姚順雨的半年考，Hy3的“三板斧”

騰訊混元大模型在正式版發布當天，帶動股價上漲4.82%，但市場的反應並非單一因素所致。同一日，騰訊透過大宗交易減持快手股票，套現約125億港元，加上港股整體情緒提振，股價的漲勢其實是多重結構共同作用的結果。真正值得關注的，反而是另一組數據：元寶獨立App的日活躍用戶曲線，在經歷春節紅包拉新的高峰後，已從高點回落至約900萬。這半年來，混元在資本市場與終端用戶之間，顯然呈現出截然不同的風景。混元每一次大版本更新，幾乎都圍繞著三項核心能力：編碼、上下文長度與幻覺控制。在Hy3 preview版本發布時，SWE-bench Verified成績達到74.4%，Terminal-Bench 2.

0則為54.4%，當時業界曾因為參數量僅295B而存有疑慮。相隔74天後，正式版給出了新的成績單：270位專家基於真實工作場景進行盲測，Hy3以2.67／4的均分，優於GLM5.1的2.51／4，尤其在前端開發、數據儲存與CI／CD等類別表現突出。幻覺率從12.5%降至5.4%，常識錯誤率也從25.4%砍半到12.7%，WorkBuddy任務成功率則從72%躍升至90%，平均耗時縮短34%。上下文依然維持256K沒有擴增，但「常識錯誤率降一半、幻覺率降一半」這句話，在正式版的對外表達中被多次強調。有人可能會質疑，混元是否只會這幾招？但從騰訊內部業務落地的角度來看，這三項能力恰恰是最迫切的需求。

微信、QQ、遊戲與廣告等核心業務，無一不依靠大量代碼支撐，編碼能力是AI Agent的基礎；上下文長度則決定了Agent能否處理複雜任務鏈；幻覺率更是直接影響用戶體驗。元寶過去被詬病「胡說八道」的問題，並非空穴來風。在騰訊內部，這三項指標被視為模型能否規模化應用的門檻，若無法達標，混元甚至連上桌的資格都沒有。相較之下，DeepSeek V4的迭代更側重全能力維度的突破，在推理、多模態與成本效率上持續刷新榜單；而混元則選擇了一條更務實的路線，集中火力在與業務結合最緊密的方向上。這並非掉隊，而是姚順雨上任後定下的策略：先打好地基，再蓋高樓。

混元可能正在複製Claude與智譜的路徑，把代碼能力作為突破口。姚順雨在2025年9月低調加入騰訊，12月正式接管混元核心研發體系。他上任的第一件事並不是調整模型參數，而是啟動預訓練與強化學習基礎設施的全面重組，新設AI Infra與AI Data等部門。2026年3月20日，騰訊正式撤銷成立十年的AI Lab，將核心研發力量全部收攏至混元主線。姚順雨的核心方法論名為Co-design，亦即邊訓練邊使用，讓產品端的反饋倒逼模型迭代。他曾公開表示，「Hy3 preview是混元從讀萬卷書到行萬里路的開始。」

混元之所以如此急迫，背後有其深層原因。2026年1月的騰訊內部年會上，總裁劉熾平曾復盤混元此前的發展問題，並以高中生背題應考作為比喻，直指模型在榜單上成績好看，但真正上場就露了餡。馬化騰則更加直接，用「太慢了，慢了9個月到1年」來點評。數據也相當刺眼：據QuestMobile於2026年3月的監測，元寶獨立App在春節紅包拉新後，日活從高點回落至約900萬，月活約5735萬；而同期豆包獨立App的月活已達3.45億，兩者規模相差約6倍，留存率更是差到不忍直視。更大的問題在於內部。騰訊的業務線過去對混元是「不敢接、不想接」，寧可繞道尋找外部方案。

一個大廠自研的大模型，連自家產品都不願採用，處境相當尷尬。姚順雨沒有走「純技術炫技」這條路，因為參數量、聲量、用戶基數都不佔優勢，唯一的出路就是把模型塞進微信、QQ、騰訊文檔、企業微信與和平精英等產品，利用騰訊14億MAU的Context護城河，來彌補模型能力上的差距。正因如此，每次混元更新後，騰訊的產品線幾乎都會迅速跟進，形成一套奇妙的傳播節奏。姚順雨否定了「唯榜單論」，不打榜、不堆參數，選擇將參數量維持在300B這個他認為「能力與效率的最優平衡帶」。他並非做不出更大的模型，而是選擇不做，因為編碼能力最容易量化、也最容易獲得內部業務線的認可，是打開局面的最佳切口。

外界說混元被困在老三樣裡，但其實是他主動選的。然而，技術參數修得好，產品是否真的留住了用戶，才是真正的考驗。WorkBuddy任務成功率從72%提升到90%，看起來進步顯著，但「任務成功」的定義權在騰訊手裡，內部測試與真實場景之間仍有差距。270位專家的盲測結果雖然優於GLM5.1，但專家並非一般用戶，盲測也無法完全反映日常使用體驗。元寶Agent能生成PPT、Word、Excel、PDF與HTML，功能相當齊全，但春節紅包過後MAU迅速回落的現實，說明功能多並不代表用戶願意留下來。

據多家媒體引述騰訊內部員工的反饋，部分員工仍認為混元在處理複雜任務時的效率不如外部模型，而騰訊內部對GLM等外部模型設有調用額度限制。這種「內部優先」的推廣方式，也引發了究竟是行政驅動還是產品驅動的討論。姚順雨把編碼、上下文與幻覺這老三樣修得透徹，但信任感是否真的回來了，仍是未知數。編碼分數從74.4%漲到任務成功率90%，用戶感知到了嗎？元寶MAU停留在5735萬，技術參數在漲，但用戶基數沒有跟著放大，內部員工甚至寧可選用Claude與GLM。現在，混元的未來面臨兩種截然不同的結局。

若賭贏，老三樣修透後，騰訊14億MAU的Context護城河將開始發酵，混元從「內部工具」晉升為「生態底座」，如同當年微信從QQ附屬品獨立成為帝國一般，混元也有機會從「夠用」變成「離不開」。若賭輸，過度聚焦編碼能力可能成為舒適區陷阱，擠壓多模態、推理與創意生成等領域的資源，當競爭對手在萬億參數與多模態上拉開差距時，混元所謂的「夠用」就變成了「不夠用」，用戶需要那10%的極限能力時，Hy3可能給不出來。姚順雨把混元從「什麼都想卷」轉變為「先把一件事做透」，這步棋走得漂亮，但做透之後，用戶究竟買不買單，才是最終的答案。