Full text · 原文
3,164 字
（文/陈济深 编辑/吕栋）
<br>
7月23日，腾讯宣布将混元大语言模型部与多模态模型部合并，组建“基础模型部”，由腾讯首席AI科学家姚顺雨统一负责。合并后，姚顺雨的管辖范围从大语言模型和AI Infra，扩展至文生图、文生视频、文生3D、数字人等全模态底层研发，成为腾讯混元技术研发体系中事实上的一号人物。
<br>
合并前，混元算法研发自2025年4月起分为大语言模型部和多模态模型部两条线。姚顺雨2025年9月从OpenAI加入腾讯，12月出任腾讯“CEO/总裁办公室”首席AI科学家，同时兼任AI Infra部和大语言模型部负责人。多模态模型部则由原阿里通义实验室应用视觉团队负责人薄列峰分管。
<br>
整合之后，原本分属两个部门的语言基座、多模态生成与理解和AI Infra被放到同一条线上，算力调度、训练框架和数据资源统一分配。多模态模型部原负责人薄列峰在合并后的职务，腾讯尚未公布。
<br>
姚顺雨的两个身份对应着两条汇报线：作为首席AI科学家，他向腾讯总裁刘炽平汇报；作为基础模型部负责人，他向TEG总裁卢山汇报。他也是智能体方向的代表性研究者，提出的ReAct、Tree of Thoughts是该领域引用最高的框架之一，参与发起的SWE-bench是代码智能体的主流评测。
<br>
与姚顺雨的全面接掌形成对照的，是混元多模态理解负责人胡瀚的离开。他将从腾讯离职，转向创业。
<br>
值得注意的是，7月7日混元开源HunyuanOCR-1.5时，他的名字还出现在技术报告的作者名单里；仅仅十六天后，他就要离场了。
<br>
胡瀚2025年初加入腾讯，接替此前离职的刘威，负责混元多模态大模型研发。2025年下半年，他调入大语言模型部旗下“Frontier”前沿技术研究组，负责多模态理解，向姚顺雨汇报。在腾讯一年半，他的头衔从多模态大模型负责人，变成了前沿研究组下的一个方向负责人。
<br>
加入腾讯前，胡瀚任微软亚洲研究院视觉计算组首席研究员，是Swin Transformer核心作者之一，该论文获ICCV 2021最佳论文奖（马尔奖）。
<br>
同一时期，混元多模态理解预训练负责人彭厚文、大语言模型预训练负责人姚星丞也相继传出离职。
<br>
接棒方面，OpenAI前研究员田永龙7月初入职腾讯大语言模型部，后续将参与视觉语言模型（VLM）相关研发，向姚顺雨汇报。
<br>
田永龙本科毕业于清华大学，博士毕业于MIT EECS，此后历经Google Research、Google DeepMind，2024年10月加入OpenAI，与姚顺雨同期共事。此外，今年初，原新加坡Sea AI首席研究科学家庞天宇加盟混元；3月，多位字节Seed骨干加入腾讯，分掌AI Infra与强化学习关键组，均向姚顺雨汇报。
<br>
至此，混元在Infra、强化学习、多模态几条关键线上的负责人均已到位。
<br>
此次组织收束的底气，很大程度上来自姚顺雨加入后交出的首份成绩单。
<br>
7月6日正式上线的Hy3，采用MoE架构，总参数295B、激活参数21B，上下文窗口256K。发布一周后，Hy3总调用量较上一代（Hy2）增长超68倍；腾讯AI工具软件WorkBuddy自选模型的用户中，选择Hy3的占比达60%。在海外，Hy3在OpenRouter平台单周处理6.13万亿tokens，登顶周度使用量排行榜第一。此前Hy3 Preview也曾连续三周位居OpenRouter榜首。
<br>
Hy3采用Apache 2.0开源协议，全球开发者均可免费商用。付费定价为每百万输入tokens 1元人民币、每百万输出tokens 4元人民币。
<br>
混元在多模态侧同样有了一定技术累计和用户口碑。4月开源的混元3D世界模型2.0社区下载量超300万；图像模型3.0曾在LMArena榜单位列国内开源第一。7月中旬的世界人工智能大会上，腾讯还发布了三款具身基座模型。
<br>
混元的组织架构变革不是自下而上的演化，而是腾讯最高层意志的体现。
<br>
在今年年初的腾讯年会上，腾讯总裁刘炽平公开表示，混元的研发更像应试考试，“单项成绩表现不错，但一进考场就露馅”，不少关键能力都有缺失。姚顺雨以顾问身份排查后，结论更为尖锐。他发现，混元过度追求榜单成绩，数据标注准确率的验收线定在95%，实际却长期停留在60%至70%。
<br>
正是基于这一判断，姚顺雨入职后做的第一件事，就是向刘炽平提了一个请求：从新模型发布起至少一年，希望总办不要看榜单，并最终获得了认可。
<br>
此后他主导确立了“去榜单化、聚焦真实场景价值”的研发路线，推动模型与产品Co-Design，将混元的北极星指标从外部benchmark改为产品用户体验。
<br>
今年6月，腾讯云与智慧产业事业群CEO汤道生在公开对谈中评价称姚顺雨“给元宝带来了很大价值”，目前80%的元宝用户都在使用混元3，留存率有明显提升。
<br>
路线调整之外，腾讯对于AI及自研投入也在同步加码。刘炽平透露，2025年腾讯在混元、元宝两个产品上的投入已超过180亿元，预计2026年相关投入至少翻倍。一季度财报显示，本季资本开支319.4亿元，同比增长16%，环比增幅高达63%，绝大部分资金投向AI算力和基础设施；研发投入225.4亿元，同比增长19%。
<br>
混元组织结构的统一也意味着腾讯将在全模态模型上加速发力，全模态模型中，视觉和语音不再是在语言模型之外挂插件，而是要从预训练阶段就和语言放进同一个模型里练，后训练也要一起做，GPT-4o、Gemini这类原生全模态模型已经是这个形态。这意味着数据管线、训练框架、算力分配和评测口径必须是同一套东西，而如果按照原来的组织架构，则势必存在团队沟通和对齐成本。
<br>
姚顺雨在6月的腾讯云峰会对谈中也阐述了这一逻辑：模型和元宝的Co-Design使模型产生很强的聊天和搜索能力，这样的能力又可以被迁移到ima和WorkBuddy等产品，这些产品提供不同的数据，但数据之间可以相互泛化，形成一个网络化的体系。这一逻辑的自然延伸，就是将语言和多模态放在同一个数据、训练、评测的闭环中。
<br>
从2025年4月两个部门并立，到2026年7月合并为一个基础模型部，混元这场自上而下的组织重构持续了一年多。
<br>
混元变革时间线：从两部门并立到“全模态大一统”
<br>
组织层面的合并已经到位，接下来要交卷的是下一代模型Hy4。
<br>
观察者网了解到，腾讯Hy4已在训练中，模型尺寸将更大，也将加入多模态能力。混元团队的判断是，Hy4仍处追赶头部状态，但差距会明显缩小，目标2027年进入国内第一梯队。
<br>
值得注意的是竞争对手们也在加速。智谱GLM已在开发者群体中攒下口碑；字节Seed正在训练一个史无前例的大尺寸模型；Kimi的K3押注架构创新。在AI应用层面，QuestMobile数据显示，截至2026年3月，亿级月活AI应用仍然是豆包、千问、DeepSeek三分天下，元宝月活仅为5735万，一季度用户增量820万，同期豆包和千问增量分别为1亿和1.26亿。
<br>
胡瀚选择的创业方向也折射出行业的风向。2026年上半年，具身智能领域发生288起融资，总额约460亿元；世界模型赛道，李飞飞的World Labs累计融资超12亿美元，LeCun创立的AMI Labs拿到10.3亿美元种子轮。
<br>
回到混元自身，全模态模型的训练周期以季度甚至以年计，这次合并的成色如何，短期内还难有定论。
<br>
答案或许要回到姚顺雨本人身上。他此前谈及加入腾讯的原因时说：“在AI下半场，方法论已经非常成熟，但寻找问题变得更加困难，加入腾讯是因为这里有很多好问题和好产品。”如今组织架构已经收束到位，剩下的问题是，这些好问题，最终能不能换来好答案。