腾讯混元 Hy3 正式版发布：295B 总参数只激活 21B，Agent 能力追平 GPT-5.5

2026 年 7 月 6 日，腾讯正式发布了混元 Hy3 的正式版本。作为 4 月底 Hy3 Preview 之后的首个稳定版，Hy3 在智能体（Agent）、代码生成、办公任务和复杂推理等方向实现了明显跃升，同时把 API 调用价格压到了"1 元/百万 tokens"的极低成本，并以 Apache 2.0 协议完全开源。一句话概括：这是一个总参数高达 2950 亿、但每次推理只激活 210 亿的"效率怪兽"，也是目前国产大模型中 Agent 能力最强的选手之一。

本文带你从背景、架构、性能、开源与定价、应用场景到客观评价，全面认识混元 Hy3。

一、混元 Hy3 是什么来头？

混元是腾讯自研的大语言模型系列。2026 年上半年，腾讯对混元团队进行了底层重建——据公开报道，ReAct 论文作者、前 OpenAI 研究员姚顺雨加入腾讯后，用三个月时间重建了整个预训练与强化学习基础设施。

Hy3 的研发节奏非常清晰：

• 2026 年 4 月 23 日：腾讯发布 Hy3 Preview，这是底层重建后的首个版本，相比上一代 Hy2 在复杂推理、指令遵循、上下文学习、代码生成和智能体能力上均有质变。
• 2026 年 7 月 6 日：Hy3 正式版上线。架构沿用 Preview 的底层设计（总参数 295B、每次激活 21B），主要改进在于"提升后训练数据质量与多样性"以及"扩大强化学习（RL）算力规模"——换句话说，骨架没动，但喂给模型的训练数据更好了、更多样了，强化学习也给了更多算力。

在腾讯内部组织的 270 位专家盲测中，Hy3 以 2.67/4 的综合评分领先同期模型 GLM 5.1 的 2.51/4，在前端开发、数据与存储、CI/CD 等类别优势尤其明显。

二、核心架构：以小博大的 MoE 设计

Hy3 最大的工程亮点，是它用"混合专家（MoE）"架构实现了极致的参数效率。关键参数如下：

参数	数值
总参数量	295B（2950 亿）
激活参数量	21B（210 亿，每次推理仅用约 7% 参数）
架构	Mixture-of-Experts（MoE）
层数	80 层（不含 MTP 层）
注意力	64 个 Query 头、8 个 KV 头（GQA 分组注意力）
隐藏维度	4096，中间层维度 13312
专家数	192 个专家，Top-8 激活
上下文窗口	256K tokens
精度	BF16
MTP 层	额外 3.8B 参数用于多 token 预测
思考模式	快慢思考融合（fast/slow thinking）

为什么选 MoE？ 核心思想很简单：不是每个问题都需要动用全部知识。面对简单问题，模型只需激活少量专家（Top-8）即可快速作答；面对复杂推理，则调动更多专家做深度思考。这让 Hy3 在保持 295B 知识容量的同时，把单次推理成本压到了与几 B~十几 B 小模型同量级，是"以小博大"的典型代表。

快慢思考融合是另一大特色：模型能在"快速响应"和"深度推理"两种模式间自动切换，既保证日常对话的流畅，又能在数学、科研等硬任务上展开长链思考。

三、性能表现：Agent 能力是它的王牌

Hy3 正式版最亮眼的成绩集中在智能体（Agent）与工具编排能力上：

• Agent 任务解决率 90%（Preview 版为 72%，提升 18 个百分点）——这是 Hy3 最大的卖点。
• 幻觉率 5.4%（Preview 版 12.5%，直接砍掉一半多），意味着它胡说八道的频率大幅降低。
• BrowseComp 84.2 分，几乎追平 GPT-5.5 的 84.4，在网页搜索类 Agent 任务上差距可忽略。
• GPQA Diamond 90.4 分（研究生级科学问答），逼近 GPT-5.5 的 93.6。
• SWE-Bench Verified 78.0 分，在国产模型中属于第一梯队（低于 GPT-5.5 的 84.4，但 Code 能力已不输主流）。

在 Agent 核心测试 ClawEval 上，Hy3 拿到 68.5 分，超过参数量是其 2~5 倍的 DeepSeek V4 Pro（62.4）和 Qwen 3.7 Max（65.2），"性价比极其炸裂"的评价由此而来。

客观短板也很清楚：数学推理是最大弱项。 在最难的数学测试 MathArena Apex 上，Hy3 仅得 38.7 分，而 GPT-5.5 高达 85.4，差距巨大。这也是 Hy3 后续迭代最值得期待的补强方向。

四、完全开源 + 白菜价

Hy3 在"开放"和"便宜"两件事上都非常激进：

• 开源协议：Apache 2.0。开发者可自由下载模型并用于商业场景。官方已 “day 0” 接入 Hugging Face、ModelScope 魔搭、GitCode 等社区。
  • GitHub：https://github.com/Tencent-Hunyuan/Hy3
  • Hugging Face：https://huggingface.co/tencent/Hy3
  • ModelScope：https://modelscope.cn/models/Tencent-Hunyuan/Hy3
• API 定价（腾讯云 TokenHub）：
  • 输入：1 元 / 百万 tokens
  • 输出：4 元 / 百万 tokens
  • 输入命中缓存：低至 0.25 元 / 百万 tokens

对比同等能力的旗舰模型，这个价格几乎是"白菜价"，对中小团队和个人开发者极其友好。

五、已经用在哪里？

Hy3 不是实验室里的玩具，而是已经深度嵌入腾讯产品矩阵：

• 腾讯元宝：基于 Hy3 的 Agent 能力提升，元宝上线了 Agent 能力——用户在对话中输入需求，元宝即可直接执行复杂任务并交付 PPT、Word、Excel、PDF、HTML 等文件，且全部免费。
• 开发工具链：已接入 WorkBuddy、CodeBuddy、ima 等腾讯内部产品，后续还将接入 OpenRouter、Hermes、Cline、CherryStudio 等海外平台。
• 生产力场景：官方强调 Hy3 在软件开发、办公生产、金融建模、前端设计、游戏制作等任务上进步最为显著，定位为"高性价比的可靠选择"。

六、怎么客观评价 Hy3？

优势：

1. Agent 能力国产第一梯队，解决率 90% 配合极低的幻觉率，让它特别适合"让模型自己干活"的自动化场景。
2. 极致参数效率，295B 容量只激活 21B，推理成本低、部署门槛相对友好。
3. 完全开源 + 1 元定价，对开发者极其友好，生态接入速度快。
4. 256K 长上下文 + 快慢思考融合，兼顾长文档处理与深度推理。

不足：

1. 数学推理是明显短板，MathArena Apex 仅 38.7 分，硬核数学/竞赛题上落后于顶级闭源模型。
2. 代码能力中上但非顶尖，SWE-Bench Verified 78.0 仍低于 GPT-5.5 的 84.4。
3. 作为较新的正式版，社区生态、第三方工具适配仍在快速成长中。

七、结语

腾讯混元 Hy3 正式版的发布，标志着国产大模型在"Agent 能力"这条赛道上迈出了关键一步。它用一套精巧的 MoE 架构证明了：强大的模型不一定需要昂贵的推理成本，而完全开源 + 极低定价的策略，也让更多开发者能够真正用起来。

如果你关注智能体、自动化办公、低成本私有化部署，或者只是想找一个好用的国产开源大模型，Hy3 绝对值得上手试一试。

参考来源：腾讯混元官方博客、Hugging Face 模型卡、36 氪 / InfoQ / 腾讯云开发者社区相关报道（2026-07-06 至 2026-07-12）。