半年重建，一次交卷：5分鐘生成3D跑酷小遊戲，騰訊混元 Hy3 正式發佈
重點摘要
騰訊混元 Hy3 正式發佈，採用總參數 295B 但激活參數僅 21B 的 MoE 架構，以較小推理成本達到接近大尺寸旗艦模型的表現。該模型已整合至 WorkBuddy、元寶、ima 等產品，任務成功率與效率均有顯著提升，並能在一句話需求下約 5 分鐘生成可玩的 3D 跑酷小遊戲。定價維持低價策略，並以 Apache 2.0 協議開源，顯示其從底層重構到產品反哺的研發鏈路已初步閉環。
半年時間，騰訊交出一份新答卷。混元 Hy3 今日正式發佈，距離今年一月啟動底層基礎設施重建，至今不到半年。這段時間，騰訊走通了「底層重構」到「產品反哺」的完整研發鏈路，而這次發佈正是這條路徑上的關鍵節點。 回想起來，這條路線的邏輯早在兩個月前就已埋下伏筆。今年六月，騰訊高層的一場對談中，明確提出「先談產品、再談生意」的務實方針，並將「模型與產品共同設計」寫入組織方法論。當時的判斷是，性價比的第一要素並非模型架構，而是實際性能；用一個更小的模型把更高價值的任務做好，遠比用弱模型反覆試錯來得省力。同時也直言，今日大模型的算法層面已經相對成熟，真正的競爭力在於基礎設施、數據與評估體系。Hy3 正是這套邏輯的具體實踐。 Hy3 採用快慢思考融合的 MoE 架構，總參數規模達到 295B，但每次推理時僅啟動 21B 的激活參數。這樣的設計用意明確：總參數夠大，才能承載足夠的知識容量與複雜任務處理能力；激活參數壓低，則能有效控制每次服務的成本與延遲。相較於四月發佈的 preview 版本，Hy3 在後訓練算力、數據質量與多樣性上全面強化，使其能以較小尺寸的性能體量，接近國內外大尺寸旗艦模型的效果。這背後的核心思維，不是把模型做得更大，而是把「一次做對」的成本壓到最低。 內部測試數據也為 Hy3 的表現提供了佐證。在 270 位專家基於真實工作場景的盲測中，Hy3 獲得平均 2.67 分（滿分 4 分），優於對照模型 GLM 5.1 的 2.51 分，尤其在前端開發、數據與存儲、CI/CD 等工程類別上優勢更為顯著。 更值得關注的數據，來自實際業務的檢驗。自 preview 版本上線以來，Hy3 的日均 token 消耗量增長了 20 倍，這背後是真實業務使用量的爆發。在 WorkBuddy 平台上，自主選擇 Hy3 preview 的用戶數增長 6 倍；辦公場景內部評測中，任務成功率從 72% 提升至 90%，平均耗時縮短 34%。元寶則藉助 Hy3 的 Agent 能力同步上線文件交付功能，常識錯誤率與幻覺率均下降超過一半。ima 的 Agent 系統穩定性達到 95.1%，知識庫問答推理質量淨提升近 19%。Marvis 的核心場景任務完成率來到 93.7%，六個 Agent 協作派發正確率達 92%。 就連微信與遊戲場景也獲得反饋。公眾號 AI 分身意圖識別準確率高達 98.94%，WeGame AI 助手多輪推理成功率達 92%，幻覺率從 4.5% 降至 2.8%。這套邏輯構成了一個正向循環：多元的產品矩陣提供真實反饋，模型進步反過來推動所有產品一同提升，彼此強化。 除了智慧層面的提升，Hy3 在「用得可靠」上也下了不少功夫。模型被要求做到有依據才回答，無依據時明確告知無法回答，多來源資訊不隨意拼湊，數據與狀態不胡亂編造。結果反映在數位上，模型內部評測中幻覺率從 12.5% 降到 5.4%，常識錯誤率從 25.4% 降到 12.7%，「張冠李戴」與「無中生有」這類問題明顯減少。 多輪對話與長上下文承接能力也獲得改善。透過 SFT 與 RL 階段的聯合優化，模型在指代消解、省略還原與多輪約束繼承方面表現更好，多輪問題率從 17.4% 降至 7.9%，長對話基準 MRCR 從 42.9% 躍升至 75.1%。在工具調用方面，錯誤恢復能力與效率均有提升，並專門針對跨開發環境做了泛化處理，確保在不同平台上表現穩定。 性價比優勢同樣直接反映在成本上。與對照模型相比，在高頻辦公任務中，Hy3 的 token 消耗明顯更低，文檔處理節省 47.4%、PPT 製作節省 49.0%。任務完成率提升的同時，單次消耗下降，成本優勢最終落實在每一次實際調用中。 開放策略是 Hy3 的另一項重要訊號。定價延續低單價路線，輸入每百萬 tokens 收費 1 元、輸出收費 4 元，命中緩存更僅需 0.25 元。開源則採用商業友好的 Apache 2.0 協議，全球開發者可免費商用，並在發佈首日即接入 Hugging Face 與 ModelScope，後續將覆蓋更多海外平台。低門檻換取規模，規模換取反饋，性價比本身就成了推動增長的策略。 從一月啟動底層基礎設施重建，到四月推出 preview，再到今日正式發佈 Hy3，混元用不到半年時間跑通完整鏈路。這條時間線比單次產品發佈更值得關注，它意味著騰訊大模型研發已從追趕版本切換到自主節奏。未來，將模型能力持續落地到更多實際業務場景，「實用」將成為新的競爭維度。 指標說得再多，不如直接做一個能上手的東西。筆者使用 Hy3 在 WorkBuddy 中製作了一款單檔案 3D 跑酷小遊戲，瀏覽器打開即可遊玩。只要一句話需求，模型就能直接生成單檔案 HTML，將 Three.js 下載至本地引用，雙擊即可開啟，無需啟動伺服器。遊戲支援空白鍵跳躍、左右鍵閃避，撞上障礙物即結束並顯示本局得分，點擊即可重新開始，整個互動流程由模型自主完成。從一句話需求到上線可玩，全程無人工參與，耗時僅約五分鐘。這段體驗證明了從底層重建到眼前這個可上手的小遊戲，混元這半年走的每一步，最後都落到了「能用」二字上。
Related
相關文章
算力死貴，Meta掀桌
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道廣東最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作算力死貴，Meta掀桌海豚投研·2026年07月06日 20:06進軍Neocloud能自救嗎？ 上週媒體報道說Meta正在制定雲基礎設施業務，計劃對外出租算力。一則新聞直接幹翻了AI硬件+以Meta為主要客戶的Neocloud，市場開始演繹“算力過剩”的邏輯，悲觀情緒蔓延，連近期基本面最硬的存儲難逃恐慌下殺。 先說結論，海豚君認為： (1) 就當天的跌幅來看，市場情緒可能宣洩過猛了，昨天的反應更像是一種在多頭倉位擁擠下，空頭預期有兌現跡象之後的連鎖反應。 (2) 但同時，這也並不是說市場馬上就能修正回來。產業邏輯在短期高位產生分歧，需要一段時間來消化調整，或者新的利好信息來對沖悲觀情緒、重塑信心。因此投機性資金會選擇撤退，場外的看多資金短期也會先觀察而非盲目接盤。 (3) 至於Meta做算力租賃，到底是“暫時性業務選擇”還是“規劃的長期業務”，對其而言肯定是利大於空。短期會帶來估值（P/E）上的情緒修復，但反轉拐點我們認為仍然需要看內部大模型和Meta AI的進展。 我們仍然認為，內部組織架構和戰略頻繁變動的問題，使得Meta基本面的徹底反轉還很難在短期內（如今年內）出現。 （4）而對於Meta做算力租賃能夠帶來
在聯合國，這家中國公司給AI“減負”：不堆算力，而是給機器人裝了個“類腦”
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 在聯合國，這家中國公司給AI“減負”：不堆算力，而是給機器人裝了個“類腦” 量子位的朋友們 2026-07-06 18:40:27 來源：量子位 當全球AI產業仍在“堆算力、堆數據、重能耗”的傳統路徑上持續內卷時，一家來自中國粵港澳大灣區的企業，選擇在紐約聯合國總部給出了一條截然不同的“換道超車”之路。 近日，在聯合國開源周現場，智平方科技海外與生態副總裁Kristine Mo與圖靈獎得主楊立昆同臺交流，系統展示了全球首個原創類腦大模型NeuroVLA及一站式開源平臺AlphaBrain Platform 。這一動作傳遞出一個清晰的信號：中國具身智能企業正試圖跳出西方主導的算力競賽框架，從人腦機制中尋找下一代“機器人大腦”的進化密碼。 “機器人硬件正在快速進步，但真正的瓶頸仍然是智能。”Kristine Mo在演講中指出。當前行業困局在於，大模型對數據和電力的渴求幾乎是無止境的。智平方創始人兼CEO郭彥東此前在夏季達沃斯曾直言：“如果所有人都沿著同樣的大模型路線繼續往前走，我們需要10倍的數據、10倍的電力，但現實世界並沒有無限的數據和能源。” 正是基於對這一瓶頸的深刻洞察，NeuroVLA應運而生。它借鑑人類大腦“皮層—小腦—脊髓”三層協同機制，通過更少的數據完成學習與決策 。這種機制不僅讓機器人運動抖動降低75%以上，脊髓層平均功耗更是低至0.4瓦，徹底打破了傳統VLA模型高功耗、高延遲的魔咒 。 智平方選擇在聯合國這一最高國際舞臺開源NeuroVLA，本質上是在為全球AI發展提供一種“中國解法”：不通過堆砌資源，而是通過架構創新實現智能躍遷。
征程趕超｜WAIC 2026 Token經濟：按下加速鍵，從技術計量到產業新範式
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
沒人逃得過Token賬單
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。
極簡方案刷新擴散模型推理紀錄，阿里清華論文入選ICML傑出論文
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.
征程趕超｜WAIC 2026科學智能：AI4S從“輔助計算”到“自主發現”，中國如何重塑全球科研版圖？
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機。