🐼Pandaily•較早收集於 57m
騰訊開源 295B Hy3 混合專家模型
💡騰訊 295B 開源 MoE 配 256K 上下文—對代理建構者而言，挑戰封閉對手。（48字）
⚡ 30-Second TL;DR
有什麼變化
開源 Hy3 預覽版：295B 參數混合專家模型
為什麼重要
騰訊的行動強化其全球 AI 地位，優先考慮代理基礎設施而非純粹模型規模。此開源發布讓全球開發者能建構先進應用，可能加速代理採用。這預示競爭轉向實用工具。
下一步行動
從騰訊儲存庫下載 Hy3 預覽版，並針對長上下文代理任務進行微調。
誰應關注：Developers & AI Engineers
關鍵要點
- •開源 Hy3 預覽版：295B 參數混合專家模型
- •256K 上下文窗口支援延伸推理
- •同步發布 3D 世界模型
- •推出 QClaw 消費代理全球 Beta 版
- •押注代理工作流程的「韁繩」層
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Hy3 模型採用了騰訊自研的『混合專家架構（MoE）優化技術』，旨在顯著降低 295B 參數模型在推理時的計算資源消耗，提升邊緣設備的部署可行性。
- •QClaw 消費代理整合了騰訊生態內的微信與企業微信 API，實現了跨應用程式的自動化任務執行，標誌著騰訊從單純的內容生成轉向『行動導向』的 AI 代理生態。
- •3D 世界模型結合了騰訊遊戲引擎（如 Unreal Engine 5 深度整合）的物理模擬能力，為 Hy3 提供了具備空間感知能力的訓練數據，使其在處理複雜物理邏輯任務時優於傳統純文字模型。
📊 競品分析▸ Show
| 特性 | 騰訊 Hy3 (295B) | OpenAI GPT-5 (預估) | Meta Llama 4 (預估) |
|---|---|---|---|
| 架構 | 混合專家 (MoE) | 混合專家 (MoE) | 稠密/MoE 混合 |
| 上下文窗口 | 256K | 1M+ | 128K-256K |
| 核心優勢 | 代理工作流程控制 | 通用推理能力 | 開源生態與邊緣部署 |
🛠️ 技術深入
- 模型架構：Hy3 採用了稀疏激活的 MoE 架構，據悉其激活參數僅佔總參數的 10%-15%，大幅提升了推理速度。
- 訓練數據：整合了騰訊遊戲部門提供的海量 3D 渲染數據與物理模擬數據，增強了模型的空間推理能力。
- 記憶體管理：引入了動態 KV 快取（Dynamic KV Cache）技術，以支援 256K 長上下文下的高效記憶體調度。
- 代理框架：QClaw 採用了基於『韁繩（Reins）』層的控制機制，透過結構化指令集（Structured Instruction Set）來約束代理的行為邊界，確保任務執行的安全性與可控性。
🔮 前景展望AI analysis grounded in cited sources
騰訊將在 2026 年底前將 Hy3 模型全面整合至微信生態。
透過 QClaw 的全球 Beta 測試，騰訊正積極驗證代理工作流程在社交與支付場景中的商業化可行性。
混合專家模型將成為騰訊未來 AI 產品的主流架構。
Hy3 的發布顯示騰訊已掌握大規模 MoE 模型的訓練與部署技術，能有效平衡模型性能與運算成本。
⏳ 時間線
2023-09
騰訊發布混元大模型（Hunyuan），標誌著其在基礎大模型領域的正式佈局。
2024-05
騰訊升級混元模型架構，開始探索 MoE 技術在長文本處理上的應用。
2025-11
騰訊內部啟動『代理工作流程』專案，旨在開發具備自主執行能力的 AI 代理系統。
2026-04
騰訊正式開源 Hy3 預覽版，並同步推出 3D 世界模型與 QClaw 代理。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗