姚順雨帶隊三個月重構混元，Hy3 preview 上線了

「Hy3 preview是混元大模型重建的第一步?！?/p>

作者｜連冉

編輯｜靖宇

姚順雨交出了加入騰訊后的第一份模型答卷。

4 月 23 日，騰訊混元 Hy3 preview 語言模型發布并開源。這是一款主打快慢思考融合的 MoE 語言模型，總參數 295B，激活參數 21B，最大支持 256K 上下文長度，官方稱其整體性能達到同尺寸模型最佳水平。

從研發節奏來看，Hy3 preview 于 2026 年 1 月底正式啟動訓練，從訓練到上線用了不到三個月，被騰訊內部定義為混元大模型從「讀萬卷書」走向「行萬里路」、嘗試解決真實世界復雜問題的開端。

而這款模型最受行業關注的核心標簽，是它作為備受矚目的「天才少年」姚順雨，在 2025 年底加盟騰訊后，全程主導推出的第一代大模型。

作為騰訊重金邀請的首席 AI 科學家，Hy3 preview 既是他對重構后的混元研發體系的首次完整實踐，也承載著騰訊補齊 AI 短板、在大模型下半場實現追趕的核心期待。

姚順雨表示，「Hy3 preview 是混元大模型重建的第一步。我們希望通過這次開源和發布，獲得來自開源社區和用戶的真實反饋，幫助我們提升 Hy3 正式版的實用性。與此同時，我們也在繼續擴大預訓練和強化學習的規模，提升模型的智能上限，并通過與騰訊眾多產品的深度 Co-Design，持續提升模型在真實場景中的綜合表現，并開始探索特色模型能力。」

01

一手實測 Hy3 preview

從官方披露的核心信息來看，Hy3 preview 從研發之初就圍繞智能體（Agent）場景做了針對性設計，這也是它與此前混元系列模型最核心的差異。

在啟動模型訓練前，姚順雨主導完成了混元預訓練和強化學習基礎設施的全面重建，同時定下了模型追求實用性的三大核心原則，構成了 Hy3 preview 的研發底層邏輯：

能力體系化：不推崇「偏科」，因為即便是代碼智能體的單一應用，也涉及推理、長文、指令、對話、代碼、工具等多種能力的深度協同； 評測真實性：主動跳出易被「刷榜」的公開榜單，通過自建題目、最新考試、人工評測、產品眾測等多種方式評估和改進模型的「真實戰斗力」； 性價比追求：實用性離不開商業合理性，深度協同模型架構和推理框架的設計，大幅降低任務成本，讓智能用得起、用得好。

官方資料顯示，Hy3 preview 采用了總參數量 295B、激活參數僅 21B 的 MoE 架構，同時融合了「快慢思考」機制。

21B 的激活參數，為模型高頻次、長鏈路的 Agent 調用提供了低成本的運行底座；而「快慢思考」的融合設計，天然適配復雜邏輯推理與多步工具調用場景，也就是姚順雨提出的 ReAct（推理 - 行動）循環。

極客公園第一時間實測了 Hy3 preview，先以一個覆蓋數據抓取、數值計算、可視化生成、文本分析全鏈路的綜合任務來試水，「使用 Python 抓取過去 90 天納斯達克 100、倫敦金與滬深 300 的日線收盤數據。計算它們之間的皮爾遜相關系數，并用 D3.js 或 ECharts 生成一個單文件 HTML 動態熱力圖。最后，基于數據結果輸出一段 500 字的跨市場資產配置 Memo?！?/p>

視頻來源：極客公園

可以看到，Hy3 preview 在數據獲取階段反復受阻，接口認證失敗后接連切換 akshare、yfinance 等多個數據源，納斯達克 100 數據因速率限制缺失而被迫用模擬數據替代，修錯重試的循環消耗了大量時間。

可視化交付上，Hy3 preview 最終生成了三資產相關性熱力圖，但由于部分數據并非真實采樣，熱力圖的準確性與可信度打了折扣。

最核心的文本交付物缺失明顯——提示詞明確要求輸出 500 字跨市場資產配置 Memo，Hy3 preview 卻只給出了幾行 Bullet point 式的簡略配置比例，沒有成文的分析段落，任務交付在關鍵環節出現了缺位。

我又嘗試了另一個長鏈路 Agent 測試——啟用瀏覽器模式，在 SkillHub 平臺進行全鏈路深度抓取，完整理清騰訊文檔 Skill 的 Auth 認證全流程與數據同步底層機制，最終輸出一份標準化的技術原理分析文檔。

視頻來源：極客公園

在這次測試中，Hy3 preview 展現了清晰的 Agent 自治與多步推理（ReAct）過程：先搜索 SkillHub 整體介紹；發現需要深入，又去精準抓取了 Auth 認證的開發者文檔；接著去查了 MCP Server 的底層原理；最后才開始動筆寫文檔，這證明了 Hy3 preview 作為 Agent 的路由調度中心，其長鏈路規劃和工具調用很穩定，沒有在中途崩潰或陷入死循環，完整走完了「推理 - 行動 - 驗證 - 輸出」的閉環。

這一表現也與官方披露的產品落地數據形成了呼應：在 CodeBuddy、WorkBuddy 產品上，Hy3 preview 首 token 延遲降低 54%、端到端時長降低 47%、任務成功率提升至 99.99%+，在實際用戶環境中，已穩定驅動最長 495 步的復雜 Agent 工作流，覆蓋文檔處理、數據分析、知識檢索、工具鏈編排等多樣化辦公場景。

從這兩組實測可以看出，Hy3 preview 呈現出一種典型的「過渡態特征」。

一方面，在復雜任務中，它已經具備了較為清晰的 Agent 執行路徑：能夠自主拆解問題、規劃步驟，并在不同工具之間進行切換，整體鏈路沒有明顯中斷。這種「從問題到流程」的能力，確實在向真實工作流靠近。

但另一方面，真正決定可用性的「最后一公里」仍然不夠穩定——數據獲取階段的反復試錯、關鍵結果的缺失、以及最終交付物的不完整，都說明模型在長鏈路執行中，仍然存在「做了一半」的問題。

目前，Hy3 preview 已在騰訊云、元寶、ima、CodeBuddy、WorkBuddy、QQ、騰訊文檔等產品首發上線，同時支持接入 OpenClaw、OpenCode 等主流開源智能體產品，并已上架騰訊云大模型服務平臺 TokenHub。價格方面，Hy3 preview 輸入價格最低 1.2 元/百萬 tokens，輸入命中緩存價格 0.4 元/百萬 tokens，輸出價格最低 4 元/百萬 tokens。

02

天才少年，和動起來的騰訊

這是備受關注的「天才少年」姚順雨入職騰訊后主導的第一代大模型。

作為 2025 年底騰訊重磅挖來的首席 AI 科學家，Hy3 preview 是他入職后交出的第一份核心模型答卷，也承載著騰訊補齊 AI 短板、發力大模型基礎研究的期待。

去年 9-12 月，姚順雨入職騰訊，出任"CEO/總裁辦公室"首席 AI 科學家，兼任 AI Infra 部與大語言模型部負責人，直接向總裁劉熾平匯報，全面統籌混元大模型研發工作。

12 月，騰訊完成組織架構重構，新設 AI Infra 部、AI Data 部、數據計算平臺部，姚順雨全面掌控混元研發體系，上任后立即重構了 AI Infra 團隊，搭建起預訓練、精調、后訓練、推理等完整研發鏈條，為后續模型研發奠定基礎。

今年 1 月底，馬化騰在年會上承認騰訊 AI「動作慢了」，劉熾平同步披露混元 3.0 正在內部測試，計劃 4 月對外推出，也是在 1 月底，Hy3 preview 正式啟動訓練，從訓練到上線用了不到三個月。

姚順雨（1998 年生）的履歷自帶「天才少年」標簽，但客觀來看，他的技術背景與騰訊當時的 AI 需求高度契合，這也是騰訊重金挖角的核心原因——騰訊此前混元負責人張正友（深耕計算機視覺領域）、蔣杰（側重大數據方向）均非 NLP/LLM 原生背景，而姚順雨是騰訊首位真正意義上的 LLM 原生技術領導者，其核心履歷與研究方向，恰好匹配騰訊混元突破的核心需求。

在學術界，姚順雨是頂級的語言智能體（Language Agents）研究者，著名的 ReAct（推理-行動框架）和 Tree of Thoughts（思維樹）均出自其手，；在 OpenAI 短暫的一年多里，他也深度參與了 Operator、Deep Research 等智能體產品研發，深入接觸模型預訓練與后訓練環節，積累了一線工程化經驗。

2025 年 4 月，他曾發表文章《The Second Half》，明確提出，AI 的競爭正在從「訓練更強的模型」轉向「定義并評估真實世界任務」，強調評估體系重構，反對盲目堆料模型規模。

這一理念也貫穿了 Hy3 preview 的研發，Hy3 preview 定位為一個總參數量 295B、激活參數僅 21B 的 MoE 模型。21B 的激活參數意味著模型具備了高頻次、長鏈路 Agent 調用的低成本底座，同時其內部融合的「快慢思考」機制，天然適合處理復雜的邏輯推理與工具調用（如 ReAct 循環）。

從前面的實測來看，Hy3 preview 更像是一款驗證技術方向的原型模型。把視角拉回騰訊自身，這種「未完全成熟」的狀態，可能也有其內在合理性。一方面，Hy3 preview 從訓練到上線不到三個月，本身就是一次快速迭代的技術試水；另一方面，在經歷了 AI 組織架構的全面重構之后，騰訊也需要這樣一款模型，去驗證新的研發鏈條是否通順、錨定的 Agent 技術路線是否成立。

不過，在國內大模型已經進入貼身肉搏的當下，Hy3 preview 的到來，只是騰訊 AI 補位的開始。無論是 MoE 架構的工程化優化，還是 Agent 場景的產業落地深度，國內頭部廠商已經跑通了多輪迭代，騰訊想要追上甚至超車，僅憑一次模型更新遠遠不夠。

*頭圖來源：GPT 生成

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你看好接下來的混元大模型嗎？