社区

开发者与腾讯广大投资者都很期待的混元大模型最新版本，Hy3今天正式发布，腾讯官方自评是：

展现出显著强于同尺寸模型的智能水平，并比肩更大尺寸旗舰模型的效果，大幅提升了在各类产品和生产力任务中的实用价值。

在一系列腾讯自身采信的评测标准中，Hy3相较Hy3 preview有了明显的提升，在国内基本做到“不弱于人”，但相较于全球公认性能最好的Claude、GPT等大模型的最高性能版本还是有一些差距。

图片

而混元团队表示其对比的大模型，其参数规模一般要比Hy3大出2-5倍，换言之Hy3在部署成本、用户体验的延迟方面会有一些相对优势。

模型与前端产品的Co-Design，已成为腾讯认为的AI下半场最核心命题之一。Hy3的优化重点，直接面向了产品侧，被总结为三点：

输出格式和工具调用稳定性：尤其重点提到对跨“脚手架”产品的泛化性，脚手架产品（如 Codebuddy、Cline、KiloCode）在 SWE Bench Verified 上的分数标准差控制在 4 个百分点以内；

知识常识和抗幻觉能力：在基于真实产品的内部评测中，Hy3 的幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%；

复杂上下文承接与多轮意图保持能力： Hy3 在 SFT 与 RL 阶段联合优化了指代消解、省略还原及多轮约束继承等业务痛点问题，内部评测的多轮问题率从 17.4% 降至 7.9% 。同时 Hy3 在长对话理解基准中取得显著跨越（如 MRCR 从 42.9% 升至 75.1%）。

图片

Co-Design另一侧的八款产品业务也纷纷出来证言。排第一的，就是当前腾讯最火的脚手架产品、享受最多推广资源，最近被曝出月活达到2000万的WorkBuddy，WorkBuddy产品负责人对Hy3的评价是：

内部测评数据显示：相比 Hy3 preview，任务解决率从 72% 跃升至 90%，平均耗时缩短 34%。Token 效率同样值得一提：高频办公任务中，Hy3 Token 消耗显著低于 GLM5.2——文档处理节省 47.4%，PPT 制作节省 49.0%。任务完成率上去了，单次消耗下来了，用户自然会把更多事情交给它。

排第二的是腾讯在Chatbot赛道的核心产品元宝，产品负责人的评价是：

接入 Hy3 后，用户使用元宝 Agent 感受到的是：Excel 不用反复调格式，数据分析结果直接可用，网页工具接入即跑。覆盖信息查询、数据处理、文档办公、生活决策、网页制作五大场景的内部评测，给出数字支撑：文档生成综合分提升 +7%，网页制作与自动化脚本提升+6%。

有趣的是，虽然腾讯当前最受关注的AI产品，微信小微最终确认采用了微信自研模型WeLM，但包括微信读书、微信公众号这些具体场景的产品，也都出来为Hy3证言。

微信公众号认为：Hy3 针对这类场景的识别能力明显升级，意图识别准确率从 98.28% 提升到 98.94%；更关键的是应对方式的变化：面对不完整的表达，Hy3 能结合账号定位与上下文做出合理判断，不脑补过度，也不机械套模板。

微信读书认为：Hy3 在网络文学标签标注场景中，相较 preview 在高质量人工标注数据集上准确率提高 14.1%，综合分类效能提升 8.4%。标签打得更准，意味着内容推荐的"第一步判断"更可靠。

无需讳言，如[企鹅生态]在此前《腾讯AI进入击球区》一文所述，考验腾讯模型-产品Co-Design战略理念的最核心大题，就是混元与微信的协同，这也是投资市场目前在隐隐关注的一件事情。

图片

但显然，为中国市场最活跃、最庞大的产品和服务生态接入高性能大模型，是一件远比想象中困难的事情，这需要时间与努力。如混元团队的最后总结：

从 1 月底重建基础设施，到 4 月发布 Hy3 preview，再到今天迭代升级 Hy3，我们用不到半年跑通了从底层基建到产品落地的完整研发链路。但这只是一个起点，还有很多问题需要解决，混元的重建和进步才刚刚开始。我们将持续踏实地扩大训练规模、提升数据质量、优化体验细节，保持敏捷迭代和坦诚开放的态度。

图片