腾讯混元Hy3正式版上线：推理与Agent能力提升，开源并降价

2026年7月6日，腾讯混元Hy3正式版上线，距离4月23日Preview版发布约两个半月。Hy3采用MoE架构，总参数295B，激活参数21B，上下文窗口256K。相比Preview版，正式版在推理、指令遵循、Agent执行和幻觉控制上显著改进，12项评测维度全面正向增长。

核心改进与评测表现

• 推理与数学：GPQA Diamond（博士级科学问题）得分90.4%，接近GPT-5.5的93.6%；MathArena Apex从Preview版的12.8分跃升至38.7分，提升207%，但仍低于GPT-5.5的85.4分。
• Agent与工具调用：ClawEval得分68.5%，仅次于Claude Opus 4.8（72.1%）；SkillsBench（纯文本）从29.1分提升至55.3%，提升近90%；MCP Atlas得分79.1%，在主流模型中排名末位。
• 代码与软件工程：SWE-bench Pro得分57.9%，较Preview版提升超25%，但落后于Claude Opus 4.8（69.2%）和GLM-5.2（62.1%）。
• 搜索与信息检索：BrowseComp得分84.2%，与GPT-5.5（84.4%）几乎持平。

可靠性提升与开源降价

• 幻觉率：从12.5%降至5.4%。
• 多轮问题率：从17.4%降至7.9%。
• 工具调用稳定性：显著提升。
• 开源与定价：以Apache 2.0协议开源，API输入价格降至每百万Token 1元。

产品集成与生态

Hy3已集成至腾讯元宝、ima知识库、腾讯文档等产品。WorkBuddy智能体平台支持Hy3，提供日常办公、代码开发、创意设计三大场景，并深度打通腾讯生态（企业微信、腾讯会议、微信小程序等）。

争议与短板

• 数学推理：虽大幅进步，但与国际顶尖模型仍有差距，且Token消耗较大。
• MCP工具调用：在跨工具协作场景中容错能力不足。
• 指令遵循：主动发挥倾向强，在需求模糊时表现惊艳，但在严格约束下可能不够克制。

行业背景

Hy3由姚顺雨团队打造，其理念强调“实用主义AI”，聚焦真实世界效用而非基准测试。在参数规模和上下文窗口上保持克制，通过后训练和RL算力压榨性能极限。