腾讯在周四悄然推出了其迄今为止最强大的AI模型，基准测试数据令人瞩目。Hy3预览版是公司在全面基础设施重建后的首个模型，今天在GitHub、Hugging Face和ModelScope上开源。

它也可以在腾讯云的官方网站上通过付费计划获得。

Hy3总共拥有2950亿参数（衡量模型潜在知识广度的指标），但在任何给定时间只有210亿是活跃的。这就是专家混合架构的优势——模型将每个查询路由到其“专家”子网络的一个专门子集，而不是一次性运行所有内容。计算量更少，成本更低，输出质量大致相同。它还支持多达256,000个上下文标记，足以在单个提示中处理一本完整的小说。

该模型旨在平衡腾讯表示不再相互牺牲的三件事：能力广度、诚实评估和成本效益。他们之前的旗舰Hy2拥有超过4000亿参数。腾讯明确表示回撤，认为2950亿是推理完全成熟但增加更多参数的成本不再值得的最佳平衡点。

这并不意味着模型更差。经过更好训练且参数更少的模型经常超越更大的通用模型。

在编码方面，改进是显著的。SWE-bench Verified是一个基准测试，测试模型是否能实际修复GitHub存储库中的真实错误——不是玩具问题，而是生产代码。Hy2得分为53.0%。Hy3预览版得分为74.4%。这是一代之间40%的跃升，使其达到Claude Opus 4.6（80.8%）的范围，并超过GLM-5（77.8%）和Kimi-K2.5（76.8%）。Terminal-Bench 2.0，测量在真实命令行环境中的自主任务执行，从23.2%提高到54.4%——也是一个巨大的飞跃。

然而，对于使用代理构建的人来说，该模型可能是一个非常有趣的选择。代理有一套非常复杂的指令，涉及记忆、技能和工具调用。它们通常会遗漏一些东西，这可能会破坏工作流程或产生不良结果。这就是为什么代理能力对于AI开发者来说变得越来越重要，因为这个领域成为行业中最受关注的事情。这也是为什么该模型立即在Openclaw上提供。

搜索和浏览代理——模型必须从开放网络中检索、过滤和综合信息而无需人工指导——也大幅改善。在BrowseComp上，一个跟踪复杂网络研究任务的基准测试中，Hy3预览版达到67.1%（从Hy2的28.7%提高）。在WideSearch上，它达到70.2%，超过GLM-5和Kimi-K2.5，但落后于Claude Opus 4.6的77.2%。

在推理方面，该模型在清华大学数学博士资格考试（2026年春季）中超过了所有中国竞争对手，三次运行的平均得分为88.4。这是真实世界的考试，而不是策划的数据集——腾讯表示优先考虑这种评估以避免基准测试作弊。该模型还在CHSBO 2025（中国国家高中生物奥林匹克竞赛）中得分87.8，是该类别中中国模型中的最高分。

Hy3预览版于2026年1月底开始训练，并于周四发布——从冷启动到开源发布不到三个月。对于一个前沿级模型来说，这个速度异常快。腾讯将其归因于2月份由其首席AI科学家姚顺宇领导的基础设施大修，他推动了预训练和强化学习堆栈的全面重建。

这与一年前中国AI实验室的做法截然不同，当时DeepSeek的R1以其成本效益震惊了行业。

Hy3仍然落后于OpenAI和Google DeepMind的旗舰产品，但按尺寸与性能比来看，Hy3预览版难以忽视：代理基准综合显示其处于“最佳区域”，拥有约2950亿参数，领先于DeepSeek-V3.2（超过6000亿）并与Kimi-K2.5（超过1万亿参数）匹配，而计算成本仅为其一小部分。

混元模型已经在元宝、CodeBuddy、WorkBuddy、QQ和腾讯文档中部署。在CodeBuddy和WorkBuddy上，首个标记延迟下降54%，端到端生成时间减少47%，模型成功运行了长达495步的代理工作流。腾讯云提供API访问，价格约为每百万输入标记0.18美元和每百万输出标记0.59美元，个人标记计划套餐起价约为每月4.10美元。