295B 总参数、21B 激活参数、256K 上下文，输入价格仅 1 元/百万 tokens。腾讯混元 Hy3 的发布标志着大模型竞争焦点从“刷榜”正式转向“业务落地”。
01 一款“反内卷”旗舰模型
7 月 6 日，腾讯混元正式发布新一代基座模型 Hy3。该模型采用快慢思考融合的 MoE 架构，拥有 295B 总参数与 21B 激活参数，支持 256K 超长上下文。相较于动辄千亿激活参数的竞品，Hy3 明确摒弃参数竞赛，转而聚焦效率突破。
定价策略印证了这一思路：输入 1 元/百万 tokens，输出 4 元/百万 tokens，命中缓存低至 0.25 元/百万 tokens。对于 Agent 及长文本场景，其调用成本仅为此前旗舰模型的几分之一。同时，Hy3 遵循激进的 Apache 2.0 开源协议，支持全球开发者自由下载、商用及二次开发，并同步上线 OpenRouter、Hugging Face、ModelScope 等海内外主流平台，实现"Day 0 开源”。
02 从 Preview 到正式版：两个月的关键迭代
自 4 月 23 日发布 Preview 版本以来，Hy3 在腾讯内部多条产品线及外部开发者的真实调用中完成了“业务反哺模型”的打磨。这两个月的迭代主要聚焦于三大核心维度：
Benchmark 数据显示显著进步：在 12 项横向对比中，SkillsBench 得分从 29.1 跃升至 55.3，MathArena Apex 从 12.8 提升至 38.7。Agent 与代码核心能力提升约 20%-30%，幻觉率降低约 50%。
Agent 与工具编排优势明显
在 Agent 测试中，Hy3 表现优异：ClawEval pass@3 达 68.5，超越 DeepSeek V4 Pro（62.4）与 Qwen 3.7 Max（65.2）；SkillsBench 同样领先对手；BrowseComp 得分 84.2，与 GPT 5.5（84.4）基本持平。
代码能力显著提升但仍存差距
代码方面，SWE-bench Pro 从 46.0 提升至 57.9，NL2repo 从 35.3 提升至 45.6。尽管进步幅度巨大，但相比 DeepSeek V4 Pro 和 Qwen 3.7 Max 仍有 3-5 个百分点的差距。
数学推理仍是攻坚方向
数学推理作为国产模型共性瓶颈，Hy3 在 MathArena Apex 得分为 38.7，虽优于部分国内竞品，但距离 Qwen 3.7 Max（44.5）及 GPT 5.5（85.4）仍有较大提升空间，纯推理能力将是下一阶段的重点攻坚方向。
03 真实业务场景是最好的评测
脱离业务谈性能意义有限。Hy3 的核心价值在于已深度融入腾讯体系内外的真实工作流，目前接入产品包括 WorkBuddy、CodeBuddy、元宝、ima、Marvis、QQ 浏览器、腾讯新闻、WeGame、腾讯乐享、搜狗输入法及微信公众号等。
办公场景效率跃升
WorkBuddy 内部测评显示，相比 Preview 版，Hy3 的任务解决率从 72% 提升至 90%，平均耗时缩短 34%，在数据处理、文档分析及研报生成等细分任务上表现卓越。
Agent 稳定性与推理质量双优
在 ima 的 Agent 任务中，Hy3 系统稳定性高达 95.1%，有效减少了盲目重试等无效操作；知识库问答推理质量净提升近 19%，长文写作与方案生成的结构完整性显著增强。
用户端错误率大幅下降
元宝线上真实用户日志显示，Hy3 正式版常识错误率显著降低：深度推理模式下错误率下降 12.3%，极速模式下下降 8.5%。
腾讯与海量产品协同设计的结论表明：在主要场景中，至少 90% 的 Agent 任务可由 Hy3 成功执行，覆盖数据处理、文档生成、信息查询、网页制作及生活决策等广泛领域。
04 交付成品：从建模到全栈开发的实测
模型实力的最终检验标准是能否“交付成品”。腾讯展示了多个接近真实业务复杂度的实测案例：
复杂金融建模零误差
在 WorkBuddy 中，Hy3 独立构建了某油气公司合并现金流模型，涵盖三个地区、六大储量区块及 5220 格联动总表。模型精准处理了价格逐年切换、NGL 折算及异常值处理等难点，实现了零硬编码、全公式动态重算，且在千行跨表逻辑中保持全程一致，无任何错误连锁污染。
数据分析到汇报 PPT 全自动
面对 101 个 SKU 的销售数据，Hy3 自主完成了从 Excel 建模分析到 30 页汇报 PPT 的全流程。它构建了含热力图、分层分析及原生图表的 12 张分析底稿，并生成了包含 20 张各类图表（条形、饼状、气泡图等）的 PPTX，每页均附带观点句，实现了从散乱数据到汇报成品的端到端自动化。
全栈前端页面一次性生成
在开发场景中，Hy3 一次性生成了复杂的摄像头手势交互页面，整合了 MediaPipe 手势追踪、Three.js 上万粒子 3D 渲染及辉光着色器技术。此外，它还能端到端生成虚构清洁能源公司官网首页，涉及 GLSL 着色器、Bloom 后处理及滚动驱动 3D 镜头，近 2000 行代码由模型自主规划、编写并自检，达到商用水准。
05 Hy3 的核心竞争力解析
国产大模型叙事已从“参数军备”、“价格大战”转向“长文本”与“多模态”。Hy3 的发布将焦点拉回本质：模型能否在真实业务中稳定、低成本地运行？其核心竞争力体现在：
这种“实用主义”路线与单纯追求榜单分数的打法形成鲜明对比。对企业而言，可落地、成本可控及可私有化部署的价值远超榜单上的微小差距。当然，Hy3 在纯数学推理及部分代码基准上与国际顶尖模型仍有差距，其真正优势在于综合性价比与工程可落地性。
06 行业启示：大模型进入“工程化”新阶段
Hy3 的发布标志着国产大模型竞争进入新阶段。当海外模型继续角逐智力上限时，中国厂商正呈现分化趋势：一部分追赶技术巅峰，另一部分如腾讯般，致力于让模型更实用、更经济，并深度嵌入产品与工作流。
这并非放弃技术领先，而是正视现实：对大多数用户而言，当前模型能力已足够，真正的门槛在于成本、稳定性、集成度与数据安全。Hy3 选择在此战场发力，通过两个月完成“业务→模型→产品”的闭环，向社区与客户承诺：交付的不是静态模型，而是经真实业务持续打磨的工程化成果。
结语
腾讯混元 Hy3 或许不是参数最耀眼的模型，但无疑是当下最务实的选择。在 Agent 任务、办公自动化、长文本处理及代码生成等高频场景中，它以较小的尺寸和低廉的价格提供了接近旗舰的体验。对于致力将 AI 接入业务流程的团队，其实用价值远超参数榜单。大模型下半场的竞争，关键在于谁能更快、更稳、更便宜地走进真实工作流，Hy3 已在此道路上迈出坚实一步。