腾讯Hy3正式版发布：295B参数追平GPT-5.5，国产Agent终于能干活了

7月6日，腾讯混元Hy3正式版悄然上线。没有发布会，没有通稿刷屏。但一条信息足够说明分量：姚顺雨加入腾讯半年后，交出了第一个正式答卷。

半年重建，从船漏水到站上去了

去年12月，腾讯把清华姚班出身的姚顺雨请来，双线向刘炽平和卢山汇报。到任第一件事就是推翻旧训练框架，一个月重建整套预训练和强化学习基础设施。

4月23日，Hy3 preview发布，从训练到上线只用了三个月。但preview的真正作用不是惊艳，是给腾讯内部几十条产品线当练兵场——WorkBuddy、元宝、ima、Marvis、WeGame全接进去了，真实用户调用反哺模型迭代。

这次正式版，架构没变：MoE结构，总参295B、激活21B，256K上下文，约等于GLM-5.2的一半参数。但后训练数据的质量和多样性大幅提升，强化学习算力加码。用腾讯自己的话说就是：不拼参数，拼干活。

马化腾在5月股东大会上的话挺实在：一年前我们以为上了船，后来发现那个船漏水了，现在感觉站上去了，还坐不下去。Hy3正式版，算是他在那条船上站稳的一步。

Agent能力是最大亮点，BrowseComp追平GPT-5.5

腾讯这次放出12项横向对比，对标GLM-5.2、DeepSeek V4 Pro、Qwen 3.7 Max、GPT-5.5和Claude Opus 4.8。数据量很大，我挑关键的讲。

Agent相关维度上，Hy3表现亮眼。ClawEval得分68.5，仅次于Claude Opus 4.8的72.1，超过DeepSeek V4 Pro的62.4和Qwen 3.7 Max的65.2——意味着在真实Agent框架执行任务上，Hy3已经是国产最强。

BrowseComp网页浏览综合测试84.2，追平GPT-5.5的84.4，差0.2分。搜索类Agent场景是Hy3的绝对强项。SkillsBench从preview的29.1飙升到55.3，提升近90%，仅次于Claude。

代码方面：SWE-bench Pro从46.0提升到57.9，超过DeepSeek V4 Pro的55.4，但距离Claude Opus 4.8的69.2和GLM-5.2的62.1还有距离。数学推理MathArena Apex从12.8暴涨到38.7，但GPT-5.5仍是85.4——纯数学推理是国产模型的集体短板。

一句话总结：Agent执行能力和搜索场景已摸到国际一线门槛，代码和数学仍需追赶。

落到产品里，数据比跑分更诚实

腾讯这次最让我感兴趣的不是benchmark，是产品里的真实数据。

WorkBuddy上，Hy3任务解决率从preview的72%跃升到90%，平均耗时缩短34%。文档处理token消耗比GLM-5.2省47.4%，PPT制作省49%。ima的Agent任务系统稳定性95.1%，知识库问答推理质量净提升19%，幻觉率下降15个百分点。Marvis多Agent协作任务完成率93.7%，6个Agent协同派发正确率92%。

这些数字翻译成人话：Hy3不是刷榜的模型，是能塞进真实业务链路里稳定干活的模型。腾讯内部近50个业务在排队接入，这比任何benchmark都说明问题。

OpenRouter的第三方数据也印证了：从年初调用量占比近乎为零，到6月中旬已经8.7%，跟谷歌的10.7%、MiniMax的9.7%处于同一梯队。市场在用脚投票。

定价杀疯了：输入1元，开源Apache 2.0

Hy3的API定价是输入1元/百万tokens，输出4元，命中缓存0.25元。对比一下：输入价格是GPT-5.5的约二十分之一。腾讯云还出了个人版28元月费套餐。

开源协议也是Apache 2.0，全球开发者可免费商用。同日上线HuggingFace、ModelScope、OpenRouter、OpenClaw等平台。这种开源+极致低价的打法，明显是在用性价比撬动开发者生态。

腾讯当日股价涨了4.82%，总市值来到4.11万亿港元。市场在重新评估腾讯AI的价值。

总结：实用主义路线，可能是最聪明的选择

Hy3不是一个要跟GPT-5.5正面硬刚的模型。它的策略很清楚：参数不追求最大，价格打到最低，先让自己的产品矩阵用起来，再靠开源和低价吸引外部开发者。

姚顺雨说AI是一场长期游戏，下半场才刚刚开始。如果上半场比的是参数和训练算力，下半场比的确实是场景密度和产品协同。腾讯手里有微信14.3亿月活、WorkBuddy办公场景、元宝C端入口、游戏和内容矩阵——这是国内任何一家AI公司都不具备的场景优势。

问题也摆在台面上：数学推理和国际顶级的差距能不能缩小？Agent能力从能用到好用还要多久？小微接入微信后能否兑现千亿增量收入预期？Hy3的下一个版本，将是更关键的试卷。