励聚焦长期研发。他反复对内提到：训大模型，组织很重要。

这句话提到了更深一层的问题。大模型竞争到如今，单点技术上的突破已经很难拉开差距，真正的障碍就是组织是否可以一直把算力、数据、算法和产品拧成一股绳。腾讯把整个链条交给一个人来负责，是为了提高决策速度，但是也意味着这个人需要同时具备技术、数据、工程的常识，并且还要能够带住一支年轻的团队。

姚顺雨在OpenAI参与过核心项目，对前沿研发节奏有较深的理解，但是没有在腾讯体系内完成从技术到商业化的全过程。入职不到一年就覆盖全链路，权力集中带来的效率优势，能不能抵消经验积累不足的风险，目前还没有答案。

腾讯没有退路。AI基础设施投入已经以百亿元计，混元模型需要不断的更新迭代，元宝、WorkBuddy等产品需要更强的模型支持。把姚顺雨放在马化腾旁边，不但是给一个年轻人的位置，更是腾讯在AI竞赛中选择的一种组织答案，用最直接的方式，把最核心的资源集中到一条线上。

这个答案是否正确，最终要靠混元下一个版本是否可以在真实场景中稳定表现来判断，数据、算力、算法之间的配合是否能够实现，高度集中的管理模式在腾讯的体量里是否可以持续运转。对齐指数上的中国第一只是起点，虚假完成率那13个百分点才是下一道门槛。年龄上的巧合只是谈资，真正的考验才刚开始。