腾讯开源混元Hy3，游戏之下的模型之路

作者 | 山竹

出品 | 锌产业

7月6日，腾讯正式发布混元Hy3。

据悉，Hy3是Hy3 preview的正式版本，重点提升智能体、代码生成、办公任务和复杂推理能力，并进一步下调API调用价格。

这一次，腾讯给出的关键词很明确：Agent、开源、低成本、真实业务链路。

Hy3采用MoE架构，总参数量2950亿，激活参数量210亿，支持256K上下文长度。

腾讯同时宣布，Hy3采用Apache 2.0协议开源，模型权重已上线GitHub、Hugging Face、ModelScope等平台。

API定价为输入1元/百万tokens、输出4元/百万tokens，缓存命中输入价格为0.25元/百万tokens。

在当下的大模型竞争里，这些信息并不只是配置表，更重要的是，腾讯正在把Hy3放进自己的产品系统里验证：

元宝、WorkBuddy、CodeBuddy、Marvis、ima，以及游戏业务，都成了Hy3的测试场。

01 智能体热潮下，腾讯先强调“能不能执行”

过去一年，大模型行业最热的词之一，是Agent。

但Agent这件事已经不新鲜了，真正难的是，模型能不能在长流程任务里少犯错、少乱试、少卡住，并且稳定调用工具，把结果交付出来。用户不关心模型是不是“很聪明”，用户只关心它能不能把PPT、Word、Excel、PDF、HTML这些文件做完，能不能在多轮对话里记住约束，能不能在证据不足时少编一点。

Hy3的发布，正踩在这个节点上。

腾讯元宝基于Hy3同步上线了Agent能力，用户在日常对话中输入需求，元宝即可执行复杂任务并交付PPT、Word、Excel、PDF、HTML等文件。

这个动作的意义在于，腾讯没有把Hy3仅仅包装成一个聊天模型，而是把它直接推向办公交付场景。

从腾讯在GitHub开源页披露的信息看，Hy3在后训练阶段提升了数据质量与多样性，并扩大了强化学习训练规模，重点改善推理、Agent工作流和长上下文任务。

腾讯还特别提到，公共榜单不能完全反映真实可用性，因此组织了270位专家基于真实工作任务进行盲测，Hy3平均得分2.67分，GLM-5.1为2.51分。

这些数字当然仍属于腾讯自家披露，需要放在“官方评测”语境里理解。但它们至少说明，Hy3这次主打的不是单点能力，而是更接近产品现场的稳定性。

这也是Agent赛道正在发生的变化：

早期讨论的是模型能不能拆任务，现在讨论的是它能不能少出错、会停手、能恢复、能持续执行。

按照腾讯GitHub页面显示，Hy3改进了输出格式和工具调用稳定性，减少无效调用和循环式错误；在真实场景内部评估中，幻觉率和常识错误率较此前版本下降，多轮意图跟踪也有提升。

换句话说，Hy3的Agent能力不是一个单独按钮，而是一组基础能力的合成：

长上下文、工具调用、规划执行、错误恢复、反幻觉和多轮约束保持。

它不一定最炫，但它指向的是大模型商业化最朴素的一关：能不能稳定进入工作流。

02 游戏制作，是腾讯绕不开的老本行

更有意思的是游戏。

作为腾讯最重要的老本行之一，Hy3也提到了游戏制作能力的提升，而且不是一个随手列出的应用场景。

据悉，WeGame近期上线的《流放之路：降临》AI游戏助手接入Hy3后，多轮推理与工具调度综合成功率提升至92%，幻觉率从4.5%降至2.8%。

这不是AI直接生成一款游戏的故事，至少从目前公开信息看，Hy3首先提升的是游戏相关任务里的推理、工具调用和问答助手能力，而不是已经替代游戏引擎、美术管线或关卡编辑器。

但这恰恰是它更现实的地方。

游戏生产链极其复杂，策划要写玩法规则、任务对白和数值说明，程序要处理工具链、脚本和接口，运营要维护玩家问答和活动说明，美术和关卡团队要反复沟通世界观、场景需求与资产规范……

大模型如果能在这些环节中稳定承担辅助工作，价值不会小。

对腾讯来说，游戏场景还有一个天然优势：它既有大量真实业务问题，也有成熟产品入口。

相比一家只做模型的公司，腾讯可以把模型放进WeGame、游戏助手、开发工具、内部工作流和玩家服务系统里反复打磨，Agent能力在这里不只是会调用工具，而是要理解玩家问题、检索游戏知识、执行多轮推理，并在不确定时避免胡说。

这也是Hy3对游戏生成能力的潜在提升方向。

短期看，它更可能先作用于游戏研发和运营流程，比如剧情草案、任务文本、脚本辅助、玩法原型说明、前端页面、工具自动化和玩家助手。

中长期看，如果它与腾讯已有的3D生成、多模态生成和游戏引擎工具链结合，才可能进一步触及关卡原型、NPC行为、UGC内容生成等更深层环节。

换句话说，Hy3不是一个游戏生成模型，但它可能成为腾讯游戏AI工作流里的基础推理与执行层。

03 开源和降价背后，是模型进入真实场景的抢位

Hy3发布的另一个信号，是腾讯明显加快了开源与分发节奏。

Hy3将采用Apache 2.0协议开源，开发者可下载模型并用于商业场景，API已在腾讯云TokenHub上线，后续还将接入OpenRouter、Hermes、Kilo、Cline、OpenClaw、OpenCode、CherryStudio等平台，并同步进入Hugging Face、ModelScope等开源模型社区。

这套动作的目标很清楚：让模型尽快被开发者和产品团队用起来。

国内大模型已经进入一个不太讲故事的阶段。

只说参数、榜单和“比肩旗舰”已经不够了，模型要证明自己能在代码、办公、数据、搜索、游戏、客服、知识库这些场景中带来效率提升。

腾讯在Hy3上强调Agent能力、工具调用稳定性、幻觉率下降、价格降低，本质上是在降低应用侧的试用门槛。

这也解释了为什么元宝同步上线Agent能力很关键。

对普通用户来说，Agent不是技术名词，而是“帮我把文件做出来”。对企业和开发者来说，Agent也不是演示视频，而是模型能否稳定调用工具、遵守格式、处理长上下文、少走死循环。

不过，Hy3仍要面对几个现实问题：

第一，官方披露的评测结果还需要更多第三方验证。内部盲测、产品遥测和业务案例能说明趋势，但开发者最终仍会用自己的任务、成本和延迟来投票。

第二，Agent场景的难点不只在模型。工具接口、权限管理、文件格式、数据安全、任务回滚、执行日志，都会决定最终体验。一个模型再强，如果周边系统不稳，Agent仍然会翻车。

第三，游戏生成更不能被简单理解成“模型一键做游戏”。游戏工业的复杂性，远高于文档生成。Hy3在游戏助手、游戏制作任务上的提升，是一个值得关注的入口，但距离真正改变游戏生产管线，还需要和引擎、资产库、关卡工具、测试系统继续结合。

因此，Hy3最值得看的地方，不是它能不能在某个榜单上赢过谁，而是腾讯能不能把它持续塞进自己的真实业务里，让模型在办公、代码、游戏和内容生产中不断被磨出来。

Agent热潮已经不缺概念，腾讯这次发布Hy3，更像是在把问题拉回地面：

智能体不只要会想，还要会做；

不只要能回答，还要能交付；

不只要有模型能力，还要站得住业务现场。

对腾讯来说，游戏是老本行，也是检验AI能力的硬场景。

Hy3如果真能在这里跑通，它的意义就不只是又一个开源大模型，而是腾讯把大模型能力转成产品生产力的一次关键试验。