半年重建：腾讯再交卷：5分钟生成3D跑酷小游戏：混元 Hy3 正式发布
自Hy3 preview版上线至今，其日均token消耗量已激增20倍。这一数字背后，是模型经真实业务反复打磨后，才真正经得起检验的实证。
半年前，腾讯混元决定彻底重建底层底座；六个月后的今天，一次重磅发布证明，唯有经真实业务锤炼的模型，方能有效应对现实场景的挑战。
腾讯混元Hy3于今日正式亮相。今年1月底，混元团队才启动底层基础设施的重建工作，在不到半年的时间里，便顺利实现了“底层重构到产品反哺”的完整研发闭环，此次发布正是这一路径上的关键里程碑。
回顾发展脉络，这条路线背后的逻辑早在两个月前就已清晰呈现。今年6月，汤道生与姚顺雨进行了一场深度对谈，探讨了“先谈产品、再谈生意”的克制理念，同时将“模型与产品协同设计”确立为组织方法论的核心。
姚顺雨当时对性价比给出了一个判断：首要因素并非模型架构，而是性能。他认为，“用更小规模的模型完成更高价值的任务”，远比用弱模型反复试错更为高效。他还直言，如今大模型在算法层面已变得相对简单，真正的核心竞争力在于基础设施、数据质量和评估机制。
Hy3正是这一判断的具体实践。它在MoE架构上做出了一个直白的选择：总参数量达到295B，而激活参数仅为21B。总参足够庞大，因此知识容量和复杂任务的承载能力接近大尺寸旗舰模型；激活参数压缩至21B，则意味着每次推理只需调动一小部分权重，服务成本和推理时延随之显著降低。
这也解释了为何Hy3能以不到旗舰模型几分之一的体量，对标参数规模2至5倍的竞品。它不是追求模型的规模更大，而是致力于降低“一次做对”的成本。随后，将模型嵌入WorkBuddy、元宝、ima等真实业务场景，让应用环境为其效果代言，同时也验证了那两场对谈中“刷榜价值远不及实用价值”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。相比今年4月发布的preview版本，它在后训练算力、数据质量以及多样性方面均实现了全面升级，以较小的模型尺寸首次接近国内外大尺寸旗舰模型的表现。
这种“小激活、大总参”的设计思路，回应了一个长期困扰业界的问题：当参数竞赛逼近效益边际时，模型厂商该从何处获取智能提升？Hy3将算力投入于“思考清晰”而非“参数堆砌”。内部270位专家基于真实工作进行的盲测提供了有力佐证：Hy3均分达到2.67/4，优于GLM 5.1的2.51/4，尤其是在前端开发、数据存储、CI/CD等工程类别中，优势表现尤为突出。
图为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
有一组数据值得特别关注，即“业务即训练场”这一理念。
官方数据显示，自preview版本上线以来，Hy3的日均token消耗量增长了20倍，这背后是业务使用量的实质性提升。在WorkBuddy中，主动选择Hy3 preview的用户数量增长了6倍；办公场景的内部测评显示，任务成功率从72%提升至90%，平均耗时缩短了34%。
元宝借助Hy3的Agent能力同步推出了文件交付功能，常识错误率和幻觉率均下降超过一半。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核心场景的任务完成率为93.7%，6个Agent协同派发的正确率高达92%。就连微信与游戏也从中受益：公众号AI分身的意图识别准确率达到98.94%，WeGame AI助手的多轮推理成功率为92%，幻觉率从4.5%降至2.8%。
这一逻辑形成了正反馈循环。多元化的产品矩阵提供真实反馈，模型的进步反哺所有产品，彼此相互增强。同行大多依赖基准测试来证明效果，而腾讯则选择将海量用户和真实业务作为检验模型成效的试金石。
价格、开源与半年闭环
在智能水平之外，Hy3将大量精力投入在“使用的可靠性”上。此次发布的技术博客显示，模型被要求“有依据才回答，无依据则明确缺失，多来源信息不随意拼接，数据和状态不编造”。这套理想化的标准，比追求“更聪明”更为困难，也更贴近真实办公场景的需求。
具体到数据表现，模型内部评测中幻觉率从12.5%降至5.4%，常识错误率从25.4%降至12.7%，“张冠李戴”和“无中生有”这类错误显著减少。多轮和长上下文的处理能力也得到了补强：SFT与RL阶段联合优化了指代消解、省略还原以及多轮约束继承，多轮问题率从17.4%降至7.9%，长对话基准MRCR从42.9%跃升至75.1%。
在工具调用方面，错误恢复能力和效率均有提升，还专门实现了跨脚手架泛化。Codebuddy、Cline、KiloCode在SWE Bench Verified上的分数标准差控制在4个百分点以内，这意味着在不同开发环境下，模型表现不会出现大幅波动。
成本方面是一个更直接的亮点。与GLM-5.2相比，在高频办公任务中，Hy3的token消耗明显更低：文档处理节省47.4%，PPT制作节省49.0%。任务完成率提升的同时，单次消耗成本下降，这种成本优势最终体现在每一次真实调用中。
开放策略是Hy3传递的另一个重要信号。定价延续低单价策略：输入1元/百万tokens，输出4元/百万tokens，命中缓存仅需0.25元。开源采用商业友好的Apache 2.0协议，全球开发者可免费商用，并“day 0”即接入Hugging Face与ModelScope，后续将覆盖OpenRouter、Hermes、Kilo、Cline等海外平台。以低门槛换取规模，以规模换取反馈，性价比本身便成为了增长策略。
从1月底的基础设施重建，到4月的preview版本，再到7月的Hy3，混元用不到半年的时间跑通了“底层重构到产品反哺”的完整链路。这条时间线比单次发布更值得关注，它标志着腾讯大模型研发已从“追赶版本”切换至“掌握自主研发节奏”的模式。
未来，将模型能力落地到更多实际业务中，“实用”将成为新的竞争维度。下一阶段的看点，在于模型是否真正能办成事。
5分钟，3D跑酷小游戏直出
指标展示再多，也不如亲手做一个可以操作的东西来得有说服力。
笔者使用Hy3在WorkBuddy中创建了一款单文件3D跑酷小游戏，打开浏览器即可直接游玩。只需一句话的需求描述，模型便直接生成了单文件HTML，Three.js放在同目录下本地引用，双击文件即可运行，无需启动服务器。
空格跳跃、左右躲避、撞上障碍物后显示本局得分、点击重新开始，整个交互流程均由模型自主完成。
模型将Three.js下载到本地再引用，而不仅仅保留一个CDN链接，这确保了离线环境下的正常运行，不会因为无法获取库文件而导致白屏。在使用过程中，前端开发能否一次成功，往往就卡在这些细节上：引用方式、窗口缩放、碰撞后状态的回收。模型将这些方面都考虑周全了。
图为Hy3实跑产出的3D跑酷页面（开始界面），双击index.html即玩。
这个3D跑酷已经部署成公开试玩的网页：
https://036e02c6faf643e997dcae4522543bf7.app.codebuddy.work。
它从一句话需求到上线可玩，均由Hy3在WorkBuddy里实跑产出。全程无人工参与，用时约5分钟，PC在运行过程中仅有轻微卡顿。
从底层重建到眼前这个能上手的小游戏，混元这半年走的每一步，最终都落在了“可用”之上。这条路走到这里，逻辑已然清晰。
新模型，到底好不好用？其价值在于解决实际问题。混元Hy3用半年时间证明了从底层重构到业务落地的完整闭环，也印证了“实用”才是衡量模型价值的新标准。