騰訊大模型重回牌桌了嗎？

文 / 山杉

4月23日，騰訊混元Hy3 preview發布并開源。幾個小時后，OpenAI深夜扔出GPT-5.5。不到24小時，DeepSeek V4預覽版跟著上線，終于交出了新一代旗艦模型。

這只是一個縮影。這個4月，全球AI大模型依然如過江之鯽、頻頻上新。其中有三家特別值得留意：

首先是Meta。4月8號那天扎克伯格大概是長舒了一口氣——投入不少卻始終差口氣的Meta AI，終于憑最新大模型Muse Spark打了個翻身仗，其性能表現出色，股價當日大漲6.5%；還有Google，Gemini 3.1系列繼續保持強勢，在各方面都有拉開差距的跡象——盡管它在另一些地方又亮起了紅燈。然后是國內巨頭騰訊，帶著它剛剛發布的Hy3 preview。

之所以將它們類比，在于這三個各自領域的王者，都在AI大戰中經歷了一段頗受質疑的時期。

最難受的當然是Google，畢竟連AI基礎架構Transformer都是它發明的。三年前，OpenAI用它的技術路線搞出ChatGPT，Google被迫應戰、倉促推出大模型Bard，結果大失水準，在演示中連韋伯望遠鏡的常識都搞錯，公司市值當即蒸發千億美元，甚至一度有人認為Google大勢已去。

Meta更戲劇化，經歷過戰略錯判、內部斗爭，也吃過慘痛教訓——去年4月高調發布LLaMA 4，號稱超越DeepSeek V3，結果不到兩天就淪為一顆"啞彈"。部分測試數據低到離譜，隨后更被曝出刷榜丑聞——提交給排行榜的版本，和公開給開發者的版本不是同一個模型。為此，其AI研究副總裁宣布離職。

跟上述兩家相比，騰訊的遭遇倒不至于那么劇烈，但"騰訊慢了"、"騰訊AI到底行不行"的疑問從未停止過。

此前，混元核心團隊背景多集中在計算機視覺、機器學習等方面，而非大語言模型最核心的方向。過去三年，混元受困于組織分散，數據和Infra等基礎設施薄弱，認知與全球頂尖團隊有較大差距，其基礎模型給外界留下的印象是，"四平八穩，缺乏特色"。在2026年初的騰訊年會上，馬化騰也直言"動作慢了"。

大模型技術固然是一場馬拉松式的競爭，但面對一日千里、紛繁復雜的態勢，很難沒有焦慮——尤其是必須直面一個問題：是否走對了方向。

面對嚴峻的局面，Meta和Google做了同一件事：自我糾偏、痛苦地聚焦。

Google將Brain和DeepMind兩個團隊合并——此前這兩個團隊都很優秀，卻各自為戰。之后是大舉投入，從Gemini 1.0的低于預期，到1.5 Pro方向回正，到3.1 Pro多維度領先——近三年持續迭代，Gemini的AI聊天機器人市場份額已從不到6%攀升至約20%以上。

糾偏是持續的過程。就在這個4月，紅燈在谷歌再一次亮起，聯合創始人布林親自掛帥組建了一支"編碼突擊隊"，在當下火熱的編碼智能體新戰場，重新追趕。

而經歷過短暫的慌亂，Meta去年重組AI部門，成立超級智能實驗室（MSL），并豪擲重金延攬頂級人才。九個月后交出了Muse Spark，其風格和LLaMA 4截然不同，不喊"SOTA"，主動標明弱項，但在圖表理解和醫療推理上等方面表現突出，token效率極高。一個因為追求數字而翻車的公司，如今選擇了克制和場景聚焦。終于重新贏得了外界的認可。

反觀騰訊，它過去三年似乎經歷了Meta、Google故事的前半段。到了這最近半年，騰訊內部也密集經歷了重建、重構和聚焦：延攬前OpenAI研究員姚順雨出任首席AI科學家，AI Lab撤銷，收攏AI研發力量，招攬一批頂級人才，重建研發架構和基礎設施……幾個月之后，推出Hy3 preview。

據了解，這一模型進行了底層重構，"總參數295B，激活參數21B，最大支持256K上下文長度，在復雜推理、指令遵循、上下文學習、代碼、智能體等能力及推理性能上實現了大幅的提升。"

新模型很驚艷嗎？在1T參數以上巨型模型林立的當下，很難這么評價，畢竟還只是一個不到300B的Preview版。但對騰訊自身來講，是一個轉變的信號彈。模型發布后，外界立刻將它與主流模型進行了比較，感知最強的是其實用性和體驗的改善。一位大模型測評博主寫道：Hy3終于如愿進入了國模第一梯隊。更直接的信號是，Hy3 preview上線即成為騰訊十余款核心產品的首選模型，這在混元歷史上是第一次。有博主直言："先上桌，再追趕，這一步算是邁出來"。

對大模型競爭來說，最重要的可能不是這個版本的表現"數據"——Meta和Google證明了，落后了的巨頭只要敢于自我變革、重新出發，走到正確的路上，極大概率會靠著獨特的優勢加速兌現其潛力的。

于是，值得一問的問題是：騰訊開始走上正確的道路了嗎？

不是迭代，是推倒重來

"Hy3 preview是混元大模型重建的第一步。"在Hy3 preview發布的官方Blog中，騰訊首席AI科學家、AI Infra部及大語言模型部負責人姚順雨寫道。很顯然，Hy3 preview不是在上一個版本基礎上修修補補。

據了解，Hy3 preview是從2026年1月底左右才開始起步，組織架構、基礎設施基本上重建了一遍。原有的訓練框架沒有沿用，Agent系統幾乎從零搭建。一位內部人士用了一個形象的說法：這不是翻新裝修，是把房子拆了重蓋。

"重訓一個底座"到底意味著什么？

首先需要海量優質數據，經過清洗、篩選、去重、分類、配比——數據比例配錯了，模型可能中文好但英文差，或者會聊天但不會寫代碼。

然后是大規模張GPU組成集群，穩定運行幾十天甚至幾個月，中間任何一張卡出故障、任何一次通信中斷都可能導致訓練回滾——Meta訓LLaMA 3.1 405B，16384張H100跑了54天，期間遭遇419次意外中斷，平均三小時一次，而這還是在成熟的訓練基礎設施上。

訓完底座只完成了一半，之后還要通過強化學習，把一個"讀了很多書但不會說人話、不會干活"的毛坯打磨成能和人正常交互的產品。

混元面對的恰恰是重構級別的難度——基礎設施全新搭建，訓練范式切換，團隊大規模大量新人加入。

既然難度這么大，也已經有了上一代模型，為什么不在已有基礎上迭代，非要從頭來過？而且是在所有人都在加速奔跑的時候。

答案可能和直覺相反。看起來推倒重來充滿不確定性，實則恰恰是為了獲得確定性。

混元Hy3 preview選擇的技術路線——MoE架構、強化學習驅動的后訓練等等，很多是被多家頭部團隊反復驗證過的成熟方案。曾經DeepSeek V3用MoE做到了業界標桿，OpenAI和Anthropic早已把強化學習作為后訓練的核心引擎，Google和Meta都在把底座與應用場景越拉越近。選擇它們的風險反而是可控的。

Google當年面對的也是同樣的重構難題。Brain和DeepMind分別都很強，但這個組織形態跑不出統一的大模型產品。皮查伊選擇強行合并，短期代價是Gemini 1.0低于預期，但這個決定讓Google獲得了一個統一的底座和一致的迭代方向——之后所有加速都建立在這個基礎上。Meta更極端，LLaMA 4翻車之后，扎克伯格沒有在原來基礎上修補，而是另起爐灶，連品牌都換了。

重建的本質，是用短期的陣痛換取長期的確定性——讓自己站到一條被驗證過的、正確的道路上，為混元更大參數的模型迭代打好基礎。

這或許便是混元的選擇。那么具體來說，這條路通向哪里？

重建一條"實用"的道路

如果用一個詞概括Hy3 preview的重構方向，大概是"實用"。

這兩個字聽起來樸素，但在大模型行業的語境里，其實是一個鮮明的立場選擇。

以前很多大模型團隊默認的敘事是線性的：先把模型參數做大、做到更聰明、更通用，榜單更高；然后再談落地、可用、體驗。但混元沒有選擇"先極致智能再可用"的從眾路線，而是從源頭就把"實用性"塞進整個鏈路里——從數據理解、預訓練，到強化學習，再到評估——都是圍繞真實場景的實用性來構建。

這個方向似乎正在變成行業共識。同一天發布的GPT-5.5，定位從"回答"轉向"執行"；DeepSeek V4萬億參數開源，核心方向也聚焦Agent。

對混元而言，這種"有用哲學"首先體現在底座的能力選擇上：聚焦騰訊社交、游戲、廣告等核心業務場景中最需要的模型能力，做體系化建設。

復雜推理——Agent時代對模型最基本的要求是"能想"：面對復雜任務能規劃、能拆解、能一步步推導。

指令遵循與上下文學習——長期以來國產模型的痛點。舉個具體例子：多人群聊到第100輪，中間插了幾個人說話，準確識別"某句話是在回復兩條之前的那條"——人類做得到，大多數模型做不到。這恰恰是Hy3 preview此次的突破，直接服務于元寶和元寶派的真實交互場景。

代碼與智能體能力——也許是最出乎意料的進步。此前混元在Coding領域幾乎沒有存在感，之所以高優先級投入，應該和騰訊自身的產品布局直接相關：今年推出的WorkBuddy、QClaw等智能體產品，都需要底座在代碼生成和Agent協作上過關。

三個方向不是隨機選的。讓一個Agent完成工作，要理解指令，在長鏈條任務中不丟上下文，一步步推出方案，再用代碼實現——恰好是Agent時代模型最高頻被調用的三種能力。這三種能力的組合本身就是一個體系化的選擇。混元的官方博客闡釋了"實用"的三條原則，第一條就是能力體系化：不推崇"偏科"，因為即使是代碼智能體的單一應用，也涉及推理、長文、指令、對話、代碼、工具等多種能力的深度協同。

底座選擇打哪幾個點只是第一步，怎么訓也變了。這可能是混元最重要的方法論轉向：重點攻堅RL。

此前混元的后訓練重度依賴SFT——用大量標注好的問答對教模型"看到這種輸入就這樣輸出"。但據接近團隊的人士透露，新版本做法截然不同，重點精力都在RL上。

區別可以這樣理解：SFT給標準答案——"正確答案是A"；RL只告訴模型好與不好，自己去推測為什么。前者讓模型快速學會應對已知題型，后者教會模型面對陌生問題時自行判斷。在真實場景里，用戶的提問千奇百怪，不可能每一種都提前標注，RL的價值就在這里。

更關鍵的是，RL模式下，訓練數據量可以非常大，持續訓下去，不斷地用真實復雜的任務把模型的上限拉高。

"各家的差異就是你的模型到底能接觸到多少復雜業務——這就是生命力的來源。"一位業內人士評價。

這句話指向一個值得品味的遠期含義。騰訊覆蓋社交、游戲、內容、廣告、生活服務等多樣場景，其豐富度在全球范圍內都屬于第一梯隊。一旦"場景-反饋-訓練-更強模型-更多場景"的循環跑通，能量巨大。

當然，從"有場景"到"反饋真正回流為RL的訓練燃料"，中間還隔著數據合規、反饋標注、工程鏈路等多重問題——這是混元下一階段真正要啃的硬骨頭。但無論如何，重點關注RL是一條越跑越寬的路。

訓練范式之外，還有一個更隱蔽但也許更深層的變化：場景需求從一開始就寫進了技術方案。

混元團隊內部的說法叫"聯合設計"（Co-design）。過去比較典型的模式是：基模團隊悶聲訓模型，訓完交給產品業務團隊；用得不順，再下場幫業務一起調。可用性在末端補救，甚至不少產品優先選用外部開源模型。但混元這次做了一個重要變化——在強化框架搭建、數據策略、評估指標設計的早期，就建立了與業務方的Co-design機制。

元寶是一個典型的例子。Hy3 preview的研發過程中，元寶團隊與模型團隊做了深度的聯合設計。元寶團隊帶進來的，是一套從真實用戶行為中提煉出的多維評測體系——覆蓋意圖理解精準度、文本創作質量、深度搜索召回效果，比通用benchmark更貼近產品場景。同時，他們把用戶反饋中沉淀下來的判斷也注入了訓練過程：文筆是否自然、情商是否到位、內容組織是否清晰、專業表達是否有分寸感。這些維度很難從模型側自行定義，需要離用戶近的人來提供標準。

在應用Hy3 preview的產品盲測中，元寶在寫作、閑聊、搜索三個場景上效果體現得最明顯。用戶反饋中反復出現一個詞："活人感"。

這就是聯合設計真正在做的事："實用性"的定義，從基模團隊單方面決定，變成和場景共同決定。

與之配套的是評估體系的轉變。一方面，混元團隊通過自建題目、最新考試、人工評測、產品眾測等多種方式評估和改進模型的"真實戰斗力"，另一方面，混元也開始引入真實業務場景來評估：在某條具體鏈路上，模型是否穩定、是否貼合語境、是否能理解用戶的實際意圖、能讓用戶感到自然——這些是"實用"的證據。而一旦評估被真實場景牽引，訓練數據、強化策略、工具鏈設計都會被迫跟著改變。這也是為什么"實用"不只是一句口號——它正在反向重塑整個研發系統。

"實用"落到工程層面，還意味著必須在乎性價比。這個詞聽起來庸俗，但在Agent時代是嚴肅的硬約束。一個Coding Agent完成一個任務可能調用模型50到100次，Token消耗量是普通對話的5到30倍。中國信通院數據顯示，國內日均Token調用量兩年增長超過1400倍；Gartner則警告，單個Token價格在暴跌，但Agent總消耗量增長更快——Token越便宜用得越多，總成本反而可能上升。

Hy3 preview有295B總參、21B激活——模型內部有大量"專家"，每次推理只激活其中一小部分。關鍵不在于專家多少，而在于路由網絡能不能把問題精準分配給最合適的那個。從官方信息看，混元AI Infra做了全棧優化，同等成本下推理效率提升40%。一位業界人士說得直接："推理成本降低，也會給元寶省下一批卡。"對騰訊的體量而言，單Token成本哪怕降10%，累積節省就是天文數字。

幾個層面合在一起看，Hy3 preview的更大的意義，可能在于它搭起了一套圍繞真實場景的實用性來定義目標、組織研發、評估結果的系統。據透露，作為重新起步的一個開始，混元也希望通過這次發布獲得全面的用戶體驗反饋，用以提升Hy3正式版的性能。正式版仍在持續迭代，下一代模型也已啟動生產——這個版本搭好的基礎設施和跑通的流程，后續不用重建。

圖注：代碼能力評測

圖注：Agent綜合能力評測，Hy3 preview 展現出高性價比

罕見的加速度

方向對了，只是必要條件。在這個行業里，幾乎不可能慢慢走在正確的路上，同樣需要考驗的是：速度。

Hy3 preview從預訓練啟動到模型發布，三個月完成。

而以行業實際節奏為參照，通常需要6個月以上。一個業界人士評價，"在三個月左右時間里一次性極致壓縮，其實是極大的挑戰。"

但所有人都知道，他們必須要完成這一項極限任務。

為此，他們做了一個決策：并行生產（而非傳統的串行）。幾條線同時拉起來。

開始正式訓練的時間是1月31日。預訓練開始的同時，后訓練團隊在小模型上做驗證，全新的RL基礎設施同步建設，到某個節點，業務鏈路同步適配。所有能并行的環節全部并行，嚴絲合縫咬合在一起。

中間穿過了春節——沒有停工。卡在跑，人就跟著跑。有人凌晨三點起來讓實驗繼續。"但凡有一點buffer，你都會想要節約出一點可能的試錯空間。"

一個有意思的細節是，Agent訓練時，在新的RL infra上首次投產應用，就長跑成功。但真正讓這個團隊高興的是，這驗證了他們的"solid"工作文化——如果每一步做得質量很高，就能帶來一個好的結果。

熟悉行業的人知道這樣的速度意味著什么，基本就是很難容忍重大的BUG或者回滾。這個過程就像經驗老道的醫生團隊做一檔高難度的手術——除了方法技巧，也得知道各種風險和意外，以及能快速應對。

而這個大規模的咬合過程，還伴隨著一個組織的磨合的挑戰，大量新人，來自不同公司，并帶著各自的經驗和方法論。

最終，在一種極限作戰的狀態中，這個團隊都更深理解了彼此，比如姚順雨常掛在嘴邊的，做事要"solid"；預訓練的同學常說，"預訓練就是debug"。

據了解，自去年12月底混元架構調整以來，整個組織在持續發生變化。其中一個舉措是：正式取消管理層級頭銜，試行負責人制。不叫總經理，不叫總監和組長——所有崗位名稱簡化為"某某方向負責人"。管理角色跟著業務走，不是一個固定身份：你今天帶這個方向，就有管理標簽；明天方向調了，標簽跟著摘掉。

這種扁平化，在日常協作帶來了一些非常具體的結果。比如，開會時，沒人需要"向上管理"了。

一位參與跨部門協作的員工描述了他的直觀體感："不管你是什么角色，有問題會上直接提，當場拍掉。誰是責任人，馬上就定。不需要層層匯報。"

這種扁平和做事導向的文化，肉眼可見地帶來一種工作氛圍的變化："大家不是拼體力、拼加班——而是變成了怎么聰明、高效地做事。"

甚至跨部門合作都更順暢了。Hy3 preview要上到產品線，"比如上元寶、CodeBuddy……模型同學跟產品側一拉群，當天就推進。大家的思路很明確——以事為導向。"該內部人士說。

"因為整個騰訊都在加速的狀態中。因為我們新建團隊的文化基調，就是要把這事搞成。"

三四個月很難盡善盡美。

"bench表現挺好的，但它還沒有到真實世界去被'毒打'過。"一位內部人士表達了她的擔憂，但這也是混元先推出過程性版本的原因——更快更多獲得真實世界反饋，才更有機會變得強大。

更重要的是，這個加速度是面向未來的。換句話說，只有迭代速度持續加快，混元在這個注定是長周期的AI競賽中，才能得以持續改善。

一個既快又慢的新紀元

在AI競賽中，有一個反直覺的規律：在任何一個時間截面上判斷"誰贏了"，幾乎注定是錯的。

2023年初所有人說Google完了，三年后王者歸來，如今又重新追趕。2024年中Meta是開源之王，一年后翻車，再之后以全新面目重來。DeepSeek V3以極低成本震驚世界，三個月后行業又向前走了一大步，直至這幾天又帶來了驚人的"性價比"。領先和落后不斷交替，沒有誰能鎖定贏面。

行業真正在獎勵的，并非某一次發布的"最強"，而是方向選擇的正確性、持續迭代的能力、以及把模型能力轉化為用戶價值的效率。

Google用近三年證明了這一點。不僅是底座變強，更是Gemini和Google產品矩陣的深度整合；這一舉措還在加碼，今年首次設立了"首席AI架構師"一職，直接向皮查伊匯報，只干一件事——加速把AI模型整合進Google全產品線。Meta的Muse Spark從一開始就嵌入WhatsApp和Instagram，服務32億用戶。當底座能力日漸趨同，底座和場景的咬合深度就是長期勝負手。

Token經濟學在加速這個趨勢。中國大模型API價格在過去兩年里已經下降了90%以上。當推理的邊際成本趨近于零，單純賣Token的商業模式注定不可持續。真正的價值在于Token被用來做什么——用在哪個場景、解決什么問題，這需要模型、場景和工程系統的深度咬合，而不是benchmark上多0.5%。

騰訊豐富的場景里，每天覆蓋數以億計的用戶。這些場景產生的反饋密度和迭代驅動力，是純做底座API的所團隊不具備的。Hy3 preview在元寶和Workbuddy等十余個騰訊核心業務場景的先行落地，以及RL與復雜真實場景的相互依存——都指向這個長周期的競爭邏輯。

一位內部人士給了一個耐人尋味的比喻："可以把它理解成一個清華畢業生。學完了，終于下山了。他行萬里路的起點，就是要充分在各種場景里深度沉淀。"

不是出道即巔峰——是出道即起點。

如果它是一顆新種子，如今似乎已經證明它能發芽。接下來的問題是——土壤里的養分能不能順暢滋養它。

畢竟AI競爭，不再只是模型的單一競爭，更是模型能力、場景理解、工程能力、產品能力和上下文深度的乘數效應。真正的壁壘在別人不容易復制的場景積累和系統能力里。

所有人都在同時奔跑，真正的考驗還在后面。

在面向未來漫長的旅程中，大模型仍在一種"各領風騷幾個月"的階段。就像Google迎頭趕上，不久后又有Claude強勁崛起，在編碼智能體的新戰場上，定義了方向，OpenAI緊隨其后，布林不得不再次啟動戰時機制。Meta的新狀態保持多久，也不得而知。

沒有永遠的領先者，也沒有永遠的落后者。但確定的是，巨頭一旦走在正確的道路上，加速度會比想象的更快。