腾讯混元Hy3发布 5分钟生成3D跑酷小游戏

先说一个数字：从preview上线以来，Hy3日均token消耗量增长了20倍。这20倍的token增长，意味着什么？意味着真实业务在用脚投票。

半年前，混元团队做了一个颇有魄力的决定——把底层的底座推倒重来。半年后，它用一次发布，证明了那个被真实业务反复打磨过的模型，才能真正经得起真实业务的检验。

今天正式发布的混元Hy3，推倒了底层基础设施重建，不到半年就跑通了“底层重构→产品反哺”的完整研发链路。这次发布，是这条路的关键一步。

回过头来看，这条路线的底层逻辑，其实早在两个月前就埋下了伏笔。今年6月，汤道生和姚顺雨的那场1小时对谈，聊到了“先谈产品、再谈生意”的克制，同时也把“模型与产品Co-Design”写进了组织方法论。姚顺雨当时给性价比下了一个判断：第一要素不是模型架构，而是性能。“用一个更小的模型，把更高的价值任务做好”，比用弱模型反复试错要省得多。他还直言，今天做大模型，从算法角度看已经“比较trivial”，真正的功力在基础设施、数据和Eval。

Hy3就是这套判断的落地。它在MoE架构上做了一个很直白的取舍：总参数295B，激活参数仅21B。总参数足够大，知识容量和复杂任务的承载力才能接近大尺寸旗舰；激活参数压到21B，意味着每次推理只调动一小部分权重，服务成本和时延也就降下来了。这也解释了，为什么它能以不到旗舰几分之一的体量，去对标参数规模2到5倍的模型。不是把模型做得更大，而是把“一次做对”的成本压下来，再把模型塞进WorkBuddy、元宝、ima这些真实业务里，让场景替它说话——这正好呼应了对谈中“刷榜价值小于实用价值”的判断。

不是更大的模型，是更“懂事”的模型

Hy3采用了快慢思考融合的MoE架构，总参数295B、激活参数21B，支持256K上下文长度。和4月发布的preview版本相比，在后训练算力、数据质量与多样性上全面加码，以较小的尺寸，首次接近了国内外大尺寸旗舰模型的效果。

这种“小激活、大总参”的取向，是在回答一个老问题：参数竞赛逼近边际，模型厂商该去哪里要智能？Hy3把算力花在“想清楚”上，而不是“堆更大”上。内部270位专家基于真实工作的盲测，给出了一个佐证：Hy3均分2.67/4，优于GLM 5.1的2.51/4，尤其在前端、数据与存储、CI/CD等工程类别，优势非常显著。

这是腾讯混元官方研究博客（hy.tencent.com/research/hy3）关于本次内部盲测的页面截图。

值得留意的一组数据，是“业务即训练场”。从preview上线以来，Hy3日均token消耗量增加了20倍，背后是业务使用量实打实的增长。WorkBuddy上，自主选择Hy3 preview的用户数增长了6倍；办公场景内部测评中，任务成功率从72%升到了90%，平均耗时缩短了34%。元宝借助Hy3的Agent能力，同步上线了文件交付，常识错误率和幻觉率都下降超一半。ima的Agent系统稳定性达到95.1%，知识库问答推理质量净提升近19%；Marvis核心场景任务完成率93.7%，6个Agent协作派发正确率92%。就连微信和游戏也被反哺到了：公众号AI分身意图识别准确率98.94%，WeGame AI助手多轮推理成功率92%，幻觉率从4.5%降到了2.8%。

这套逻辑，就是一个正反馈。多元产品矩阵提供真实反馈，模型进步反哺所有产品，彼此加强。同行大多依赖基准测试来说话，而腾讯则把海量用户和真实业务当成了检验场。

价格、开源与半年闭环

智能水平之外，Hy3还花了不少功夫在“用得可靠”上。这次发布的技术博客里提到，模型被要求“有依据才回答、无依据明示缺失，多来源信息不乱拼，数据和状态不乱编”。这套理想态，比“更聪明”更难，也更贴近真实的办公场景。

落到数字上看，模型内部评测里，幻觉率从12.5%降到了5.4%，常识错误率从25.4%降到了12.7%，“张冠李戴”“无中生有”这类毛病明显少了。多轮和长上下文的承接也补了课：SFT与RL阶段联合优化了指代消解、省略还原和多轮约束继承，多轮问题率从17.4%降到了7.9%，长对话基准MRCR从42.9%跳到了75.1%。

工具调用这块，错误恢复能力和效率都有提升，还专门做了跨脚手架泛化。Codebuddy、Cline、KiloCode在SWE Bench Verified上的分数标准差压在4个百分点以内——这意味着换个不同的开发环境，表现不会大起大落。

更直接的一笔是成本。和GLM-5.2比，高频办公任务里，Hy3的token消耗明显更低：文档处理省了47.4%，PPT制作省了49.0%。任务完成率上去了，单次消耗下来了，成本优势就这样落到了每一次真实调用里。

开放策略是Hy3的另一重信号。定价上延续低单价策略：输入1元/百万tokens，输出4元/百万tokens，命中缓存只要0.25元。开源采用商业友好的Apache 2.0协议，全球开发者可以免费商用，并且“day 0”就接入了Hugging Face和ModelScope，后续还会覆盖OpenRouter、Hermes、Kilo、Cline等海外平台。低门槛换规模，规模换反馈，性价比本身就成了增长策略。

从1月底的基础设施重建，到4月的preview，再到7月的Hy3，混元用不到半年跑通了“底层重构→产品反哺”的完整链路。这条时间线比单次发布更值得留意，它意味着腾讯大模型研发已经从一个“追版本”的状态，切换到了“跑自研节奏”的模式。未来，把模型能力落到更多实际业务，“实用”将成为新的竞争维度。下一程的看点，是模型能不能真的把事办成。

5分钟，3D跑酷小游戏直出

指标说得再多，不如真做一个能上手的东西。

我们用Hy3在WorkBuddy里做了一款单文件3D跑酷小游戏，浏览器打开即玩。一句话需求，直接生成单文件HTML，Three.js放在同目录本地引用，双击即开，不用起服务器。空格跳、左右躲、撞上结束显示本局得分、点击重来，交互一条线由模型自主走完。

模型把Three.js下载到本地再引用，而不是只留一个CDN链接，这保证了离线运行，不会因为取不到库就白屏。在使用过程中，前端能不能一次做对，往往就卡在这些地方：引用方式、窗口缩放、撞上之后的状态回收。模型把这些细节都顾及到了。

这是Hy3实跑产出的3D跑酷页面（开始界面），双击index.html即玩。

这个3D跑酷已经部署成了公开试玩的网页：https://036e02c6faf643e997dcae4522543bf7.app.codebuddy.work。它从一句话需求到上线可玩，全程由Hy3在WorkBuddy里实跑产出，无人工参与，用时5分钟左右，PC运行过程中仅有轻微卡顿。

从底层重建到这个能上手的小游戏，混元这半年走的每一步，最后都落在了“能用”上。这条路走到这里，逻辑已经清楚了。

新模型，到底好不好用？未来已来，享受它吧。

(本文首发钛媒体APP，作者 | AGI-Signal，编辑 | 秦聪慧）