🐯虎嗅•較早收集於 31m
騰訊轉向務實 AI 策略，推出 Hy3 模型
💡騰訊新款 Hy3 模型證明了 21B 激活參數即可在程式設計與工具調用基準測試中稱霸全球。
⚡ 30-Second TL;DR
有什麼變化
Hy3 Preview 模型在 OpenRouter 的工具調用與程式設計任務中名列前茅。
為什麼重要
騰訊轉向高效率、特定應用模型，顯示出業界正趨向於優先考慮推理成本與特定任務效能，而非單純追求大型通用模型。
下一步行動
透過 OpenRouter 評估 Hy3 Preview 模型在您的程式設計或智能體工作流程中的表現，測試其相較於現有 SOTA 模型的效率與效能比。
誰應關注：Developers & AI Engineers
關鍵要點
- •Hy3 Preview 模型在 OpenRouter 的工具調用與程式設計任務中名列前茅。
- •騰訊完成重大 AI 組織重組，成立專門的 AI Infra、Data 與計算平台部門。
- •策略從「追求參數」轉向「工程優先」，推出 295B 總參數（21B 激活）模型。
- •AI 相關資本支出（成長 16.2%）與基礎設施營運成本（成長 58%）顯著增加。
🧠 深度解析
Web-grounded analysis with 14 cited sources.
🔑 增強重點摘要
- •騰訊的Hy3 preview模型採用混合專家（MoE）架構，總參數達2950億，其中激活參數為210億，MTP層參數為38億，並且是騰訊重建基礎設施後訓練出的首個模型。
- •騰訊的AI策略遵循三大核心原則：一是打造全面能力，覆蓋推理、長文理解、指令遵循和工具調用等維度；二是優先真實評估，主動跳出易被「刷榜」的公開榜單；三是融合模型與推理設計，以實現成本效率。
- •Hy3 preview模型在複雜推理、指令遵循、上下文學習、代碼生成和智能體任務方面均有顯著提升，並在FrontierScience-Olympiad和IMOAnswerBench等具挑戰性的STEM基準測試中表現優異。
- •騰訊在AI領域的投入創歷史新高，2025年全年研發投入達857.5億元人民幣，資本開支達792億元人民幣，顯示其對AI發展的巨大承諾。
- •Hy3 preview模型在OpenRouter平台上表現強勁，在結束限免期後連續數週位居日Token用量和周Token調用量榜首，尤其在工具調用和程式設計等細分場景中名列前茅。
📊 競品分析▸ Show
| 模型名稱 | 總參數量 | 激活參數量 | MMLU (5-shot) | ARC-Challenge (0-shot) | DROP (5-shot) | PIQA (4-shot) | OpenRouter API 定價 (每百萬輸入/輸出Token) |
|---|---|---|---|---|---|---|---|
| 騰訊 Hy3 preview-Base | 295B | 21B | 87.42 | 95.99 | 85.50 | 84.39 | $0.066 / $0.26 |
| Kimi-K2 BASE | 1043B | 32B | 88.24 | 96.66 | 86.40 | 84.93 | 數據不足 |
| DeepSeek-V3 BASE | 671B | 37B | 87.68 | 94.65 | 86.50 | 84.22 | 數據不足 |
| GLM-4.5 BASE | 355B | 32B | 87.73 | 96.32 | 82.90 | 84.71 | 數據不足 |
*註：競爭對手模型在OpenRouter平台上的API定價數據未公開或不易獲取。
🛠️ 技術深入
- 架構: 混合專家（MoE）模型
- 總參數量: 2950億 (295B)
- 激活參數量: 210億 (21B)
- MTP 層參數量: 38億 (3.8B)
- 層數 (不含MTP 層): 80
- MTP 層數量: 1
- 注意力頭數: 64 (GQA，8 個KV 頭，每個頭維度為128)
- 隱藏層維度: 4096
- 中間層維度: 13312
- 上下文長度: 256K
- 詞表大小: 120832
- 專家數量: 192 個專家，top-8 激活
- 支持精度: BF16
- 訓練: 支持全量微調和LoRA微調，並集成了DeepSpeed ZeRO配置與LLaMA-Factory
- 部署建議: 在8張GPU上部署該模型，建議使用H20-3e或其他具有更大顯存容量的GPU
🔮 前景展望AI analysis grounded in cited sources
騰訊「工程優先」的務實AI策略將加速其AI產品的商業化落地。
透過專注於實際應用效能和成本效益，而非單純追求參數規模，騰訊能夠開發出更符合市場需求且具備商業價值的AI解決方案。
騰訊將AI深度整合至其廣泛的生態系統，將顯著強化其在中國AI市場的競爭優勢。
利用微信、QQ、騰訊雲等龐大的用戶基礎和應用場景，騰訊能為AI模型提供獨特的數據反饋和落地平台，使其AI能力更貼合用戶需求。
騰訊對AI基礎設施的巨額投入和對國產晶片的依賴將提升其AI供應鏈的自主可控性。
加大對自研算力資源的投資並逐步引入國產晶片，有助於騰訊降低對外部供應商的依賴，確保AI發展的長期穩定性和成本效益。
⏳ 時間線
2016
騰訊成立AI Lab，開始公司層級的AI基礎研究投入。
2018
騰訊人工智能和前沿科技兩大實驗室矩陣成型，聚焦多模態研究和通用人工智能。
2022-Q4
騰訊推出混元NLP萬億大模型，是國內首個低成本、可落地的NLP萬億大模型。
2023-09
騰訊混元大模型正式亮相，已接入微信、QQ、騰訊會議等50多個內部應用場景。
2025-12
騰訊升級大模型研發架構，新成立AI Infra部、AI Data部、數據計算平台部，並任命姚順雨為首席AI科學家。
2026-04-23
騰訊發布並開源Hy3 preview語言模型，作為其重構基礎設施後的最強模型。
📎 來源 (14)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
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： 虎嗅 ↗