腾讯混元Hy3正式版发布：295B MoE架构大模型，256K上下文、高性价比商用，实测逼近GPT-5.5能力
SmartHey7月6日消息，7月6日，腾讯混元Hy3正式版发布。Hy3是一款融合快思考与慢思考的混合专家（MoE）大模型，总参数量达2950亿（295B），激活参数仅210亿（21B），支持最长256K tokens的上下文长度，兼顾性能、效率与实用性。
今年4月23日发布的Hy3 Preview已在复杂推理、指令遵循、上下文学习、代码生成及智能体（Agent）能力上实现对前代Hy2的跨越式升级；而正式版Hy3通过进一步扩大后训练算力规模、提升数据质量与多样性，并针对性优化幻觉抑制机制，在各项基准测试中再次显著跃升——以更小模型尺寸，首次达到与国内外参数量2–5倍级旗舰模型相当的实际表现。
Hy3延续‘实用、普惠’的产品定位，商业化定价极具竞争力：输入1元/百万tokens，输出4元/百万tokens；若命中缓存，输入成本低至0.25元/百万tokens，大幅降低高频调用场景成本。
在开源策略上，Hy3采用全球开发者最友好的Apache 2.0协议，支持免费商用与深度定制。为加速全球落地，Hy3将同步上线OpenRouter、Hermes、Kilo、Cline、OpenClaw、OpenCode、CherryStudio等主流海外平台，并于发布当日（Day 0）接入Hugging Face与ModelScope（魔搭）两大开源模型社区。
这一系列设计清晰锚定了Hy3的差异化竞争坐标：不盲目堆砌参数，而是以工程化思维追求真实任务效果——在多项关键能力上逼近甚至局部超越参数量数倍的竞品，同时保持成本与部署门槛优势。
两个月迭代：从Preview到可交付的正式版
4月23日发布的Hy3 Preview是混元架构重建后的首个版本，已获腾讯内部多条产品线真实调用，并被全球开发者广泛验证于实际任务中。
此后两个月的密集迭代聚焦三大方向：扩大后训练算力投入、增强训练数据质量与任务覆盖多样性、构建细粒度幻觉检测与约束机制。
成果直观体现在权威基准上：在12项横向对比中，Hy3较Preview提升最显著的是SkillsBench（29.1 → 55.3）与MathArena Apex（12.8 → 38.7）；Agent与代码核心能力整体提升20%–30%，幻觉率下降约50%。
在Agent与工具编排类评测中，Hy3确立明显领先优势：ClawEval pass³达68.5，超越DeepSeek V4 Pro（62.4）与Qwen 3.7 Max（65.2）；SkillsBench 55.3同样位居第一；BrowseComp 84.2与GPT-5.5（84.4）基本持平。代码能力方面，SWE-bench Pro从46.0跃升至57.9，NL2repo从35.3提升至45.6，进步显著，但相较顶尖竞品仍有3–5个百分点差距。
数学推理仍是当前主要瓶颈：MathArena Apex得分38.7，GPT-5.5为85.4；Qwen 3.7 Max亦仅44.5——这反映出国产大模型在高阶纯推理任务上仍需系统性突破，也是行业共同攻坚方向。
真实业务场景全面验证
Hy3已正式接入WorkBuddy/CodeBuddy、元宝、ima、Marvis、QQ浏览器、腾讯新闻、WeGame、腾讯乐享、搜狗输入法、微信公众号等十大核心产品；另有近50个业务正排队接入。
在WorkBuddy办公场景中，自主选用Hy3 Preview的用户数增长6倍；正式版上线后，内部测评显示任务解决率从72%跃升至90%，平均耗时缩短34%，在数据处理、文档解析、研报生成等细分任务中表现全面提升。
ima围绕知识库问答与Agent两大核心场景深度评测Hy3：Agent任务中系统稳定性达95.1%，工具编排能力尤为突出，无效重试与“应止未止”等错误操作大幅减少，复杂任务规划更精准、一步到位；知识库问答推理质量净提升近19%，长文写作与方案生成的结构完整度、信息覆盖度与可用性显著增强。
元宝的对话交互场景为模型迭代提供了关键反馈，例如Hy3 Preview在AI搜索与长文本生成中的幻觉问题。混元团队通过深度清洗训练样本、引入细粒度幻觉识别模块与强化约束训练，使模型在多源证据下保持稳定输出。
在内部基于真实业务的长文与RAG专项评测中，Hy3正式版幻觉率较Preview下降约44%；基于元宝真实用户日志的线上评估显示：深度推理（high）模式常识错误率降低12.3%，极速（no_think）模式降低8.5%。
升级Hy3后，元宝Agent在信息查询、数据处理、文档办公、生活决策、网页制作等全场景评测中全面进阶，工具调用更稳健，空转与无效重试显著减少，复杂任务规划准确率与执行成功率双提升。
在元宝Agent Benchmark中，Hy3在综合办公与生活服务两大核心场景中，已超越GLM 5.1等主流国产模型，能力表现逼近Claude Sonnet 4.6等国际一线模型，完全具备支撑高可靠性生产链路的能力。
“交成品”级实测：油气现金流模型零硬编码、全表联动无污染
在WorkBuddy中，Hy3独立完成一家油气公司的合并现金流建模任务——涵盖三个区域、六大储量区块、5220格联动总表，涉及价格逐年切换、NGL按差率折算、零产量异常处理、三级小计汇总等真实建模难点。
Hy3全部正确实现，并达成两项关键标准：一是全程零硬编码，所有数值均为可随假设自动重算的“活公式”，证明其具备自主建模而非机械套模的能力；二是上千行跨多表超大模型全程逻辑一致，未出现任一单元格出错引发连锁污染，展现出极高的稳定性与可信度。
对金融、咨询等高度依赖复杂模型的行业而言，这种端到端的可靠性，正是大模型能否真正融入核心工作流的决定性门槛。