腾讯发布全新大模型，又并列第一了？

最近看国产大模型的新闻，我有一种错觉：怎么大家都是第一？咋滴啦，难不成大模型圈误入了手机、汽车行业圈套了？

9月，小米发布MiMo-V2.6，拿下全球开源大模型第一、国产模型第一。

差不多同一时间，阿里千问Qwen3.8-Max升级，拿下前端编程全球第一。

Kimi、智谱、DeepSeek也都有各自拿得出手的榜单成绩。

11月4日，腾讯混元Hy4正式发布，宣传口径是跻身全球最强开源模型之列。

如果给国产大模型办一场颁奖典礼，主持人可能要提前多准备几箱奖杯。

腾讯这次的措辞倒还算克制，特意留了个“之一”。

毕竟国内大模型竞争这么激烈，第一名都快不够分了。

01怎么大家都能拿第一？

我专门查了一下，还真不能说这些成绩是乱吹的。

小米MiMo-V2.6-Pro在9月22日发布时，凭借46分登顶Artificial Analysis综合智能指数开源模型榜，超过了当时的Kimi K3和千问Qwen3.8 Max。

阿里千问的第一来自另一个赛场。

9月2日，Qwen3.8-Max-0902在CodeArena前端编程榜拿到1691分，登上榜首。

一个考综合智能，一个考前端开发，考试科目都不同，当然可以同时拿第一。

而且榜单随时会变。

9月2日还在前端编程榜第一的千问，到了9月7日的新一周榜单，就已经排到了第四。

腾讯混元也经历着类似的排名变化。

此前Hy4 preview在Agent Arena开放模型中排第二、全球总榜第十。到了11月1日，开放模型榜单已经变成小米MiMo-V2.6-Pro第一，混元Hy4 preview第四。

大模型厂商在发布会上晒出来的成绩单，通常都会选择自己最擅长的科目，以及表现最好的那个时间点。

这套玩法看着是不是有些熟悉？

以前手机厂商拼跑分、拍照、续航，每家都有冠军项目。现在轮到大模型厂商拼推理、编程、Agent、数学和性价比。

只要细分赛道足够多，总能找到值得庆祝的成绩。

不过话说回来，国产模型能在这么多领域和全球顶尖模型竞争，确实是好事。至少这些第一名，已经不全是在国内几个选手之间比出来的。

02腾讯混元，这次到底有多强？

调侃归调侃，Hy4这次升级还是有不少看点的。

首先是模型规模。

Hy4系列总参数达到7700亿，而上一代Hy3还不到3000亿。

相较于此前发布的Hy4 preview，正式版进一步扩大了训练规模，还首次加入视觉理解能力，强化了指令遵循、长文理解和长程智能体能力。

比如现在很多人用AI写代码、制作PPT、分析数据，甚至让AI操作电脑里的专业软件。

这些任务对模型的要求越来越高。生成一份漂亮的PPT不算太难，但让AI自己查资料、整理逻辑、操作软件、调整排版，最后交付一份能直接使用的文件，就没那么简单了。

Hy4重点强化的就是这类长时间、多步骤的工作任务。

另外，腾讯还在尝试让AI参与AI研发。

这次发布材料提到，Hy4结合Hyra2.0，已经可以参与优化部分模型训练基础设施，并协助研发面向科学研究的专用模型。

这条路线和小米MiMo最近强调的递归自我改进（RSI）有些相似，都在探索利用模型能力提升下一代模型的研发效率。

不过，这些探索还远远谈不上AI已经能够独立完成自己的研发。

至于Hy4能不能真正登顶，正式版还需要接受更多第三方评测。腾讯自己也承认，混元与顶尖闭源模型仍有明显差距。

03马化腾手里的AI产品，终于能一起升级了

在我看来，比混元拿到第几名更值得关注的，是腾讯已经攒下了一大批AI产品。

元宝、ima、WorkBuddy、CodeBuddy，还有最近陆续推出的各种Buddy。

此前盘点腾讯AI产品的时候，我还调侃过，产品多到马化腾自己都不一定认得全。

现在，这个庞大的AI产品家族又多了一次集体升级的机会。

Hy4已经接入WorkBuddy、CodeBuddy、元宝、ima等产品，后续还将服务QQ、游戏、微信读书等更多业务场景。

对于腾讯来说，这是一笔相当有价值的资产。

比如WorkBuddy每天都在面对真实的办公任务，CodeBuddy可以积累开发者在写代码、调试和修改项目时遇到的问题，ima则有大量文档和知识管理场景。

腾讯可以让模型和产品相互磨合，利用真实场景发现问题、改进体验。

而且模型能力提升以后，未必需要用户专门打开一个新的AI应用。原来使用的办公软件、开发工具、内容产品，都有机会获得更强的AI能力。

当然，腾讯也有自己的难题。

这么多产品，能不能真正打通？用户在一个产品里交给AI的任务，能不能顺畅地延续到另一个产品？不同业务之间的数据权限又怎么处理？

这些事情的复杂程度，可能一点都不比训练一个大模型低。

腾讯已经有了很不错的模型底座，接下来就看各个产品团队怎么使用了。

04第一名越来越多，用户到底该信谁？

现在国产大模型迭代速度实在太快了。

小米、阿里、腾讯、字节、百度、DeepSeek、Kimi、智谱，谁都不愿意落后。

今天你刷新编程榜，明天我刷新推理榜，过两天又有人发布新模型，把大家的排名重新洗一遍。

对厂商来说，排行榜是最直观的技术宣传材料。尤其是在企业采购、开发者选型和融资市场，排名靠前确实有价值。

但对于普通用户来说，真正关心的问题可能简单得多。

让AI做一份PPT，哪个模型做得好？让AI写一个网站，哪个模型修改次数少？让AI处理一份复杂Excel，哪个模型不会中途出错？

还有一项非常现实的指标：价格。

一个模型能力再强，如果执行任务时消耗的Token贵得吓人，普通用户和中小企业可能也用不起。

所以，现在看大模型榜单，我通常会多看几眼排名后面的评测任务、测试日期和实际使用成本。

发布会上的第一名有很多，用户每天打开的AI应用就那么几个。

腾讯混元Hy4这次算是姚顺雨交出了一份有竞争力的成绩单。接下来，WorkBuddy、CodeBuddy、元宝能不能因此变得更好用，才是用户所期待的，也是真正想看到的。

至于国产大模型到底谁是第一，跟用户没啥关系，毕竟谁都可以说第一，只要换个维度就行了。