腾讯混元 Hy3 正式版：Agent 能力跃升与多产品落地¶
Ch01.854 腾讯混元 Hy3 正式版：Agent 能力跃升与多产品落地¶
📊 Level ⭐⭐ | 7.5KB |
entities/tencent-hunyuan-hy3-full-release.md
腾讯混元 Hy3 正式版：Agent 能力跃升与多产品落地¶
来源：腾讯技术工程。腾讯混元 Hy3 正式发布（较 4 月 preview 版本），MoE 295B/21B/256K，Apache 2.0 开源，多产品线 Agent 能力显著提升。 → 原文存档
架构¶
MoE，总参 295B，激活 21B，256K 上下文。快慢思考融合模型。
关键评测数据¶
| 产品 | 指标 | Hy3 表现 |
|---|---|---|
| WorkBuddy Agent | 任务成功率 | 90%（preview 72%，+18pp） |
| WorkBuddy Agent | 平均耗时 | 缩短 34% |
| 元宝 | Agent 综合 | 综合办公与生活服务 > GLM 5.1 |
| 元宝 | 常识错误率 | 较 preview 下降一半 |
| 元宝 | 幻觉率 | 较 preview 下降超一半 |
| ima Agent | 系统稳定性 | 95.1%，工具编排能力突出 |
| ima 知识库问答 | 推理质量 | 净提升近 19% |
| Marvis Agent | 任务完成率 | 93.7%（+12.7pp） |
| Marvis 6 Agent 协作 | 任务派发正确率 | 92%（+13.5pp） |
| 微信公众号 AI 分身 | 意图识别 | 98.94% |
| 微信读书 | 标签标注准确率 | 较 preview +14.1% |
| WeGame 流放之路 | 工具调度成功率 | 92%，幻觉 4.5%→2.8% |
| 内部 270 专家盲测 | 均分（/4） | Hy3 2.67 > GLM 5.1 2.51 |
产品接入¶
- WorkBuddy / CodeBuddy：Hy3 preview 用户数增长 6 倍，日均 token 消耗量增 20 倍
- 元宝：上线 Agent 功能，可生成 PPT/Word/Excel/PDF/HTML 交付物
- Marvis：文件编辑/生成、文件管理、电脑诊断与操作
- ima：知识库问答 + Agent 场景
- 微信公众号 AI 分身与客服
- 微信读书
- WeGame 游戏助手
定价与开源¶
- 输入 1元/百万 tokens，输出 4元/百万 tokens，缓存 0.25元/百万 tokens
- Apache 2.0 开源
- 平台：HuggingFace、ModelScope、GitCode、OpenRouter、Hermes、Kilo、Cline、OpenClaw、OpenCode、CherryStudio
与已有 wiki 实体关系¶
- 补充 腾讯混元新里程碑Hy3 Preview 发布开源Agent 表现全面提升：该实体覆盖 4 月 Hy3 preview 发布，本文覆盖 7 月 Hy3 正式版及多产品落地数据。
深度分析¶
Hy3 Agent 能力跃升的结构性原因¶
Hy3 正式版在工作场景 Agent 任务成功率上实现了 18pp 的提升（72%→90%），这一改善幅度远超常规的模型升级。从已有数据分析，提升来源可能包括三个方面：一是快慢思考融合架构让模型能在简单指令下快速响应，在复杂指令下启动深度推理；二是幻觉率下降超 50% 带来的信任增益——当模型不再"胡编乱造"时，Agent 的自主决策才能被用户接受；三是多产品线数据反哺——WorkBuddy、元宝、Marvis 等产品每天产生海量 Agent 调用数据，形成了"模型→产品→数据→模型"的正向飞轮。
"快慢思考融合"的多场景适应性¶
Hy3 在 9 个完全不同产品场景（办公、社交、阅读、游戏、客服、知识库、系统工具等）中均取得了显著提升，这与其"快慢思考融合模型"的架构设计密切相关。快路径处理高频简单请求（如微信读书标签标注），慢路径处理复杂多步推理（如 WeGame 游戏助手的工具调度）。值得注意的是，即使是对实时性要求极高的 WeGame 场景（工具调度成功率 92%，幻觉率从 4.5% 降至 2.8%），融合架构也能同时满足速度和准确性的双重约束。
内生商业模式：模型即服务¶
Hy3 的定价策略（输入 1 元/百万 tokens，输出 4 元/百万 tokens）体现了强烈的规模化意图——在确保性能的同时将推理成本压到足够低的水平，以支撑"模型即服务"的内生商业模式。缓存成本仅 0.25 元/百万 tokens 的设计，进一步鼓励高频重复调用场景（如客服、知识库）。结合 Apache 2.0 开源策略，腾讯正在构建一个"开源社区积累信任 → API 服务变现 → 内部产品提效"的三层收益模型。
从 preview 到 full release 的工程节奏¶
Hy3 的发展时间线（2 月底基础设施重建 → 4 月 preview → 7 月正式版）展示了一个高效的"快速验证 → 规模化上线"周期。preview 版本在 2.5 个月内积累了 6 倍用户增长和 20 倍 token 消耗量，为正式版的优化方向提供了充足的生产数据。提示我们：在发布大模型新版本时，"先发 preview 收集生产反馈 → 定向优化后发 full release"的节奏，比"闭门打磨到完美再发布"更契合当前 AI 快速迭代的行业节奏。
Agent 能力评估的多维度指标体系¶
Hy3 的评测指标体系值得关注：不只是单一的 benchmark 分数，而是覆盖了任务成功率、平均耗时、常识错误率、幻觉率、系统稳定性、专家盲测均分等多个维度。特别是"内部 270 专家盲测"（Hy3 2.67 vs GLM 5.1 2.51）作为一个综合可信度指标，比纯自动化评测更能反映模型在实际使用中的表现。这种多维评测方法应该作为 Agent 能力评估的标准范式。
实践启示¶
-
Agent 能力评测不能只看 benchmark：Hy3 的评测体系包含任务成功率、耗时、幻觉率、稳定性、专家盲测等维度。在评估自有 Agent 系统时，至少应覆盖"能力指标（任务成功率）+ 信任指标（幻觉率/错误率）+ 体验指标（耗时/稳定性）"三个层面。
-
多产品线数据飞轮是核心竞争力：Hy3 在 9 个产品场景的同步提升说明，当模型接入足够多的产品线时，产品数据本身成为模型迭代的核心燃料。在设计 Agent 系统的技术架构时，应优先考虑"数据回流"机制——让每个 Agent 调用都能成为模型改进的输入。
-
快慢思考的工程实现比理论更重要：Hy3 的快慢思考融合在 WeGame 等实时场景的成功表明，关键不在于理论上区分"快"和"慢"的边界，而在于实践中如何设计"切换到慢路径"的触发条件。关注实现层面的"切换延迟"和"资源预算"远比抽象讨论更有价值。
-
开源不是慈善是获客：Hy3 的 Apache 2.0 开源策略背后是清晰的商业化逻辑——开源社区是 API 服务的客户获取渠道。在考虑模型开源策略时，应将"开源如何降低 API 服务的获客成本"作为核心决策维度之一。
-
preview 模式更适合大模型迭代：2 月底重建基础设施 → 4 月 preview → 7 月正式版的节奏提供了参考。将大版本拆为"infra 就绪 → preview 验证 → full release 规模化"三个阶段，可以在每个阶段获得明确的信息反馈并修正方向。
关联¶
- 相关概念: Harness Engineering
- 相关: Agent 架构