腾讯混元Hy3 Preview正式开源，聚焦Agent与代码智能体能力

姚顺雨入职腾讯后首次交卷。腾讯混元 Hy3 preview 今日正式官宣并开源，目前已在元宝和 WorkBuddy 上线。模型总参数 295B，激活参数仅 21B，定位实用性，在真实业务场景里追求好用。

官方标注的重点能力是 Agent 和 Coding，恰好是姚顺雨在 OpenAI 深耕的方向——Operator 和 Deep Research 背后都有他，ReAct 框架也是他提出的。

Hy3 preview 在 SWE-Bench Verified、Terminal-Bench 2.0 等主流代码智能体基准，以及 BrowseComp、WideSearch 等搜索智能体基准中取得了有竞争力的结果。

智能体能力方面，Hy3 preview 在 ClawEval 和 WildClawBench 等评测中同样表现突出。

快慢思考融合、长上下文理解、指令遵循也是官方强调的方向，闲聊写作同样可玩。除了公开榜单，腾讯混元还构建了多个内部评测集，结果 Hy3 preview 均体现强竞争力。

价格方面，在腾讯云大模型服务平台 TokenHub 上，Hy3 preview 输入价格最低 1.2 元/百万 tokens，输入命中缓存价格 0.4 元/百万 tokens，输出价格最低 4 元/百万 tokens。比较各开源模型大小与智能体综合表现，Hy3 preview 展现出高性价比。

目前，Hy3 preview 已在腾讯云、元宝、ima、CodeBuddy、WorkBuddy、QQ、QQ 浏览器、腾讯文档、腾讯乐享等首发上线。元宝和 WorkBuddy 两个场景，我们抢先实际体验了一番。

Hy3 preview 上线元宝

元宝是最直接的对话入口。我们出了两道题，一道逻辑推理，一个创意写作，想看看基础对话能力。

第一题是：

六个人A B C D E F参加一个循环赛，每两人之间恰好比赛一次，赢得1分，输得0分，平局各得0.5分。比赛结束后：A的得分严格高于B，B严格高于C，C严格高于D，D严格高于E，E严格高于F，所有人得分各不相同，且A和F的比赛结果是平局。请问C的得分是多少？给出完整推理过程。

这道题的难点在于“A和F平局”——第一名和最后一名平局，直觉上说不通，但不违反规则。六人循环赛总分固定 15 分，分数严格递减且各不相同，约束够多，答案唯一。结果答案正确，C=3，推理过程也没有问题。它处理“A和F平局”的方式干净：直接从总分 15 分倒推 A 只能是 4.5，F 自然锁定 0.5，剩下四人的分配唯一确定，没有绕弯子。

再看看写作，任务是这样的：

写一段对话。场景是：一个人正在和自己五分钟后的自己通电话，五分钟后的自己一直在哭，但不肯说为什么。200字以内。

结果元宝写得出乎意料：不肯说为什么没有绕开，反而成了核心。“我现在说……就全都完了”把沉默变成有重量的东西，暗示说出口会改变某些事。结尾“看着屏幕上显示的‘5分钟后’，脊背发凉”留白干净。

WorkBuddy 也被进驻

元宝测对话，WorkBuddy 换个维度——本地安装跑，直接操作电脑文件和终端，不走云端。我们布置了三件需要真正做成的事。

第一个任务测它处理本地文件的能力：一堆散落的业务数据文件，格式各异，命名混乱。我们准备了五个文件（销售订单流水、用户日活数据、渠道投放明细、企业客户合同台账、费用月度明细），有 txt 有 csv，共约 100KB。

prompt 是：

扫描我桌面上data文件夹里的内容。这是一家公司散落的业务数据，格式各异、命名混乱。请读取全部文件，整理成一份清晰的业务数据摘要报告，输出为一个可以直接在浏览器打开的HTML文件。

结果它自己写了一个 Python 脚本来读取数据，逐一处理完五个文件，txt、csv 都没卡住。

脚本跑完，HTML 报告在浏览器打开就可用，有核心指标卡片、分渠道明细表，样式干净。数字上，广告总投入 4393.3 万、Q3 平均 DAU 94310、企业客户合同 120 份总金额 2168 万，与原始数据逐一核对全部对得上，跨文件数字也整合关联了。

第二个任务换个方向，让它自己从零开始找信息：

帮我做一份关于“AI Agent在企业办公场景落地”的深度研究报告。自己搜集资料，找到真实的产品案例和数据，识别目前落地的主要障碍，给出你认为接下来半年最值得关注的方向。不要只罗列信息，要有自己的判断。

它先拆成 4 个子任务，跑了 5 轮搜索，中途觉得不够又追加一轮，最后在本地建了工作记忆目录存结果。整个过程 18 次工具调用、21 条过程消息，没有一次等人指示下一步。

报告本身也撑得住。引用了 Google Cloud、微软财报、第一新声智库等来源，覆盖 7 个真实落地案例，信源多样。更值得说的是它对 数据 的态度：拿到数字后主动质疑，比如对 120% 复合增长率直接说“更多反映的是采购合同金额而非实际产生的业务价值”。

这种处理不像是只做检索总结，更像是真在研究。

第三个任务，让它做一个打字练习游戏：

做一个打字练习游戏，要求：HTML单文件，浏览器直接打开可以玩；随机生成一段英文单词供用户输入；实时高亮显示输入正确/错误的字符；计时从第一次按键开始；完成后显示准确率和WPM（每分钟字数）；有重新开始按钮。不依赖任何外部库，所有代码写在一个HTML文件里。

代码一次出来就能用，打开浏览器直接玩，没有报错，逻辑正确：

• 计时从第一次按键触发，不是页面加载就开始
• WPM 用标准 5 字符/词算法，实时更新
• 准确率按字符逐个比对，完成后结果面板自动弹出，有动画，重新开始也干净
• 词库分常用词、技术词汇、日常词汇三层，随机抽取，不会每次都一样

另外，空格显示为·而不是空白，方便用户知道空格位置，是个主动做的用户体验设计。

混元重建的第一步

混元内部把 Hy3 preview 定调为团队、架构、基础设施全面重建之后交出的第一个版本。尺寸较小，定位实用性，不追参数规模，把重心压在真实业务场景中能不能跑出效果上。这个路子与姚顺雨一直讲的判断一致：AI 已进入下半场，光堆规模没用，得定义真正有用的任务，在真实业务和复杂场景中反复锤炼。

姚顺雨表示：Hy3 preview 是混元大模型重建的第一步，希望通过开源和发布获得社区和用户的真实反馈。同时，混元团队也在继续扩大预训练和强化学习的规模，提升模型智能上限，并通过与腾讯众多产品的深度 Co-Design，持续提升模型在真实场景中的综合表现，探索特色模型能力。