腾讯混元Hy3预览版实测体验不追榜单专注实用能力提升

这周国产大模型领域可谓热闹非凡，阿里Qwen 3.6 Max、月之暗面Kimi 2.6、DeepSeek V4等新品接连登场，箭在弦上。在这波发布潮中，腾讯的混元Hy3 preview也于昨日正式亮相。值得注意的是，这是由腾讯首席AI科学家姚顺雨主导的第一代模型，其定位从一开始就非常清晰：不追求榜单上的高分，而是致力于在真实世界中解决实际问题。

核心数据一览

先来看看它的基本盘。混元Hy3 preview拥有2950亿的参数总量，其中激活参数为210亿，上下文长度达到256K（约20万字）。在衡量代码解决实际问题的SWE-Bench基准上，其成绩从53.0%提升至74.4%，提升幅度超过40%。这个74.4%的水平，已经接近GLM-4.7，在国内模型中稳居第一梯队。价格方面，输入为1.2元/百万tokens，输出为4元/百万tokens，具备一定的竞争力。

实际体验：能力究竟如何？

数据是冰冷的，体验才是温热的。那么，这款“不为打榜”的模型，在实际应用中表现怎样？

编程场景（WorkBuddy实测）

在编程辅助场景下，它的表现可圈可点。例如，生成一个3D金门大桥的交互体验代码，模型能够跑通基本功能，但在渲染写实度上有所欠缺，这部分受限于所选工具库的能力。让它编写一个游乐场经营类小游戏，从核心玩法到界面都能实现，不过UI风格会偏向某种“渐变紫”的审美。在完成复杂数据抓取并可视化的任务时，整个处理链路表现稳定，只是在最终图表的美观和细节调整上，还存在“最后一公里”的优化空间。

办公场景

转向办公领域，它的实用性更加凸显。将一份结构复杂的PDF转换为HTML时，模型能准确定位并提取关键信息，但若要完全复现原文档的精美排版，仍有难度。在撰写深度行业研究报告时，其引用的数据来源相对权威，结论部分甚至可以直接参考使用。进行数据可视化分析时，虽然前期调研所需时间较长，但最终输出的图表质量颇高。

日常聊天交互

最让人印象深刻的或许是它的对话风格。模型主打“活人感”，并非一味顺从用户的指令，而是会主动分析问题背后的原因，并提供有建设性的建议。在创意写作任务中，其输出风格更具个性化，那种常见的“AI腔调”明显减弱。

战略转向：从“答题”到“出卷”

这种产品特质，源于腾讯内部对行业现状的深刻反思。姚顺雨在内部曾提出一个判断：“模型过度追逐榜单成绩，将打榜语料放入训练集，数据被污染了。模型很会答题，到了真实场景却不稳定。”

“模型过度追逐榜单成绩，将打榜语料放入训练集，数据被污染了。模型很会答题，到了真实场景却不稳定。”

这句话精准点破了当前大模型发展的一个核心痛点。榜单衡量的是能力的上限，而用户感知到的往往是能力的下限。在MMLU这类通用基准上领先两个百分点，普通用户几乎察觉不到；但若是模型在指令遵循上稍差一点，或者输出格式不稳定，用户体验就会断崖式下降。

因此，Hy3 preview选择不再“刷榜”，转而开始“出卷子”——即直面并解决真实世界中的复杂、开放性问题。这无疑是一条更艰难，但也更贴近应用本质的道路。

落地场景与生态整合

目前，Hy3 preview的能力已经逐步整合到腾讯的多个产品中，包括元宝App、QQ的CodeBuddy、WorkBuddy，以及腾讯文档（企业微信内）。特别值得一提的是，在企业微信生态内，微盛·企微管家Claw已经接入了Hy3 preview。这意味着企业微信用户可以在客服应答、智能文档处理、业务数据分析等具体场景中，直接体验到这款模型的能力。

展望：过渡态与未来筹码

总体来看，Hy3 preview呈现出一种鲜明的“过渡态特征”：其智能体（Agent）能力框架已经具备，但在复杂任务执行的稳定性和完整性上还需打磨；技术方向得到了验证，然而大规模的工程优化仍在路上；它放弃了榜单竞争，但真实场景的严酷考验才刚刚开始。

可以说，腾讯的AI战略正在发生一次关键转向：从“追赶榜单”到“解决问题”。这个方向无疑是正确的，但一切都需要时间。现实的数据很骨感：在月活用户层面，豆包3.45亿、千问1.66亿、DeepSeek 1.27亿，而腾讯的元宝目前为5700万。

然而，腾讯手中握有一张无可比拟的底牌——微信生态。当模型能力与13亿用户的真实需求场景深度结合，这个雪球一旦滚动起来，将会产生怎样的能量，目前还无人能知。这场竞赛，远未到终局。