混元 hy3 正式版上线当日，腾讯股价上涨 4.82%。但同日，腾讯通过大宗交易减持快手股份 2.73 亿股，套现约 125 亿港元。股价走强系 ai 战略预期升温、快手减持落地、港股整体情绪回暖等多重因素共振所致，并非单纯由混元发布驱动。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
更值得留意的是另一个数据：元宝独立 App 的日活跃用户曲线。春节红包活动带来的拉新高峰过后，其 DAU 从高点回落至约 900 万。
过去半年，资本市场与终端用户所见的混元图景，截然不同。
混元每轮迭代，究竟在打磨什么
Hy3 preview 面世时，行业评测显示 SWE-bench Verified 得分为 74.4%，Terminal-Bench 2.0 达到 54.4%。当时业内不乏质疑：“参数仅 295B，真能打？”
立即进入“豆包AI人工智官网入口”；
立即学习“豆包AI人工智能在线问答入口”；
74 天后，正式版交出一份新答卷：270 名来自一线的技术专家基于真实工作场景开展盲测，Hy3 平均得分 2.67/4，高于 GLM5.1 的 2.51/4；在前端开发、数据与存储、CI/CD 等垂直领域优势尤为突出。幻觉率由 12.5% 下降至 5.4%，常识性错误率从 25.4% 压至 12.7%；WorkBuddy 任务成功率从 72% 提升至 90%，平均执行耗时缩短 34%。
上下文窗口仍维持在 256K，未作调整。但“常识错误率减半、幻觉率减半”这一表述，在正式版通稿中反复出现。
三次关键升级，始终围绕同一组核心命题：编码能力、长上下文理解、抗幻觉表现。
有人或许会问：混元就只会这三板斧？
从腾讯内部业务实际需求出发，这三项恰恰是当下最紧迫的刚需。微信、QQ、游戏、广告等核心产品线，全部深度依赖代码交付能力。编码水平是 Agent 的底层基石，而 Agent 又是元宝、WorkBuddy、CodeBuddy 等产品的统一交互入口。上下文长度决定 Agent 能否串联起复杂任务链；幻觉率则直接左右用户体验——此前元宝被用户调侃“张口就来”，并非戏言。
这三大指标，构成了混元在腾讯体系内规模化落地的基础门槛。若不彻底夯实，混元甚至可能连进入主战场的资格都难以获得。
相较之下，创业背景出身的 DeepSeek V4 更强调全维度突破，在推理性能、多模态融合、推理成本效率等方面持续刷新榜单纪录。而混元则坚定选择了“落地优先”的路径，对外释放的核心进展，高度聚焦于编码、长上下文、抗幻觉这三个与业务耦合度最高的方向。
这算掉队吗？姚顺雨走出了一条更为务实的路线：先稳扎地基，再建高楼。
混元当前的选择，正与 Claude、智谱等专注代码能力的模型路径趋同。
腾讯产品矩阵的敏捷协同
姚顺雨于 2025 年 9 月低调加入腾讯，同年 12 月正式出任混元核心研发负责人。他上任后的第一项动作，并非调参炼模，而是启动预训练与强化学习基础设施的全面重构，并新设 AI Infra、AI Data 等关键部门。2026 年 3 月 20 日，腾讯正式解散成立十年之久的 AI Lab，将核心研发力量全面整合进混元主线。
其核心方法论名为 Co-design：边训练、边应用，用真实产品反馈反向牵引模型演进。他本人曾直言：“Hy3 preview，标志着混元从‘读万卷书’迈向‘行万里路’。”
为何如此急迫？混元已无退路。
该技能指导用户根据设计灵感创建视觉情绪板。它提供分步说明，用于提取颜色、排版和UI模式，并将其组织成文档化的设计方向。工作流程包括根据用户反馈进行迭代优化，最终形成可供实施的设计系统。
2026 年 1 月腾讯内部年会上，刘炽平复盘混元前期发展症结，打了个比方：“像高中生刷题备考，模拟考分数亮眼，真正上考场却频频卡壳。”马化腾则更为直白：“太慢了，落后了 9 个月到 1 年。”
数据更具冲击力。QuestMobile 2026 年 3 月监测数据显示，春节红包拉新潮退去后，元宝独立 App 日活回落至约 900 万，月活为 5735 万；同期豆包独立 App 月活达 3.45 亿，二者规模相差近 6 倍。用户留存率之低，令人唏嘘。
更严峻的是内部生态。腾讯各业务线过去普遍存在“不敢接、不愿接”混元的现象，宁可绕开自建方案。一家互联网巨头自主研发的大模型，在自家主场竟难登主桌。
姚顺雨没有“纯技术秀肌肉”的资本。参数不占优、声量不突出、用户基数不领先——唯一可行的破局点，就是把模型深度嵌入微信、QQ、腾讯文档、企业微信、和平精英等超级 App。借力 14 亿 MAU 所构筑的 Context 护城河，弥补模型能力上的阶段性差距。
于是我们看到一种独特的传播节奏：每次混元更新之后，一系列配套产品都会迅速跟进、密集发布。为何如此？因为腾讯真正关注的是 AI 对自身产品力的实质提升，因此节奏必须紧凑、响应必须迅捷。
他主动放弃“唯榜单论”，不参赛、不堆参。300B 参数量级被定义为“能力与效率的最佳平衡点”。不是做不出更大模型，而是选择不做。编码能力最易量化、最易被业务线验证，也是打开局面最高效的切口。
混元被困在“老三样”里？这是姚顺雨亲手选定的战略锚点。
老三样修完了，用户真的留下了？
这才是真正的试金石。
WorkBuddy 任务成功率从 72% 升至 90%，数字光鲜。但“任务成功”的判定标准由腾讯内部制定，实验室测评与真实使用场景之间，仍有鸿沟。270 位专家盲测优于 GLM5.1，专家≠用户，盲测≠日常。
元宝 Agent 支持生成 PPT、Word、Excel、PDF、HTML，功能完备。但春节红包热潮退去后 MAU 快速滑落的事实印证了一个现实：功能丰富 ≠ 用户愿意留下。
据多家媒体援引腾讯内部员工反馈，部分一线人员反映混元在处理复杂任务时效率不及外部主流模型；同时，公司对 GLM 等第三方模型设置了调用额度限制。这种“内部优先”的推广策略，也引发了关于“行政推动”还是“产品驱动”的内部讨论。
姚顺雨已将老三样打磨到位，信任感，是否随之重建？
编码能力从 SWE-bench 74.4% 提升至 WorkBuddy 90% 的任务成功率，普通用户感知到了吗？元宝 MAU 维持在 5735 万，技术参数持续跃升，用户规模却未同步增长。不少内部员工仍在私下使用 Claude 和 GLM。短板补上了，人心尚未真正回归。
两种未来，赫然并立。
赢面：老三样夯实之后，腾讯 14 亿 MAU 构筑的 Context 护城河开始显现价值，混元由“内部工具”逐步进化为“生态底座”。当年微信从 QQ 的附属功能成长为独立帝国，混元亦有可能从“够用”走向“离不开”。
输面：编码能力成了舒适区陷阱。过度投入挤压了多模态、复杂推理、创意生成等方向的资源。当对手在万亿级参数+多模态赛道加速领跑，混元的“够用”，终将沦为“不够用”。届时用户需要那关键的 10% 极限能力，Hy3 却无力交付。
姚顺雨让混元从“样样都想争”转向“一事做到极致”。这步棋走得沉稳有力。但极致之后，用户是否买账？
本文来自微信公众号“AI唱反调”，作者：雷欧，36氪经授权发布。
