腾讯新一代大模型Hy3开源，摩尔线程智算卡同日完成适配

7月6日，腾讯新一代大模型Hy3正式开源，同日国内GPU厂商摩尔线程宣布，其旗舰级AI训推一体智算卡MTT S5000已实现Day-0极速适配。

开源大模型Hy3

此次开源的Hy3是腾讯推出的新一代大模型，具体技术细节尚未公开披露。开源策略旨在推动AI生态的协作与标准化。

“Day-0极速适配”解读

“Day-0适配”指在软件或模型发布的当天，硬件厂商即完成兼容性验证与优化，确保开发者能够第一时间在该硬件上运行模型。此次摩尔线程MTT S5000的适配，意味着其可以立即支持Hy3的训练与推理任务。

“摩尔线程MTT S5000是面向AI训练与推理场景的旗舰级智算卡，采用国产自研架构。”——相关产品资料提及。

产业效应

大模型开源与国产算力卡同步适配，有助于降低AI应用门槛，加速本土AI软硬件生态的协同发展。

腾讯混元团队发布Hy3模型：295B总参数量、21B激活参数，支持256K上下文

腾讯混元团队近日推出一款名为Hy3的混合专家模型，在参数规模与智能表现上均给出新配置。该模型总参数量达到295B，激活参数为21B，支持256K上下文长度。

“快慢思考融合”的架构设计

Hy3是一款基于快慢思考融合机制的混合专家模型。所谓混合专家模型（MoE），是指在模型中设置多个独立的“专家”子网络，每次推理时仅激活其中一部分专家，从而在控制计算成本的同时扩大模型总容量。“快慢思考融合”则意味着模型可以结合快速直觉判断与慢速逻辑推理两种模式，以提升处理复杂任务的灵活性与准确性。

性能对比：超越同尺寸，接近旗舰级

与上一版preview版本相比，Hy3展现出“显著强于同尺寸模型”的智能水平。同时，其表现可比肩参数规模为自身2至5倍的旗舰模型，即在同样激活参数21B的尺度下，其能力接近甚至达到总参数量数百B甚至上千B的更大模型的水平。

总参数量295B，激活参数21B，支持256K上下文长度。

• 总参数量：295B（约2950亿个可调参数）
• 激活参数：21B（每次推理实际调用的参数数量）
• 上下文长度：256K（可一次处理约25万个token的文本序列）

该模型由腾讯混元团队研发，目前已在特定场景下进行验证，后续应用方向尚待官方进一步披露。

混合模型Hy3性能跃升 生产力场景表现获关注

腾讯旗下混元大模型近期推出升级版本Hy3，其在多个生产力任务场景中的性能提升引发行业关注。据官方披露，该模型在软件开发、办公生产、金融建模、前端设计、游戏制作等任务中展现出明显进步。

场景历练驱动产品成熟

Hy3的稳定性与用户体验提升，得益于腾讯内部真实业务场景的持续验证。据相关介绍，该模型先后在WorkBuddy、元宝、微信、AI游戏助手等实际产品中得到应用，这些高频使用环境为模型迭代提供了直接反馈。

“依靠WorkBuddy、元宝、微信、AI游戏助手等真实业务场景的历练，产品稳定性与用户体验显著提升，腾讯丰富的真实业务场景与混元模型能力迭代形成了相互赋能的良性循环。”

技术路径拆解

“真实业务场景历练”指将模型置于实际业务流程中进行测试与优化，而非仅依赖实验室数据。这种模式使得模型在不同任务中的表现更贴近用户需求。

• 软件开发场景：涉及代码生成与调试任务，Hy3在逻辑一致性方面表现突出。
• 办公生产场景：涵盖文档生成、会议纪要等任务，模型在输出格式与准确性上有所提升。
• 金融建模场景：涉及数据处理与预测任务，模型在数学逻辑推理上的能力得到强化。
• 前端设计场景：包括页面布局与样式编写，模型在视觉理解与代码映射环节表现更优。
• 游戏制作场景：聚焦NPC对话生成、关卡设计等，模型在创意与规则遵循之间取得平衡。

市场定位分析

从现有信息来看，Hy3在多个生产力场景中取得进步，被定位为“高性价比的可靠选择”。这意味着该模型可能侧重在中小企业与开发者群体中扩大覆盖面，通过降低算力成本与提升任务成功率来吸引用户。

摩尔线程MTT S5000为Hy3模型实现全链路适配 支持256K超长上下文窗口

基于此前对DeepSeek-V4、MiniMax M3.0、Kimi2.6、GLM-5.2等多款国产旗舰模型的Day-0适配经验，摩尔线程针对Hy3的能力特征，从硬件算力、软件栈到开源框架进行了全链路精准匹配与深度优化。

适配策略：从硬件到框架的系统化协同

MTT S5000的优化依托muDNN、MATE高效算子库、Triton-MUSA编译优化及SGLang-MUSA框架层加速，在保障模型精度无损的前提下，显著提升了推理吞吐并降低了响应延迟。其中，muDNN为摩尔线程自研深度学习库，MATE为高效算子库，两者均服务于底层计算加速。

“已形成一套高效、系统化的复杂推理任务优化方法论。”

显存与带宽：攻克百万token级长序列挑战

Hy3配备256K超长上下文窗口，对推理阶段的KV Cache存储与访存带宽提出极高要求。MTT S5000凭借硬件级原生FP8加速，配备大容量显存与高带宽，可为百万token级长序列提供充足的缓存空间与卓越的数据吞吐能力。

• 硬件原生FP8加速：减少数据精度转换开销，提升计算效率
• 大容量显存与高带宽：支撑长序列推理的显存占用与数据搬运需求

版权所有，未经许可不得转载