过去一年开源权重模型爆发浪潮中藏着一个行业尴尬现状多款国内顶尖开源大模型大量意向企业却无法落地。原有授权协议限制欧盟、英国、韩国商用不少企业法务部门直接叫停部署工程团队甚至来不及完成评测受限主体不仅是总部位于上述地区的公司所有面向这些区域提供业务服务的企业均受约束。对正在筛选开源模型的 IT 团队而言取舍成本格外突出。腾讯彻底扫清了这一落地障碍。混元团队正式发布完整版本 Hy3 混合专家MoE大模型总参数量 2950 亿单次前向激活参数 210 亿。与 4 月预览版不同本次正式版采用宽松开源协议 Apache 2.0 开源。开源社区反响热烈X 平台多位研究者均表示协议变更才是本次发布最大亮点一条高转发评论指出若官方跑分数据属实腾讯将一跃跻身开源大模型第一梯队。腾讯同时宣布模型将在 OpenRouter 平台免费开放两周。模型跑分值得细致拆解各赛道表现优劣分化明显但本次发布腾讯主推的核心亮点是面向生产环境设计的可靠性指标与部署成本优势。一、十周完成预览版到商用迭代50 个内部业务团队参与打磨4 月推出的 Hy3 预览版是腾讯 2 月完成整套预训练 强化学习基建重构后首款落地的自研模型。腾讯首席 AI 科学家姚顺宇表示提前开放预览版本是主动策略意在收集开发者与业务侧反馈正式版迭代充分吸收各方意见。根据模型卡片信息4 月末预览版上线后团队收集超 50 条内部产品线反馈修复任务执行、交互逻辑缺陷并大幅扩容后训练流水线。模型底层架构未做改动总参数量 295B192 个专家模块采用 Top-8 路由机制单次前向仅激活 21B 参数搭载 38 亿参数多 token 预测MTP层用于推测解码上下文窗口 256K。迭代优化集中在模型输出行为层面。腾讯产品定位完整商用版综合性能显著超越同参数量竞品对标参数量 2–5 倍的旗舰开源模型。“参数量仅竞品 2–5 分之一” 这一宣传口径直接指向当下开源代码赛道标杆 GLM-5.2二者形成清晰对标。二、盲测综合表现优于 GLM-5.1但 GLM-5.2 守住代码领域优势腾讯核心评测方案未采用公开排行榜而是开展人类盲测实验。官方认为通用基准测试无法还原真实业务场景本次共召集 270 名跨领域行业专家基于真实业务流程开展测评收集 312 组有效对照样本。测评结果Hy3 综合得分 2.67/4GLM-5.1 得分 2.51Hy3 优势集中在前端开发、CI/CD 运维、数据存储相关任务。本次对标存在代差智谱 AI6 月中旬发布新一代 GLM-5.2腾讯附录基准数据显示GLM-5.2 在全套智能代码评测集全面领先 Hy3SWE-bench Verified84.2 vs 78.0多语言 SWE-bench83.0 vs 75.8Terminal-Bench 2.181 vs 71.7DeepSWE 代码评测差距极大46.2 vs 28.0盲测仅选用旧版 GLM-5.1 对照最新一代 GLM-5.2 依旧坐稳开源代码模型头把交椅。二者参数量差距可以解释代码赛道差距GLM-5.2 为约 744B 混合专家模型单 token 激活参数 400 亿Hy3 总参数量 295B单次激活仅 210B总参数量不足前者一半单 token 算力消耗近乎对半削减。Hy3 的核心优势集中在代码以外赛道智能检索任务BrowseComp 得分 84.2、DeepSearchQA 得分 91.0优于腾讯测评表内所有开源模型对标 Claude Opus 4.8、GPT-5.5工具调度能力公开 MCP-Atlas 评测集 79.1 分领跑开源模型智能体框架测评ClawEval、长文本检索AA-LCR 73.4 分均位列第一。综合附录数据结论Hy3 是重度检索、工具调用类智能体场景最优开源权重模型大规模仓库级代码开发场景则仍逊色于 GLM-5.2。数据说明本次所有竞品跑分均来自腾讯内部自测截至发稿Artificial Analysis 等第三方权威评测平台尚未完成独立核验数据客观性有待外部验证。三、企业级核心卖点幻觉率直接减半对企业落地方而言本次发布最具价值的并非榜单分数而是腾讯重点披露的可靠性指标。整张模型卡片更像一份生产环境稳定性白皮书而非单纯跑分通告。基于真实业务场景内部测评对比预览版优化幅度显著幻觉生成率12.5% 降至 5.4%常识错误率25.4% 降至 12.7%优化手段精细化数据清洗 定向训练约束统一输出规范有依据再作答、证据不足如实说明、不混淆多源信息、不编造事实数据。多轮对话能力同步大幅提升内部多轮测试故障发生率17.4% 降至 7.9%公开长对话基准 MRCR 得分42.9% 提升至 75.1%腾讯重点强调模型在各类智能体框架下性能稳定无论搭载 Claude Code 类框架、Cline、KiloCodeSWE-bench 跑分浮动仅个位数。该特性极易被企业忽视多数企业无法统一内部智能体开发框架仅适配单一框架的模型会产生隐性集成成本。以上数据均为厂商自测需理性看待但腾讯主动将稳定性作为宣传核心精准瞄准一类客户曾踩坑演示效果优秀、上线后频繁编造虚假信息模型的企业。四、部署成本优势744B 级竞品算力减半适配合规出口芯片可靠性优化直接降低部署成本也让 Hy3 在代码赛道的劣势看起来更像主动取舍而非性能短板。GLM-5.2 总参数量 744B MoE 模型单 token 激活 40B 参数FP8 精度下仅权重文件就占用 744GB 显存生产环境最低部署标准为 8 卡 H200 节点。Hy3 总参数量 295BFP8 权重占用不足 300GB显存占用不到前者一半单 token 激活参数减半单次请求算力开销大幅降低。对计划自建推理集群的企业二者硬件门槛天差地别前者需要顶配高端节点后者硬件投入门槛更低预留充足显存运行 KV 缓存、批量推理。部署方案暗藏地缘合规设计腾讯官方推荐推理硬件为英伟达 H20-3e是英伟达专为适配对华出口管制推出的大显存增强版 H20 显卡。全文未提及华为昇腾系列芯片。简单来说模型参数量经过针对性裁剪8 块国内企业可合法采购的 H20-3e 即可满精度稳定运行。该受限硬件适配设计附带额外优势西方数据中心标配 H100、H200、B200 显卡运行效果更佳搭配 vLLM、SGLang 推理框架可直接启用 MTP 推测解码加速。叠加无地域限制、无商用领域约束的 Apache 2.0 开源协议企业选型逻辑清晰优先选 GLM-5.2唯一需求为代码开发、预算可支撑 8 卡 H200 集群优先选 Hy3重度检索 / 工具智能体、高稳定性业务、希望使用前沿模型但无力搭建超大算力集群。目前仍存行业疑问地域授权壁垒消除后海外企业是否会正式将腾讯 Hy3 纳入选型清单亦或是 Artificial Analysis 更新第三方跑分榜单前企业采购环节不会启动该模型评估。