姚順雨的88天

撰文｜畫畫

騰訊混元Hy3 preview發布了。這是姚順雨加入騰訊后交出的第一款產品。

MoE架構，總參數295B，激活參數21B，最大支持256K上下文長度，1月底開訓，不到三個月發布。

這樣一個體量的模型放在今天，很容易被淹沒。

但如果把這件事放在三個月前的背景下看，就有意思了。

這次發布看起來是模型升級，真正變化發生在模型之外，騰訊開始用AI反過來重寫自己的組織方式。

今年1月26日，騰訊年會現場，騰訊總裁劉熾平在臺上做了一件高管很少做的事，公開復盤混元大模型為什么不行。

他用了一個比喻：高中生背題應考。成績單好看，但真正上了考場就露餡。盤點之后發現，每個關鍵模塊都有缺失。

馬化騰的措辭更直接：太慢了。慢了9個月到1年。

從那場年會到今天 Hy3 preview上線，88天。

一、背題拿不了真分

騰訊混元的故事要從2023年9月說起，騰訊在全球數字生態大會上正式發布混元大模型，大廠入場，聲勢不小。

然后就開始進入一種自證的邏輯。

不是缺投入，不是缺人。問題出在路徑上。

劉熾平在年會上的復盤給了最清晰的診斷。底模能力有限，團隊選了捷徑，用SFT（監督微調）去打榜。效果立竿見影，成績單漂亮，但一進真實業務場景就暴露，泛化能力差，模型能力無法復用到產品上。

再往下挖，每一層都有裂縫。數據做得不夠多，預訓練不穩定，AI Infra無法規模化，強化學習缺因子和目標，底座模型撐不起上層應用。

這直接導致了產品端的困局。元寶，騰訊的AI助手應用，今年一季度月活約5700萬。聽起來在漲，但同期豆包月活3.45億，千問1.66億，差距不是在縮小，是在拉大。

差距已經不在規模層面，而是在入口的定義權。

更麻煩的是內部。騰訊體系內的業務線，微信、游戲、廣告、企業服務，需要AI能力，但過去的混元接不住。不是業務不想用，是用了效果不達標。一些核心業務甚至不敢接混元，寧可繞開自己找方案。

一個大廠自研的大模型，在自己家里都坐不上主桌，這是混元過去困境最直接的寫照。

彼時，騰訊的組織也并沒有跟上大模型發展步伐。騰訊長期以產品工程為核心，AI團隊是配角。先做產品，再讓AI適配。用劉熾平的話說，騰訊的AI開發像是產品里沒有產品經理，研發團隊沒人把控方向，很多工作做了等于白做。

而同一時期，字節僅AI芯片采購一項就砸了約900億元，DeepSeek用極致效率的小團隊做出R1震動全球，阿里千問的全球API調用量攀上前列。

混元不是輸給了某一個對手，是組織結構本身，讓它上不了戰場。

二、先借一條命

2025年春節前后，DeepSeek R1爆火，全球AI行業的注意力被這家杭州公司劫持。

騰訊做了一個極其務實且討巧的決定。2月13日，元寶全面接入DeepSeek-R1滿血版，免費開放。

元寶日活在一個月內暴漲超過20倍，2月22日超越豆包登上蘋果中國區免費App下載榜第二，一度還拿下榜單第一。

騰訊在那個窗口期的反應速度，整個行業都在看。微信搜索、QQ瀏覽器、搜狗輸入法、ima，一整套產品矩陣密集接入DeepSeek。甚至手游《和平精英》都把DeepSeek塞進了數字代言人。

全行業都在圍觀DeepSeek的時候，騰訊是第一個全方位把它接進自家生態的大廠。

但騰訊比誰都清楚，這次機遇是借來的。

DeepSeek幫元寶拉來了用戶，但留存是另一回事。搜索鏈路被割裂，一部分走混元一部分走DeepSeek，體驗不統一。

簡單來說，擁抱DeepSeek的本質，是在混元自己還沒準備好的時候，用外部能力把用戶先接住、把場景先撐起來。

但問題在于，騰訊的微信生態、企業服務、游戲AI、廣告智能投放，這些核心業務需要深度定制、可控可調的AI能力，一個通用API解決不了。

混元必須自己站起來。問題是怎么站。

三、拆房子的人

2025 年 9 月，一位 27 歲的年輕人低調入職騰訊。

姚順雨，清華姚班本科、普林斯頓大學博士，師從 GPT 開山論文核心作者之一 Karthik Narasimhan。博士期間，他提出ReAct 框架與思維樹（Tree of Thoughts），二者均為全球 AI Agent 領域的奠基性工作。

2024 年博士畢業后，他加入 OpenAI，深度參與Operator、Deep Research兩大核心智能體項目研發。

但履歷并非關鍵，更重要的是他入職后帶來的架構級變革。

2025 年 12 月，騰訊發布內部組織架構調整公告，正式任命姚順雨為CEO /總裁辦公室首席 AI 科學家，同時兼任全新設立的AI Infra 部、大語言模型部雙部門負責人，實行雙線匯報，直接向騰訊總裁劉熾平、TEG 技術工程事業群負責人盧山匯報。

27 歲直通騰訊二號人物、執掌兩大 AI 核心部門，這樣的晉升與權限，在騰訊發展史上都極其罕見。

有媒體報道，入職后他做的第一件事是逐個模塊排查混元長期表現不佳的原因，經常和同事、實習生交流到半夜。診斷結果上報劉熾平，直接推動了后續一連串的組織手術。

他接手的不是一個模型優化任務，而是一整套需要被推翻的工作方式。

2025 年 12 月，騰訊一口氣新設AI Infra 部、AI Data 部、數據計算平臺部三大核心部門，基建先行、推倒重打底層技術地基。與此同時，公司全面加速全球頂尖 AI 人才引進，補齊技術短板。

今年3 月 20 日，成立整整十年的騰訊 AI Lab 正式撤銷。核心研發人員全部并入大語言模型部，歸入混元大模型研發主線，統一向姚順雨匯報。

自此，騰訊不再保留獨立于大模型體系之外的專屬 AI 研究機構，所有 AI 研究力量全部收攏，聚焦混元單一主線。

這是一次全鏈路的重建，從底層Infra到數據管線到訓練流程到組織架構，不是修補舊系統，是拆了重來，從頭搭建完整研發閉環。

用姚順雨團隊的話說，Hy3 preview是混元大語言模型從讀萬卷書到行萬里路的開端。

對照過去兩年混元讀了書但做不了題的現實，這句話的指向很明確，不在測試集里自嗨了，去真實世界做事。

四、Preview，不是Answer

回到產品本身。

快慢思考融合的MoE架構，總參數295B，激活參數21B，最大支持256K上下文。2026年1月底啟動訓練，4月上線。

不到三個月，從零到可用。這本身是混元研發加速演進的一個重要信號。

業界的模型研發通常包括高質量數據準備、預訓練、后訓練和強化學習/精調，如果算上前期架構探索和后期評測優化，從0到1做一個完整的大版本周期大約6-12個月。

騰訊反其道而行，沒有去扎堆追求同質化模型，結合騰訊在社交、游戲、廣告等核心業務場景需求進行Co-design設計，這樣的好處是騰訊對AI的巨額投入能得到市場的快速驗證。

和過去的混元完全反過來。 過去是先打榜再找場景，找到場景發現用不了。現在是先進場景，再給外界看。

而在發布之前，Hy3 preview已經在元寶、WorkBuddy、CodeBuddy、ima、QQ等騰訊核心產品里完成了實測和協同適配，模型和產品從設計階段就同步推進。

這就是Co-design，邊訓邊用，讓產品反饋來倒逼模型迭代。

某種意義上，這是對劉熾平那句"產品里沒有產品經理"的直接回應。

對騰訊內部來說，Hy3 preview帶來的變化可能比外界感知到的更大。過去的混元，業務線不敢接、不想接，各找各的出路，模型團隊和產品團隊之間隔著一堵墻。

這一次混元真正成了騰訊內部業務的模型底座，不再是一個需要業務線配合打榜的面子工程。

當內部業務愿意把自己的產品體驗押在混元上的時候，這件事本身就是信號。

但Preview就是Preview。意思很坦誠，這是第一版，拿到真實用戶和業務里去磨，用反饋來迭代。

態度對了，方向有了，產品上線了。至于結果，考試才剛開始。

五、龍蝦是橋，混元才是地基

事實上，在Hy3 preview上線之前，騰訊還做了一件容易被忽略的事。

今年初OpenClaw爆火，龍蝦熱潮席卷整個AI行業。騰訊的反應速度又一次讓人意外，幾乎是最早、最全面擁抱龍蝦的大廠。

WorkBuddy、QClaw、Lighthouse，一系列基于龍蝦協議的產品密集上線，騰訊的產品矩陣在短時間內全面接入。

現在回頭看，龍蝦熱潮雖然慢慢退燒。但對騰訊來說，這件事的價值不在龍蝦本身，更像一個過渡裝置。

它做了兩件事。一是讓騰訊散落在各條業務線的產品力重新形成合力，微信、元寶、企業服務、開發者工具，在龍蝦這個公共協議層上第一次真正協同起來。二是更關鍵的，它為混元爭取了時間。

當用戶通過各種Agent入口涌進來的時候，騰訊用龍蝦生態先接住了他們，而混元在幕后完成了從Infra到模型的重建。

Agent的入口可以有很多個。但最終決定用戶留不留下來的，是底層模型的能力。龍蝦是橋，混元才是地基。橋搭好了，地基也終于跟上了。

六、窗口期不會等人

今年4月，可能是中國AI歷史上最擁擠的一個月。

阿里在72小時內連發三款戰略級模型，Kimi發布并開源Kimi K2.6模型，通用Agent、代碼、視覺理解等綜合能力全面提升，字節Seed持續迭代，豆包生態擴張不停。DeepSeek V4也傳言定于4月下旬發布。（參考閱讀：）

混元選在這個窗口交卷，要面對的不只是技術競賽，更是一個現實問題：窗口期還有多長？

騰訊有全中國最大的社交生態、最多的用戶觸點、最豐富的應用場景。微信月活超過14億，QQ、騰訊會議、騰訊文檔、企業微信，都是天然的AI落地入口。

但這些資源要發揮作用，前提是底層模型能撐得住。

過去一年多，混元產品能力乏力，騰訊不得不借DeepSeek的熱度和力量，不得不看著豆包在用戶端把自己甩開。

Hy3 preview說明姚順雨聽到了馬化騰的批評。聽到了，而且動手了。

不到90天，拆掉舊流水線，重建Infra，撤掉AI Lab，并入團隊，挖來核心人才，和產品Co-design，交出一個可用的版本。

這個速度本身就是組織效率改變的證據。

但聽到了和做到了之間，還有距離。

混元追上來的速度夠不夠快，最終不取決于一次Preview的參數量，取決于這次重建的組織效率能不能持續。

這一次姚順雨的答卷上寫著Preview。顯然，后面還有大招。

【版面之外】的話：

混元過去最大的問題，不是模型不夠大，是組織不夠對。

一個自家業務都不愿意接的大模型，參數再多也是自嗨。

Hy3 preview最重要的變化，不是參數變了，是墻拆了，模型和產品之間的墻，研究和工程之間的墻，混元和騰訊生態之間的墻。

拆墻這件事，比堆參數難得多。

但這件事的意義，也不只在騰訊。在大模型這場競爭里，參數、算法、人才都可以被追趕。

真正難以復制的，是一家公司有沒有決心為AI重寫自己。