腾讯混元Hy3正式发布：295B参数/幻觉率降至5.4%，OpenRouter全球调用量第一

当国产大模型还在参数和价格上缠斗时，腾讯混元用一款Hy3给出了不一样的回答——不是更大，而是更”好用”。

核心数据：一张图看懂Hy3

一、正式版 vs Preview版：到底升级了什么

2026年5月，腾讯混元悄悄上线了Hy3 Preview，当时在开发者圈里已经引起不小骚动——一个从FAIR引进的首席科学家（姚顺雨），一个”快慢思考MoE”的新架构概念，直接就把期待值拉满了。

但Preview终究是Preview，很多能力是”有但不够稳”。今天正式版来了，把三个最让人头疼的短板全补齐了——幻觉、速度、生态。

1.1 幻觉率：对半砍，再对半砍

Preview版的幻觉率是12.5%，正式版直接干到5.4%——降幅近57%。常识错误率从25.4%降到12.7%。

5.4%这个数字放在今天的国产大模型里是什么水平？目前公开数据的其他国产模型普遍在8%-12%之间。5.4%做到了接近GPT-5.5级别的幻觉控制，但参数量远小于GPT-5系列。

要知道混元Hy3只有21B激活参数，能做到这个幻觉水平，说明MoE的”快慢思考”结构在信源分辨上确实起作用了——不急着答，先想靠谱不靠谱。

1.2 WorkBuddy：真实的生产力提升

腾讯内部有一个叫WorkBuddy的办公任务评测集，用来测试模型在真实工作场景中的问题解决能力。Preview版的任务解决率是72%，正式版直接跳到90%，平均任务耗时缩短34%。

90%的解率意味着什么？在大多数办公场景（文档摘要、数据分析、文案写作、代码生成），Hy3已经能做到”一次过”——不需要人工反复纠错。对企业来说，这意味着省掉的不是单次推理的几分钱，而是一个全职员工反复检查的时间和精力。

1.3 开源 + 开放生态

Preview版只通过API对外开放，正式版则直接上了Apache 2.0协议开源——GitHub、HuggingFace、ModelScope三站同步上线，权重文件全开放。

这一步很关键。在国内大模型市场，”开源”和”不开源”正在快速分化——开源的模型更容易获得开发者和企业的信任，也更容易被集成到各种第三方产品中。Hy3这一放权，直接让它在OpenRouter上冲到全球调用量第一的位置（2.68万亿Token/周），说明开发者社区是真买账。

二、快慢思考MoE架构：小模型如何打赢大模型

Hy3用的不是传统MoE，而是姚顺雨团队提出的“快慢思考融合MoE”架构。

这里简单拆一下：

传统MoE

把大模型分成多个”专家”子网络，输入进来时只激活部分专家。优点是同样的算力可以做更大的模型，缺点是”专家”之间互不沟通，每个问题都走固定路线。

快慢思考融合MoE

Hy3的思路是：先把问题走一遍”快思考”路径——用轻量级判断快速评估问题类型和复杂度，然后决定调用哪些专家、走多深的推理链路。遇到简单问题就走完”快思考”直接出结果；遇到复杂问题才触发”慢思考”——更多专家参与、更深推理链条。

这种设计对推理效率的影响有多大？OpenRouter的数据是最干脆的证明——27%的Qwen模型调用正在向Hy3迁移，迁移带来的推理成本直降40%。

用姚顺雨自己的话说：”我们在做的是一个”端到端协同设计”的快慢思考融合MoE——不是用两个模型拼拼凑凑，而是在训练阶段就设计好了快慢两条路径的协同工作方式。”

三、实测数据拆解：幻觉率5.4%意味着什么

可能有人会问：5.4%和12.5%的差距，在实际使用中到底差多少？

我们换个角度来看——

场景一：企业知识库问答

HR部门用AI回答员工关于公司政策的提问。幻觉率12.5%意味着每8次回答就可能有1次出现错误信息——员工误以为”年假15天含周末”，后果可能是后续仲裁纠纷。

幻觉率5.4%时，这个风险降低了一半以上。虽然不能说100%可靠，但已经可以在大多数非关键问题上接近”可信”边界。

场景二：客服自动化

一个每天处理10万次会话的客服系统，12.5%的幻觉率意味着每天12,500次会话可能给出不准确的信息——其中至少几百次会引发客户投诉升级。

降到5.4%后，这个数字缩小到5,400次每天——仍然不是零，但已经大幅降低了需要人工介入的比例。

场景三：代码生成

12.7%的常识错误率在代码场景中非常恐怖——变量命名混乱、函数签名错误、API调用方式不对，这些在Preview版中是常态。正式版的12.7%（降了50%）意味着生成的代码”像人写的”而非”像AI胡编的”，开发者的审查负担大幅降低。

四、Hy3 vs DeepSeek-V4：落地战斗机 vs 性能猛兽

Hy3发布的时间节点非常有意思——前脚DeepSeek-V4刚在6月全网上线，后脚腾讯混元Hy3就跟上了。两者都是国内顶级MoE大模型，但走的路线完全不同。

这就引出了一个重要判断：2026年下半年的国产大模型竞争，正在从”谁更强”转向”谁更好用”。比着刷MMLU榜单的日子过去了，现在拼的是API价格、幻觉率、上下文长度、企业级售后——这些”非炫技”但决定实际采购决策的指标。

五、131款产品接入：腾讯的Agent帝国

Hy3正式发布会上，腾讯公布了最大的落地数据：已接入131款内部产品。这个数字可能比任何基准测试都有说服力——在大厂内部，一个模型的好坏不是靠PPT，而是靠PM和开发者的”用脚投票”。

目前已知的接入产品矩阵：

这131款产品覆盖的不只是”对话”场景——游戏NPC的实时对话、微信读书的AI书评、QQ浏览器的页面摘要、腾讯云的API推理、元宝的个人助手……每个场景对模型的要求都不一样：游戏需要低延迟，读书需要高”理解质量”，企业云需要安全合规。

Hy3能做到一统这131个场景，靠的正是MoE的灵活性——同一个模型基础，通过不同的专家组合和路由策略适配不同场景。

生态对比：企业微信”大员”

值得一说的是，腾讯企业微信同日宣布推出AI智能体”大员”，但它基于的是DeepSeek大模型，而非Hy3。这个选择很有意思——腾讯内部有多条AI产品线，Hy3负责”主力底座+开源生态”，而对办公协作这类生产力场景，企业微信选择了DeepSeek的差异化能力。说明腾讯对模型的策略是”不拘泥于一花独放”。

六、对开发者和企业的建议

对开发者来说

Hy3开源的Apache 2.0协议是目前业界最宽松的开源协议之一，意味着你可以自由修改、二次分发甚至商用它。对于想要自建AI能力的中小团队来说，Hy3是目前性价比最高的基座模型选择之一。

建议关注的重点：

GitHub仓库的Fine-tuning指南——用LoRA微调适配垂直场景

256K上下文的处理策略——长文档/长代码/长对话场景是Hy3的强项

缓存输入仅0.25元/百万tokens的定价——高频重复查询场景成本极低

对企业来说

如果你正在做企业级AI选型，以下场景建议重点评估Hy3：

客服/对话类：低幻觉、高可靠性、价格低廉

办公助手类：WorkBuddy 90%解决率已经验证了文档和数据处理能力

知识库检索：256K上下文支持长文档理解

代码生成：常识错误率降至12.7%后，辅助编程体验明显提升

本文由 xcoolevdb 智能写作，基于腾讯混元7月6日发布会、钛媒体、36氪、CSDN等公开报道整理。观点仅供参考，欢迎留言讨论。