腾讯混元战略转向：聚焦大模型基座，多模态研究暂缓

胡瀚离职与团队重组 腾讯混元多模态理解负责人胡瀚近期提出离职。他于2025年初加入腾讯，最初负责视觉大模型研究，后转入大语言模型部下属的“Frontier”前沿技术研究组，主导多模态理解方向，向姚顺雨汇报。其曾参与世界模型相关研发工作。随着他的离开，该研究组后续或将集中转向世界模型等更底层、更具前瞻性的基础研究方向。 大语言模型成为绝对重心 自2026年年中起，混元体系持续进行组织与资源重构。7月初，前OpenAI研究院及MIT博士田永龙加入大语言模型部，接替胡瀚负责视觉语言模型（VLM）方向，同样向姚顺雨汇报。姚顺雨上任后明确将“补短板、提能力、冲第一梯队”作为核心目标，推动人才与算力全面向基础大模型研发倾斜。 AI Lab被撤销后，核心研发力量整体并入大语言模型部；同时加大高端人才引进力度，包括来自字节跳动Seed Infra和后训练团队的骨干成员。 高层急迫感驱动执行升级 在6月5日腾讯云AI产业应用大会上，汤道生向姚顺雨抛出关键问题：“很多人说腾讯在AI上慢了，你觉得我们真的慢了吗？”内部人士透露，姚顺雨比多数高管更为紧迫——他多次向集团高层争取额外算力支持；在Hy3发布前一个月，因一批关键数据出现异常，他罕见以严厉措辞警示团队：“数据非常重要。如果下次再出现这样的情况，直接走人。” 多模态研究收益重估 当各技术路线尚未形成显著领先时，腾讯开始系统性评估不同AI方向的投入产出比。多模态理解已进入平台期：文字、图像、视频识别准确率普遍达85%以上，但真正的瓶颈在于视觉推理——即让模型理解‘图像意味着什么’，而这依赖语言模型本身的逻辑与因果推理能力，非单纯多模态训练可解。 商业化层面亦显乏力。“识图”“看图写话”类能力缺乏直接付费场景，用户不愿为感知能力买单；市面上免费替代方案充足。相较之下，文档处理、PPT生成、研报撰写、代码生成、智能体（Agentic）执行等办公与生产力场景，才是真正拉动用户付费意愿的核心路径——这些能力根植于强推理、强规划、强工具调用的大语言模型基座。 资源约束下的理性取舍 算力是硬约束。2025年腾讯资本开支为792亿元；同期阿里财年达1260亿元；字节2026年AI基建预算最高拟投700亿美元。在僧多粥少的现实下，暂停边际效益递减的多模态理解投入，将有限资源押注于大模型基座、数据体系、Infra架构与评测标准等长期基础设施，成为腾讯当前最务实的战略选择。 Hy3：转向成果的首次验证 7月6日，姚顺雨带队发布Hy3——其在同等参数量的中等尺寸模型中，性能已可对标GLM-5.2与DeepSeek V4 Pro。这不仅是技术输出，更是组织变革的具象体现：半年内完成团队整合、基建重构与战略回归基模，使混元正式具备冲击AI第一梯队的综合实力与节奏感。