文 | 字母 AI

姚顺雨自从加入腾讯之后，可算是拿出了一个模子产物了。

诚然说目前腾讯放出来的还仅仅个 preview 版块，但也能借此初看脉络。

Hy3 preview 这个模子和市面上其他大模子最大的折柳在于，它贯彻了姚顺雨对障碍文独到的那种"执着"。

当其他厂商都在卷 agent 才气、代码生成、多模态的时候，Hy3 把"出色的障碍文体习和指示遵照才气"单独拎出来，写进了中枢才气清单的第一条。

别东说念主模子宣传的第一张性能天梯图，放的都是什么 SWE-Bench Pro 或者 Terminal-Bench 2.0 这种，以抒发模子在 agent 和代码上头何等出色。

Hy3 preview 不相似，它一上来放的是 AdvancedIF、AA-LCR，以及姚顺雨我方弄的 CL-bench，这些都是看障碍文推理、检索和指示遵照的榜单。

其实姚顺雨加入腾讯后发布的第一个研究后果等于 CL-bench，这是一个专门用来测试模子能否从障碍文中学习新学问并正确期骗的基准。

在论文里，姚顺雨的不雅点是现时大模子的中枢短板不是读不全、找不到，而是"学不会、用不合、践诺不了"。

模子不错在障碍文里找到一条文矩，但它不会把这条文矩真是内化成现时任务的践诺逻辑。

Hy3 preview 的想象，等于要惩办这个问题。

这是姚顺雨对障碍文这套叙事在产物层面的第一次完好意思落地。

不外，让咱们先从模子运行讲起。

01  Hy3 preview 是一个怎样的模子？

Hy3 preview 是一个 295B 总参数、21B 激活参数的搀杂各人模子，赈济 256K 障碍文长度。

这个模子最中枢的特色，是它在障碍文体习和指示遵照上的进展。

姚顺雨此前为测试模子真是的障碍文才气，提议了 CL-bench 和 CL-bench-Life 这两个评测基准，查验模子能否从障碍文中学习新学问并正确期骗。

Hy3 preview 在 CL-bench 上的得分是 26.7，比较 Hy2 的 19.2 接济了 39%。在 CL-bench-Life 上得分 22.8，比较 Hy2 的 16.5 接济了 38%。

这个接济并不是通过给模子增多障碍文窗口长度竣事的，是靠模子真是学会了怎样从参差的障碍文里，索要出有用的划定，并把这些划定期骗到了现时任务中，后头我会列举出一些例子，读到的时候你就懂了。

姚顺雨对 Hy3 preview 明确提议了三个原则。

第一条是才气体系化，不珍视偏科，因为即使是代码 Agent 这么的单一期骗，背后也需要推理、长文、指示、对话、代码、器用等多种才气的深度协同。

第二条是评测真是性，主动跳出容易被刷榜的公开榜单，通过自建题目、最新磨真金不怕火、东说念主工评测、产物众测等方式，去评估模子在真是场景里的讲和力。

第三条是性价比追求，深度协同模子架构和推理框架的想象，大幅捏造任务资本，让智能用得起、用得好。

这三条原则，执行等于"让模子真是能在真是场景里责任"这件事的一体三面。

姚顺雨知说念一个道理，2026 年都快过一半了，全球早就明晰这些榜单刷分是没故好奇景仰的，是以模子一定要强调出产环境里自如运行，在用户手里真是有用。

Hy3 preview 的障碍文体习才气、指示遵照才气、长文档处理才气，其实也都是为了这个观点服务的。

具体来说，Hy3 preview 在处理真是场景任务时，展现出了三个要津才气。

第一是从冗长文本中准细目位要津信息。它不是通俗地作念要津词匹配，而是能够贯通信息之间的逻辑议论，知说念哪些信息是任务的前提条目，哪些信息是践诺拘谨，哪些信息是优先级记号。

第二是从隐含划定中推导出践诺逻辑。许多真是任务的划定不会明确写出来，而是洒落在对话、纪要、文档的各个边缘。Hy3 preview 能够把这些碎屑化的信息整合起来，变成一套完好意思的践诺决策。

第三是在多轮交互中保握障碍文的连贯性。它不会因为对话轮次增多，就丢失前边的要津信息，也不会因为中间插入了其他话题，就健忘现时任务的观点。

这三个才气，赶巧对应了姚顺雨在 CL-bench 论文里指出的问题。

他以为现时大模子的中枢短板不是读不全、找不到，而是"学不会、用不合、践诺不了"。

模子不错在障碍文里找到一条文矩，但它不会把这条文矩真是内化成现时任务的践诺逻辑。它更像是在作念检索和拼接，但在执行任务中，模子应该是对障碍文在作念贯通。

而 Hy3 preview 的想象，等于要惩办这个问题。

腾讯混元团队在里面作念了多数真是场景测试，来考据 Hy3 preview 的障碍文体习才气。

一个典型场景是会议纪要索要待服务项。给模子一份几千字的会议纪要，里面洒落着七八条荫藏前提：某个共事这周请假，某个模式的预算在商榷中被诊治，某个任务的优先级在多轮商榷后被再行排序。模子需要从这些参差的信息里，准确索要出悉数待服务项，不成漏掉任何一条，也不成瞎猜任何一条。

Hy3 preview 在这类任务上的进展，披露好于之前的模子。它能够准确识别出哪些是仍是细目的任务，哪些是还在商榷中的想法，哪些是被否决的决策。

另一个场景是旅行打算整理。

用户可能在多轮对话里，不息提议各式需求，比如预算法则、时候安排、同业东说念主员、偏好类型。这些信息不是一次性给出的，而是在对话过程中从容补充和修正的。

Hy3 preview 能够在每一轮对话后，更新我方对任务的贯通，并凭证最新的拘谨条目，诊治输出决策。它不会因为前边说过"预算 5000 "，后头又说"最多 4000 "，就输出一个水火不容的打算。

这种障碍文体习才气，在 Hy3 preview 的 agent 期骗中施展了要津作用。

腾讯在 CodeBuddy 和 WorkBuddy 的执行部署中，Hy3 preview 仍是能自如驱动 495 步的复杂责任流。

在这长达 495 步的任务链之中，每一步都能正确贯通现时的障碍文现象，并凭证这个现象作念出合理决策。

这个任务的难点就在于，淌若模子在第 50 步就贯通错了障碍文，那后头的 445 步就会全部偏离观点。

Hy3 preview 之是以能作念到这少许，靠的等于它在每一步都能从前边的践诺拆伙里，学到新的拘谨条目，并把这些拘谨条目期骗到后续举止中。

Hy3 preview 的另一个特色，是它在指示遵照上的自如性。

许多模子在面临复杂指示时，会出现贯通偏差或践诺偏离。用户要求输出 JSON 才略，它可能输出 Markdown；用户要求只列出前三项，它可能列出五项；用户要求不要加任何证明，它可能在临了加一段转头。

这些问题看起来是细节，但在出产环境里，每一个细节偏差都可能导致下流系统出错。Hy3 preview 在指示遵照上作念了专门优化，它能够准确识别指示中的才略要求、数目法则、输出范围，并严格按照这些要求践诺。

腾讯混元团队在元宝产物上的测试拆伙自大，Hy3 preview 介意图贯通精确度、文本创作质地、深度搜索等筹商上，都有披露接济。

你在和模子对话时，它能够在第一次交互中，就准确贯通用户想要什么，并给出合适预期的拆伙。

Hy3 preview 在长障碍文处理上的进展，也体现了姚顺雨对障碍文的贯通。

腾讯里面产物 ima 的测试拆伙自大，Hy3 preview 在处理几万字文档时，不管是学问库问答如故通用问答，都能准确找到需要的信息，而且转头得全面。它不会因为文档太长，就只热心伊始或拆伙，也不会因为信息溜达，就遗漏要津细节。

更热切的是，Hy3 preview 在长障碍文中的推理才气是自如的。许多模子在处理长文本时，会出现"障碍文税"问题。

通俗来说等于，跟着障碍文长度增多，模子的推理质地会下落，输出的准确性会捏造。

Hy3 preview 的想象，等于要让模子具备这种"现场学习"的才气。它不是靠增多预训诲数据量来遮蔽更多场景，而是靠接济障碍文体习才气，让模子能够在职何场景里，都能从目下的材料里学会新东西。

这种才气一朝建设起来，模子的顺应性就会大幅接济。它不再需要为每一个新场景都作念一次微调，也不再需要为每一种新任务都准备一套专门的提醒词。它只需要在障碍文里给出满盈的信息，模子就能我方学会怎样践诺。

这等于 Hy3 preview 和其他模子的执行折柳。

02  姚顺雨为何执着于障碍文？

姚顺雨对障碍文的执着，其实也不是从 CL-bench 才运行的。

往前推几年，他在普林斯顿和谷歌王人集研究时提议的 ReAct 框架，milansports就仍是在探索一个中枢问题：怎样让模子在推理和举止之间建设有用的反馈轮回。

ReAct 的全称是" Reasoning and Acting "，它的想象想路是让模子在践诺任务时，不休地"想考 - 举止 - 不雅察"，每一步的不雅察拆伙都会成为下一步推理的输入。

这个框架在 2022 年提议时，就仍是成为 agent 领域的经典范式。

姚顺雨以为，模子不成只会推理，也不成只会调用器用，它必须能够把推理才气和举止才气协同起来。

但这种协同的前提是什么？

是模子能够从每一步的践诺拆伙里，索要出对下一步有用的信息，而且把这些信息正确地整合到现时的推理链条里。换句话说，模子必须能够从动态变化的障碍文中握续学习。

这等于为什么姚顺雨加入腾讯后，第一件事等于推出 CL-bench。

他不是在议论 ReAct，他是在补足 ReAct 框架里一个更底层的才气缺口。

淌若模子连静态障碍文里的新学问都学不会，那它在动态的 Agent 责任流里，就更不可能凭证践诺反馈作念出正确诊治。

CL-bench 测的等于这个最基础的才气，给你一份材料，里面有你从没见过的划定，你能不成现场学会并用对。

Hy3 preview 的深层逻辑等于把这两个观点买通。

姚顺雨的"底层代码"是唯有读懂了障碍文，agent 才能真是干活。

是以 Hy3 preview 才有了这种" context-first、agent-facing "的想象。

别的模子在 agent 任务上的接济，靠的是单独优化器用调用或任务打算。Hy3 preview 在这些 agent 任务上的接济，是通过接济底层的推理、长文、指示、对话才气，让 Agent 的全体进展变强。

姚顺雨的这种把模子给体系化想路，和现时主流的 agent 存在执行折柳。

许多团队在作念 Agent 时，会专门针对某一类任务去优化，比如专门作念代码生成，或者专门作念信息检索。这么作念的克己是能在特定榜单上快速拿到高分，但坏处是模子的才气会变得很窄，一朝任务稍许偏离训诲场景，进展就会大幅下落。

姚顺雨是反过来，他不追求单项第一，他要让模子在多种才气上都达到可用的水平，然后让这些才气在执行任务里协同责任。

Hy3 preview 在腾讯里面产物上的部署效果，等于这种想路的考据。

CodeBuddy 和 WorkBuddy 的数据自大，Hy3 preview 的首 token 蔓延捏造了 54%，端到端时长裁汰了 47%，得手率接济到 99.99% 以上。

这三个筹商放在沿路看，阐述模子不仅仅变快了，它还在保握高得手率的前提下变快了。

姚顺雨的说念路很澄莹，模子的推理才气保证了任务打算的正确性，长文才气保证了障碍文贯通的准确性，指示遵照才气保证了践诺的自如性，代码才气保证了输出的可用性。

姚顺雨在昨年提议的" AI 下半场"判断里，提议了一个不雅点，他说真是决定模子能否走出 demo 的，是你到底有莫得把系统放进真是世界的拘谨里，并用真是世界的方式去评估它。

目前看来，这个不雅点在 Hy3 preview 的开采过程中得到了透彻贯彻。

腾讯混元团队构建了 50 多套里面评测体系，遮蔽了从基础才气到产物场景的各个层面。他们还专门去跑最新的磨真金不怕火，比如清华大学求真书院的数学博士履历考，寰宇中学生生物学联赛，用这些真是科场的收货来考据模子的泛化才气。

这种评测想路和主流作念法完满不同。大部分团队在作念模子评测时，会优先摄取那些仍是被鄙俚使用的公开榜单，因为这些榜单的拆伙容易对据说播，也容易和竞品作念对比。

但问题是，这些公开榜单通常仍是被过度优化，模子不错通过各式技能在榜单上刷出高分，但这些高分无意能诊治成真是场景里的可用性。

从 ReAct 到 CL-bench，再到 Hy3 preview，姚顺雨的研究道路一直没变。

怎样让模子在真是场景里，能够凭证现时的障碍文，作念出正确的推理和举止。

这个问题看起来通俗，但它波及了现时大模子的一个根人性短板。大部分模子在预训诲阶段记着了多数学问，但它们不会在推理时从目下的材料里学习新学问。这种才气的缺失，平直法则了模子在动态场景里的顺应性。

Hy3 preview 的价值，等于在这个方朝上迈出了实质性的一步。

03  Hy3 郑再版是啥样的？

说到 preview，我第一时候猜测的等于谷歌的 Gemini。

Gemini 的 preview 和郑再版之间，有一个澄莹的演化旅途。谷歌在 2025 年发布 Gemini 2.5 Pro 时，先推出了一个 preview 版块，这个版块在各项才气筹商上都很激进，推理深度、障碍文长度、多模态贯通都作念到了那时的顶级水平。

但 preview 版块有许多问题，比如资本高、蔓延长、自如性不够。到了郑再版发布时，谷歌作念了多数优化，把推理遵循接济了一大截，token 破钞降下来了，反应速率也快了许多。

谷歌告诉咱们，preview 版块是用来考据才气上限的，郑再版是用来作念出产部署的。preview 不错不计资腹地把各项才气推到极致，但郑再版必须在才气和资本之间找到一个不错大限制商用的平衡点。

谷歌在 Gemini 2.5 Pro 的迭代过程中，等于在不休诊治这个平衡点。他们在 6 月 5 日更新的 preview 版块里，LMArena 的 Elo 评分接济了 24 分，WebDevArena 的评分接济了 35 分，但同期也在优化推理框架，捏造蔓延，为郑再版的发布作念准备。

Hy3 preview 的定位，和 Gemini 的 preview 版块有相似之处，但也有披露折柳。

相似的方位在于，Hy3 preview 亦然腾讯混元重建后的第一个版块，它的主要任务是考据新的预训诲框架、强化学习历程、才气体系是否能跑通，能达到什么样的上限。

腾讯混元团队明确默示，Hy3 preview 是混元大模子重建的第一步，他们但愿通过此次开源和发布，赢得来自开源社区和用户的真是反馈，匡助接济 Hy3 郑再版的实用性。

但 Hy3 preview 和 Gemini preview 的折柳也很披露。

Gemini 的 preview 更像是一个才气展示版块，它会把各项筹商都推到很高，但不太磋议资本和部署的问题。Hy3 preview 从一运行就把性价比动作中枢想象观点之一。

从 Hy3 preview 的执行进展来看，它仍是具备了在出产环境里大限制部署的条目。

腾讯里面的多个干线产物，包括元宝、ima、CodeBuddy、WorkBuddy、QQ、QQ 浏览器、腾讯文档、腾讯乐享，都仍是上线了 Hy3 preview。

微信公众号、和平精英、腾讯新闻、腾讯自选股、腾讯客服、微信念书等产物也在不息接入。这种大限制的产物部署，在 preview 阶段就完成，阐述 Hy3 preview 的自如性和资本限度仍是达到了不错商用的水平。

那么 Hy3 郑再版会是什么样？参考 Gemini 的演化旅途，我嗅觉应该是如下几个观点。

第一是才气上限会进一步接济。

腾讯混元团队仍是在握续扩大预训诲和强化学习的限制，更大尺寸的模子也在训诲中。

郑再版可能会在推理深度、学问遮蔽、多模态贯通等方面，比 preview 版块有披露接济。

第二是自如性会进一步增强。

preview 版块在执行部署中汇注到的反馈，会被用来优化郑再版的对王人战术、指示遵照才气、鸿沟情况处理才气。

第三是资本会进一步捏造。

preview 版块仍是把推理遵循接济了 40%，郑再版可能和会过更激进的模子压缩、更高效的缓存战术、更优化的推理框架，把资本再降一个台阶。

但 Hy3 郑再版和 Gemini 郑再版可能会有一个要津折柳，那等于 Hy3 不会为了捏造资本而燃烧才气的全面性。

Gemini 在从 preview 到郑再版的演化过程中，有时会作念一些采取，比如裁汰推理链条、减少想考深度，用更少的 token 量给出一个差强东说念主意的输出。这种作念法不错大幅捏造资本，但会导致模子在复杂任务上的进展下落。Hy3 的道路更可能是保握才气的平衡性，通过架构优化和推理框架修订来捏造资本，而不是通过削减才气来捏造资本。

姚顺雨的贯通是，实用性不应该仅仅资本低，更热切的是才气全面、自如可靠、真是场景里能用。Hy3 preview 仍是在这个方朝上作念出了示范，郑再版八成率会延续这个想路，在才气、资本、自如性之间找到一个更优的平衡点。

天然，这些都是基于现时信息的臆想。

Hy3 郑再版的执行才气，还要等腾讯混元团队完成更大限制的预训诲和强化学习之后才能细目。

Hy3 的郑再版和 preview 版之间不会有太大的才气落差，用户在 preview 阶段体验到的才气，在郑再版里基本都能保留。

坏处是，这种道路对团队的时候累积和工程才气要求更高米兰体育官方网站，需要在架构想象、推理优化、系统集成等多个层面都作念到位，才能真是竣事才气和资本的双赢。

• 腾讯
• 米兰体育官方网站
• 看了
• preview
• Hy3