編者按：本文為 Hy3 preview 評測，評測環(huán)境為WorkBuddy，評測內(nèi)容基于真實(shí)任務(wù)執(zhí)行結(jié)果。本次共測試三個場景：事實(shí)審計(jì)員、文檔可視化、深度研究。

Hy3 preview終于來了。

剛剛，騰訊混元宣布發(fā)布 Hy3 preview ，Hy3 preview 發(fā)布前的幾個小時，混元還悄悄換了一個新Logo。對于一個強(qiáng)調(diào)“重新出發(fā)”的團(tuán)隊(duì)來說，這個細(xì)節(jié)也不算意外。

“幫我查一下最近三個月AI領(lǐng)域的高管變動，對比5個不同背景的信源，列出已知事實(shí)和矛盾點(diǎn)，給出信度評分?！?/p>

根據(jù)騰訊內(nèi)部對Hy3 preview 的功能定位——多步驟、多信源、需自主規(guī)劃，筆者自設(shè)了這樣一句測試指令。模型在約7分鐘內(nèi)完成了多輪搜索、信息交叉驗(yàn)證和結(jié)構(gòu)化輸出。

這只是其中一個典型場景。筆者本次共測試了三個場景，分別是多信源核驗(yàn)、文檔可視化、深度研究三個維度，從不同切面評估這款產(chǎn)品在知識工作場景中的實(shí)用性和邊界。

背景與產(chǎn)品解析

2025年以來，中國大模型廠商的敘事出現(xiàn)了一次集體轉(zhuǎn)向。頭部廠商相繼從“對標(biāo)GPT-4”“刷新基準(zhǔn)測試榜單”的軍備競賽，轉(zhuǎn)向“在真實(shí)業(yè)務(wù)場景中跑通”“降低單位任務(wù)成本”的務(wù)實(shí)路徑。

騰訊混元團(tuán)隊(duì)在這一背景下，選擇了一個明確的產(chǎn)品定位：不追參數(shù)第一，聚焦實(shí)用性和性價比。

混元團(tuán)隊(duì)近期多次提及“下半場”概念，首席AI科學(xué)家姚順雨曾表示：“AI發(fā)展的上半場，核心是訓(xùn)練大于評估；下半場，評估大于訓(xùn)練?！币樣暾J(rèn)為，上半場的競爭在于誰能把模型訓(xùn)練得更大、更強(qiáng)，成為頂級的“做題家”；而下半場的競爭在于誰能讓模型在真實(shí)業(yè)務(wù)場景、真實(shí)系統(tǒng)中經(jīng)得起檢驗(yàn)，成為真正的“上下文學(xué)習(xí)者”——即使用戶給足了信息，模型依然需要具備從中學(xué)習(xí)并應(yīng)用的能力。

在Hy3 preview發(fā)布時，姚順雨進(jìn)一步表示：“Hy3 preview是混元大模型重建的第一步。我們希望通過這次開源和發(fā)布，獲得來自開源社區(qū)和用戶的真實(shí)反饋，幫助我們提升Hy3正式版的實(shí)用性?！?/p>

這一理念直接指向了當(dāng)前大模型落地的核心痛點(diǎn)：不是模型不夠強(qiáng)，而是強(qiáng)在“記憶”、弱在“應(yīng)用”。

本次騰訊發(fā)布的 Hy3 preview，正是混元團(tuán)隊(duì)在這一理念下推出的第一個版本——騰訊混元在團(tuán)隊(duì)、架構(gòu)、基礎(chǔ)設(shè)施重新整合后的產(chǎn)物。

根據(jù)官方披露，2026年2月，騰訊混元重建了預(yù)訓(xùn)練和強(qiáng)化學(xué)習(xí)的基礎(chǔ)設(shè)施，并確立了模型追求實(shí)用性的三個原則：其一，能力體系化，不推崇"偏科"，即使是代碼智能體的單一應(yīng)用，也涉及推理、長文、指令、對話、代碼、工具等多種能力的深度協(xié)同；其二，評測真實(shí)性，主動跳出易被"刷榜"的公開榜單，通過自建題目、最新考試、人工評測、產(chǎn)品眾測等多種方式評估模型的"真實(shí)戰(zhàn)斗力"；其三，性價比追求，深度協(xié)同模型架構(gòu)和推理框架的設(shè)計(jì)，大幅降低任務(wù)成本，讓智能"用得起、用得好"。

根據(jù)官方披露的信息，Hy3 preview 的核心參數(shù)如下：

295B總參/21B激活參數(shù)的組合，意味著 Hy3 preview 處于“中型模型”區(qū)間。相比千億參數(shù)以上的超大模型，這一尺寸在部署成本和推理效率上具備明顯優(yōu)勢。

MoE（Mixture of Experts）的核心邏輯是“按需激活”——每次推理只調(diào)用部分專家網(wǎng)絡(luò)。這一設(shè)計(jì)可以實(shí)現(xiàn)“參數(shù)量大但推理成本可控”的效果，符合“實(shí)用性”和“性價比”的定位。

Hy3 preview 聲稱實(shí)現(xiàn)了快慢思考的融合，即在簡單任務(wù)上快速響應(yīng)，在復(fù)雜任務(wù)上啟動深度推理。256K（約25萬Token）的上下文窗口，在同尺寸模型中處于較高水平。官方將其定位為"混元迄今最智能的模型"，Hy3 preview 于4月23日正式發(fā)布并同步開源，在復(fù)雜推理、指令遵循、上下文學(xué)習(xí)、代碼、智能體等能力及推理性能上實(shí)現(xiàn)了大幅提升。

實(shí)測驗(yàn)證

本次評測選取三個典型場景，事實(shí)審計(jì)員、文檔可視化和深度研究。

事實(shí)審計(jì)員

任務(wù)類型：多信源交叉核驗(yàn)

測試指令：

調(diào)研關(guān)于“最近三個月AI領(lǐng)域高管變動”的傳聞，對比至少5個不同背景的權(quán)威信源，列出已知事實(shí)和邏輯沖突點(diǎn)，并給出信度評分。

執(zhí)行結(jié)果：

執(zhí)行耗時：約7分鐘 信源覆蓋：CNBC（權(quán)威財經(jīng)）、WIRED（科技深度）、The Verge（科技媒體）、鈦媒體等（中文科技財經(jīng)）、Mint（國際科技）

評測維度評分：

實(shí)測發(fā)現(xiàn)的主要事件：

1. OpenAI高管離職潮（高信度）：Kevin Weil、Bill Peebles、Srinivas Narayanan三人于4月中旬同日離職，Sora關(guān)停，Prism項(xiàng)目終止并入Codex

2. xAI創(chuàng)始人集體離職（中等信度）：2026年2-3月，11位聯(lián)合創(chuàng)始人全部離職

3. 理想汽車高管變動（中等信度）：郎咸朋于2026年2月14日離職

4. 蘋果CEO更替（待驗(yàn)證）：約翰·特納斯接替庫克，英文主流媒體未廣泛報道，信源可靠性存疑

結(jié)論：模型在多信源檢索和結(jié)構(gòu)化輸出方面表現(xiàn)穩(wěn)定，但在信息交叉驗(yàn)證時存在“收得多、核得少”的傾向——對可疑信息（如"蘋果CEO更替"缺乏英文信源佐證）未能主動標(biāo)注風(fēng)險。但同時也未能識別蘋果CEO更替這一信息實(shí)際上可信度較高，該信息蘋果官網(wǎng)已經(jīng)進(jìn)行了官宣。這一能力短板在嚴(yán)肅的事實(shí)核查場景中需要關(guān)注。

文檔可視化

任務(wù)類型：財報PDF轉(zhuǎn)動態(tài)儀表盤

測試指令：

將附件的騰訊2025年年度財務(wù)報告PDF轉(zhuǎn)化為一個深色主題HTML動態(tài)儀表盤，具體要求如下：

核心約束： 嚴(yán)格基于年報原文數(shù)據(jù)，禁止引入任何外部信息 如年報中未提及某項(xiàng)數(shù)據(jù)，明確標(biāo)注"年報未披露"而非虛構(gòu) 所有數(shù)字以年報為準(zhǔn)，不進(jìn)行二次計(jì)算 數(shù)據(jù)分析要求： 提取近三年核心財務(wù)數(shù)據(jù)（營收/凈利潤/毛利率），做三年對比 分析主要業(yè)務(wù)板塊的收入結(jié)構(gòu)（按業(yè)務(wù)線拆分） 標(biāo)注關(guān)鍵財務(wù)指標(biāo)的變化趨勢（增長/下降/持平） 視覺要求： 深色主題，專業(yè)金融風(fēng)格（參考彭博終端配色） 數(shù)字入場動畫：關(guān)鍵數(shù)據(jù)從0滾動增長至實(shí)際值（數(shù)字脈動效果） 交互效果：鼠標(biāo)懸停關(guān)鍵指標(biāo)時顯示詳細(xì)數(shù)據(jù)（決策艙掃描效果） 包含數(shù)據(jù)來源標(biāo)注：每項(xiàng)數(shù)據(jù)標(biāo)注對應(yīng)年報頁碼 輸出要求： 單HTML文件，內(nèi)嵌CSS和JavaScript 響應(yīng)式設(shè)計(jì)，適配PC端展示 代碼結(jié)構(gòu)清晰，便于后續(xù)修改

執(zhí)行結(jié)果：

執(zhí)行耗時：約20分鐘 輸出成果：騰訊2025年年報HTML動態(tài)儀表盤 成果截圖（部分）：

評測維度評分：

結(jié)論：AI輔助財經(jīng)內(nèi)容生產(chǎn)正從“文本生成”向“數(shù)據(jù)可視化自動化”進(jìn)階。該工具在數(shù)據(jù)處理、視覺呈現(xiàn)、交互設(shè)計(jì)三個層面的完成度已達(dá)到可發(fā)布至財經(jīng)媒體報道的合格線。推薦指數(shù)4.5/5.0。

可優(yōu)化方向：

三年對比數(shù)據(jù)可視化不足，缺乏長期趨勢折線圖； 業(yè)務(wù)分部占比缺乏餅圖或堆疊柱狀圖； 移動端適配有待完善。

任務(wù)類型：產(chǎn)業(yè)研究報告生成

測試指令：

以“AI訓(xùn)練成本下降趨勢及其對產(chǎn)業(yè)格局的影響”為主題，進(jìn)行深度研究分析，輸出結(jié)構(gòu)化報告，要求覆蓋成本驅(qū)動因素、數(shù)據(jù)支撐、產(chǎn)業(yè)格局影響，投資機(jī)會與風(fēng)險、未來趨勢判斷，區(qū)分事實(shí)陳述和觀點(diǎn)分析，對關(guān)鍵數(shù)據(jù)注明來源。

執(zhí)行結(jié)果：

執(zhí)行耗時：約5分鐘 信源覆蓋：共引用6個一手信源，包括Stanford HAI 2025報告、Epoch AI研究論文(arXiv:2405.21015)、央視新聞報道、中國信通院報告等 報告規(guī)模：約4500字，包含3張數(shù)據(jù)表格、6個主要章節(jié)、20+個細(xì)分論點(diǎn) 報告地址：Tencent Cloud CodeBuddy

評測維度評分：

結(jié)論：模型在深度研究的框架搭建、信源檢索與標(biāo)注、結(jié)構(gòu)化輸出上表現(xiàn)優(yōu)秀，能夠生成符合專業(yè)標(biāo)準(zhǔn)的研究報告。但在產(chǎn)業(yè)洞察的深度（如對中國AI芯片廠商的具體分析）、風(fēng)險提示的全面性上仍有提升空間。

適用場景建議：

? 快速搭建研究報告框架 ? 檢索和整理公開信源 ? 生成結(jié)構(gòu)化分析報告 ?? 需謹(jǐn)慎：具體投資標(biāo)的推薦、未公開數(shù)據(jù)的推測、前瞻性判斷（需人工復(fù)核）

根據(jù)騰訊內(nèi)部測試的公開反饋，Hy3 preview 在以下四個緯度獲得了相對積極的評價：

在國內(nèi)大模型競爭格局中，混元本次的定位可以概括為：“不做第一，但求好用”。從參數(shù)規(guī)?？?，295B總參/21B激活參數(shù)定位于中等尺寸區(qū)間，與“大杯”產(chǎn)品存在差異，但規(guī)模控制帶來了更好的推理效率。

從場景定位看，Coding和Agent場景是明確的主打方向。這一選擇與Agent經(jīng)濟(jì)的崛起趨勢相吻合——當(dāng)模型的價值越來越多地體現(xiàn)在“作為Agent的大腦”而非“直接回答用戶問題”時，響應(yīng)速度、任務(wù)完成率、多步驟穩(wěn)定性，比單純的基準(zhǔn)測試分?jǐn)?shù)更重要。

從生態(tài)角度看，混元與WorkBuddy的結(jié)合構(gòu)成了“模型+Agent框架”的組合，模型能力可以在真實(shí)業(yè)務(wù)場景中持續(xù)錘煉，場景反饋可以持續(xù)反哺模型優(yōu)化。

官方數(shù)據(jù)顯示，在CodeBuddy與WorkBuddy產(chǎn)品上，Hy3 preview首token延遲降低54%、端到端時長降低47%、成功率提升至99.99%+。實(shí)際用戶環(huán)境中，已穩(wěn)定驅(qū)動最長495步的復(fù)雜Agent工作流，覆蓋文檔處理、數(shù)據(jù)分析、知識檢索、MCP工具鏈編排等多樣化辦公場景。整體推理效率提升40%，成本相比上一代模型大幅下降。

在商業(yè)化定價上，騰訊云TokenHub平臺顯示，Hy3 preview輸入價格最低1.2元/百萬tokens，輸出價格最低4元/百萬tokens，并推出個人版最低28元/月的Token Plan套餐——這為評測稿此前提及的"性價比優(yōu)勢"提供了可量化的基準(zhǔn)參照。

目前，Hy3 preview已在騰訊云、元寶、ima、CodeBuddy、WorkBuddy、QQ、QQ瀏覽器、騰訊文檔、騰訊樂享等產(chǎn)品首發(fā)上線，微信公眾號、和平精英、騰訊新聞等多個主線產(chǎn)品也在陸續(xù)接入。

Hy3 preview 的發(fā)布，更像是一個信號，而非一個結(jié)論。它標(biāo)志著騰訊混元在經(jīng)歷團(tuán)隊(duì)重組、架構(gòu)重構(gòu)后，選擇了一條更務(wù)實(shí)的路徑——不再追逐榜單上的“第一”，而是追求實(shí)際場景中的“好用”。

在本文測試未涉及到的性價比中，官方公布的內(nèi)部測試可作為參考：騰訊內(nèi)部測試顯示，騰訊文檔AI PPT生成成功率提升20%、耗時縮短20%；和平精英AI NPC角色扮演穩(wěn)定性獲得業(yè)務(wù)團(tuán)隊(duì)高度評價；QQ AI助手?jǐn)?shù)學(xué)推理表現(xiàn)提升尤為明顯；元寶深度Co-Design后用戶意圖理解與內(nèi)容質(zhì)量全面提升。

上述數(shù)據(jù)為混元“性價比優(yōu)勢”提供了一定的內(nèi)部佐證，但跨廠商的橫向?qū)Ρ热孕柙诤罄m(xù)評測中進(jìn)一步驗(yàn)證。

結(jié)語

從更宏觀的視角看，Hy3 preview 的出現(xiàn)，是整個大模型行業(yè)轉(zhuǎn)向的一個縮影。

過去兩年，國內(nèi)外的大模型競爭本質(zhì)上是一場基礎(chǔ)設(shè)施競賽——誰能訓(xùn)得更大、算得更快、數(shù)據(jù)更多，誰就站在了排行榜的前列。但這場競賽正在迎來邊際效益遞減的節(jié)點(diǎn)：當(dāng)GPT-4級別的能力已經(jīng)"白菜化"，當(dāng)推理成本以每年數(shù)倍的速度下降，純粹的參數(shù)軍備競賽開始失去意義。

下一個競爭維度，正在轉(zhuǎn)向任務(wù)完成率、工具調(diào)用穩(wěn)定性、長程推理的可靠性——換句話說，是“能不能真正干活”，而不是“能不能在考卷上拿高分”。這恰好是 Hy3 preview 所押注的方向。

對于騰訊混元來說，這次重新出發(fā)面臨的挑戰(zhàn)不只是技術(shù)層面的。在競爭對手已積累大量真實(shí)用戶反饋的背景下，如何快速積累高質(zhì)量的任務(wù)數(shù)據(jù)、如何在騰訊龐大的業(yè)務(wù)生態(tài)中找到“模型錘煉”的最佳路徑，將直接決定混元能否在下半場建立真正的差異化。

WorkBuddy 作為面向知識工作者的 Agent 框架，理論上是一個理想的“練兵場”——用戶的真實(shí)任務(wù)場景足夠復(fù)雜、反饋?zhàn)銐蛑苯?。但換個角度來看，“模型在框架中不斷進(jìn)化”這一愿景的實(shí)現(xiàn)，還取決于數(shù)據(jù)閉環(huán)的質(zhì)量、人工反饋的密度，以及騰訊是否愿意在這條路上保持足夠的耐心。

Hy3 preview 是第一步，能否兌現(xiàn)“務(wù)實(shí)主義”的承諾，要看后續(xù)正式版本的真實(shí)表現(xiàn)——以及它在更大規(guī)模用戶場景中經(jīng)受檢驗(yàn)之后的樣子。（本文首發(fā)鈦媒體APP，作者 | AGI Signal，編輯 | 秦聰慧）