2.67分：騰訊AI繞過元寶，用一條新路徑把生產力工具串起來了

270名內部專家盲測打分，Hy3正式版拿下2.67分，高于GLM-5.1的2.51分。這項評測沒有放在通用榜單上比參數、比跑分，而是直接扔進前端開發、數據與存儲、CI/CD這些真實工作流里，讓懂行的人評判誰更能幫自己把手頭的活干完。從1月底重建基礎設施，到4月推出Hy3 Preview，再到7月發布正式版，混元團隊完成了一次從底層訓練、產品接入、用戶反饋再回到模型優化的完整循環。

過去幾年，騰訊的AI產品布局給外界留下的印象，往往是分散甚至有些互相賽馬的意味。元寶、ima、WorkBuddy、CodeBuddy、QClaw、Marvis，加上微信的小微和QQ瀏覽器里的QBot，這些產品來自不同團隊，有時甚至使用不同模型，各自瞄準的人群和場景也不一樣。這種多方出擊的態勢一度讓行業難以判斷，騰訊到底要押哪款產品來建立自己在AI時代的立足點。但隨著微信開始內測小微、姚順雨團隊發布Hy3正式版，兩條路徑開始清晰起來。

第一條路徑由微信主導，面向日常生活場景。它背靠微信龐大的用戶基數，以及已經跑通的小程序、內容、社交和支付生態，讓AI幫忙完成點餐、出行、購物、信息查詢這些普通用戶每天都會遇到的任務。第二條路徑則是以Hy3和WorkBuddy為核心，面向泛生產力場景集中發力。它強調的是模型與Agent產品的協同——模型負責理解用戶意圖、規劃執行步驟，Agent調用文檔、代碼、瀏覽器、本地文件這些工具，打通企業協作鏈條，最終把成果直接交付給用戶。本周Hy3正式版上線，讓第二條路徑變得更加明朗：Hy3提供底層能力，WorkBuddy承接任務執行，騰訊文檔、企業微信、騰訊會議、ima等產品被重新組織成Agent可以調用的技能模塊。與此同時，元寶也增加了PPT、HTML等文件的交付能力，開始向任務執行側靠攏。

Hy3正式版的變化不在參數規模上。它仍然使用融合快慢思考的MoE架構，總參數2950億、激活參數210億，支持最高256K上下文，跟4月的Preview版基本一致。騰訊的判斷是，這個參數規模能在模型能力與推理效率之間找到一個平衡點，讓模型以更低的成本跑進大量真實的業務場景里。能力的提升更多體現在任務完成度上。官方發布的技術博客提到，Hy3正式版在軟件開發、辦公協作、金融建模、前端設計、游戲制作等生產力任務上進步顯著，同時優化了輸出格式和工具調用的穩定性、知識常識和抗幻覺能力、復雜上下文承接與多輪意圖保持等一整套體驗向的能力。

騰訊內部給出了一組更具體的評測數字：在270名內部專家參與的真實工作盲測中，Hy3正式版的幻覺率從12.5%降到了5.4%，常識錯誤率從25.4%降到了12.7%，多輪對話問題率從17.4%降到了7.9%。這些數字瞄準的場景非常實際。生產力Agent往往需要連續完成多個步驟，它一旦在中間環節理解錯了任務約束，調錯了工具，或者在長鏈條執行中忘了一開始的目標，最終交付的東西就會失去使用價值。幻覺率、常識錯誤率和多輪問題率的下降，直接關系到Agent能不能把用戶交代的事從頭到尾辦穩妥。

這些改進的方向，基本印證了姚順雨接手混元之后對外表達的研發思路：把評估重心從外部Benchmark排名移到產品用戶體驗上。騰訊集團高級執行副總裁湯道生在一次對外交流中也說過，姚順雨推動混元做了一項重要清理，清掉了一批規模可觀但實際訓練價值有限、甚至可能產生負面作用的數據。在姚順雨看來，當訓練方法和基礎能力逐漸擴散之后，真正稀缺的資源會變成幾樣東西：值得解決的問題、適合Agent運行的環境，以及高質量的用戶上下文。模型只有跑進真實產品，才會撞上那些公開Benchmark永遠覆蓋不到的錯誤，也才能摸清楚到底哪些能力會真正影響用戶把任務完成。

這條思路恰好能把騰訊積累的產品矩陣用起來。在生產力場景里，騰訊手里有代碼開發、在線文檔、會議溝通、辦公協作等一批產品，這些產品可以持續提供真實任務，并把執行結果重新反饋給模型做優化。WorkBuddy在其中扮演一個關鍵試驗場。它提供一個Agent原生的復雜環境，Hy3的工具調用和任務規劃能力在這里接受真實用戶的直接檢驗。模型與產品之間由此形成了一個更明確的協作體系：混元負責理解用戶意圖、規劃步驟、調度工具，WorkBuddy等產品負責提供任務環境和交付載體。這套配合，會成為騰訊把分散產品串聯起來的起點，也可能加速它追趕領先模型的節奏。

這個起點的意義不止于多了一類產品。更重要的是它為騰訊原本分散的辦公產品和企業服務提供了一套Agent時代的組織方案。騰訊在生產力領域并非沒有積累：企業微信連接組織與客戶，騰訊會議承載溝通環節，騰訊文檔處理內容，CodeBuddy開始進入軟件開發流程，每個產品各自負責完成一個環節。但到了Agent時代，邏輯變了。由人提出任務目標，Agent負責拆解步驟、選擇和調度不同的工具協同完成任務，文檔、會議、代碼、企業知識庫就從獨立應用變成了任務流程中被調用的能力模塊。

與元寶需要在通用助手領域跟豆包、DeepSeek、千問正面競爭的局面不同，WorkBuddy切入的是一個競爭格局還沒完全定型的市場。元寶本質上是一個面向C端用戶的聊天機器人，它所扮演的角色未來有較大概率會被微信的小微替代。而WorkBuddy是一個圍繞任務搭建的桌面Agent工作臺，負責讀取用戶授權的本地文件、瀏覽網頁、調用模型和各項Skill，最終以文檔、表格、PPT、網頁或分析結果的形式交付成果，把整個任務鏈條組織起來。并且，相比元寶的后發追趕，在這種偏重任務執行的Agent方向上，WorkBuddy從一開始就具備一定的先發優勢。它建立在CodeBuddy的Coding Agent內核之上，更早推向市場，起步就帶有任務規劃、工具調用和執行控制的能力。CodeBuddy本身也是國內較早從代碼助手升級到Coding Agent的產品之一。

WorkBuddy的價值也不只是成為另一個流量入口，而是要成為這些能力重新組合的連接節點。湯道生曾經提到，騰訊文檔在做的一項重要工作，就是把它多年積累的文檔處理能力轉化成WorkBuddy可以直接調用的Skill。沿著同一邏輯，騰訊此前在企業辦公場景中積累的產品和用戶，都有機會被導入到WorkBuddy的工作流里。從元寶到WorkBuddy的交接棒背后，意味著騰訊在微信之外的AI業務開始更加聚焦到泛生產力場景。在Hy3的兩個版本相繼發布之后，這種變化變得更加明確。

現實的反饋已經在驗證WorkBuddy的潛力。數據顯示，WorkBuddy上線三個月后，人均Token消耗增長了10倍以上。Token使用量不能完全等同于留存率和商業價值，但它可以說明用戶交給Agent的任務正在變多、變長。對一個還在投入期的產品來說，這也是判斷模型、工具和工作流是否真的被用起來的重要信號。騰訊也明顯加大了對其的推廣力度。2026年以來，WorkBuddy在北京、上海、廣州、深圳等城市的核心通勤區域進行了集中投放，頻頻出現在公眾號信息流廣告中，內容也更直接地展示寫報告、做PPT、處理表格等具體任務能力。