姚顺雨带队三个月重构混元，Hy3 preview 上线了
「Hy3 preview是混元大模型重建的第一步。」作者｜连冉姚顺雨交出了加入腾讯后的第一份模型答卷。4 月 23 日，腾讯混元 Hy3 preview 语言模型发布并开源
这是一款主打快慢思考融合的 MoE 语言模型，总参数 295B，激活参数 21B，最大支持 256K 上下文长度，官方称其整体性能达到同尺寸模型最佳水平
从研发节奏来看，Hy3 preview 于 2026 年 1 月底正式启动训练，从训练到上线用了不到三个月，被腾讯内部定义为混元大模型从「读万卷书」走向「行万里路」、尝试解决真实世界复杂问题的开端
而这款模型最受行业关注的核心标签，是它作为备受瞩目的「天才少年」姚顺雨，在 2025 年底加盟腾讯后，全程主导推出的第一代大模型。作为腾讯重金邀请的首席 AI 科学家，Hy3 preview 既是他对重构后的混元研发体系的首次完整实践，也承载着腾讯补齐 AI 短板、在大模型下半场实现追赶的核心期待
姚顺雨表示，「Hy3 preview 是混元大模型重建的第一步。我们希望通过这次开源和发布，获得来自开源社区和用户的真实反馈，帮助我们提升 Hy3 正式版的实用性
与此同时，我们也在继续扩大预训练和强化学习的规模，提升模型的智能上限，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，并开始探索特色模型能力
」01一手实测 Hy3 preview从官方披露的核心信息来看，Hy3 preview 从研发之初就围绕智能体（Agent）场景做了针对性设计，这也是它与此前混元系列模型最核心的差异
在启动模型训练前，姚顺雨主导完成了混元预训练和强化学习基础设施的全面重建，同时定下了模型追求实用性的三大核心原则，构成了 Hy3 preview 的研发底层逻辑： 能力体系化：不推崇「偏科」，因为即便是代码智能体的单一应用，也涉及推理、长文、指令、对话、代码、工具等多种能力的深度协同；评测真实性：主动跳出易被「刷榜」的公开榜单，通过自建题目、最新考试、人工评测、产品众测等多种方式评估和改进模型的「真实战斗力」；性价比追求：实用性离不开商业合理性，深度协同模型架构和推理框架的设计，大幅降低任务成本，让智能用得起、用得好
官方资料显示，Hy3 preview 采用了总参数量 295B、激活参数仅 21B 的 MoE 架构，同时融合了「快慢思考」机制
21B 的激活参数，为模型高频次、长链路的 Agent 调用提供了低成本的运行底座；而「快慢思考」的融合设计，天然适配复杂逻辑推理与多步工具调用场景，也就是姚顺雨提出的 ReAct（推理 - 行动）循环
极客公园第一时间实测了 Hy3 preview，先以一个覆盖数据抓取、数值计算、可视化生成、文本分析全链路的综合任务来试水，「使用 Python 抓取过去 90 天纳斯达克 100、伦敦金与沪深 300 的日线收盘数据
计算它们之间的皮尔逊相关系数，并用 D3.js 或 ECharts 生成一个单文件 HTML 动态热力图。最后，基于数据结果输出一段 500 字的跨市场资产配置 Memo
」视频来源：极客公园可以看到，Hy3 preview 在数据获取阶段反复受阻，接口认证失败后接连切换 akshare、yfinance 等多个数据源，纳斯达克 100 数据因速率限制缺失而被迫用模拟数据替代，修错重试的循环消耗了大量时间
可视化交付上，Hy3 preview 最终生成了三资产相关性热力图，但由于部分数据并非真实采样，热力图的准确性与可信度打了折扣
最核心的文本交付物缺失明显——提示词明确要求输出 500 字跨市场资产配置 Memo，Hy3 preview 却只给出了几行 Bullet point 式的简略配置比例，没有成文的分析段落，任务交付在关键环节出现了缺位
我又尝试了另一个长链路 Agent 测试——启用浏览器模式，在 SkillHub 平台进行全链路深度抓取，完整理清腾讯文档 Skill 的 Auth 认证全流程与数据同步底层机制，最终输出一份标准化的技术原理分析文档
视频来源：极客公园在这次测试中，Hy3 preview 展现了清晰的 Agent 自治与多步推理（ReAct）过程：先搜索 SkillHub 整体介绍；发现需要深入，又去精准抓取了 Auth 认证的开发者文档；接着去查了 MCP Server 的底层原理；最后才开始动笔写文档，这证明了 Hy3 preview 作为 Agent 的路由调度中心，其长链路规划和工具调用很稳定，没有在中途崩溃或陷入死循环，完整走完了「推理 - 行动 - 验证 - 输出」的闭环
这一表现也与官方披露的产品落地数据形成了呼应：在 CodeBuddy、WorkBuddy 产品上，Hy3 preview 首 toke