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 295B，192 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 2.67/4，GLM-5.1 得分 2.51；Hy3 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 Hy3：
- SWE-bench Verified：84.2 vs 78.0
- 多语言 SWE-bench：83.0 vs 75.8
- Terminal-Bench 2.1：81 vs 71.7
- DeepSWE 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、KiloCode，SWE-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 295B，FP8 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。