11月21日凌晨,腾讯混元团队在Reddit上进行了一场面向全球开发者的公开问答,前一天他们刚开放了旗舰模型Hy4的权重,并同步发布了模型安全评估卡片。智东西微博
有网友把行业分歧直接摆到台面上:字节跳动、Kimi等公司似乎正在向3T甚至5T参数的超大规模模型进军,而腾讯Hy系列仍处于700B左右的规模。智东西
团队的回答是:Hy3和Hy4已经证明,规模较小但训练扎实的模型往往也能超越更大的模型,而且小尺寸模型成本更低,研发中还能积累更多经验。智东西
值得注意的是,团队同时没有放弃规模:被问到下一代是否会扩容时,他们回答下一代Hy模型肯定会进一步大幅扩大规模,并强调坚信Scaling的方向不变。所以这句话的准确读法不是“规模无用”,而是:参数总量不是模型智力的代理指标,也不该是选模型时看的第一个数字。真正值得看的东西,就散落在他们列出的技术细节里。智东西

每次生成真正干活的是激活参数,不是总大小
Hy4的总参数为770B。团队在11月16日推出了主打性价比的Hy4flash。该模型总参数224B,每Token只激活12B。这两个数字不能直接比大小:MoE模型每次推理实际动用的只是参数中很小的一部分。第一财经新浪科技智东西
团队把判断说得很直白:激活参数量本质上决定模型的计算预算,减少激活参数就意味着更少的计算投入,以及能力更弱的模型。智东西
他们举过两种压缩的代价:保持总参数不变、把激活参数从12B压到8B或5B,团队预计会显著损害模型质量;而从12B减到3B时,推理深度、长上下文追踪能力和工具调用可靠性会率先退化。智东西
反过来,MoE做得过分稀疏(比如总参数200B、只激活3B)也不行,这种架构会消耗大量GPU显存,却无法充分利用GPU的计算能力。智东西
所以选模型的第一步,不是看宣传页上的大数字,而是看它每次调用实际激活多少参数、需要多大的显存和内存。
别用单一榜单定取舍
这场问答的时间点颇为微妙:近期第三方评测机构ArtificialAnalysis大幅调整评测体系,部分中国模型的评分出现波动,有网友质疑该平台偏向美国闭源模型。智东西
团队的回应是不接招:“单一网站并不能真正决定一款模型在现实世界中的采用情况”,他们会同时参考内部基准、公开评测、第三方评测和真实用户反馈。智东西
两个细节值得记住。一是榜单会“过期”:对网友点名的GPQA Diamond、SWE-bench等基准,团队表示这些较早推出的基准分数已经趋于饱和,他们展示的是Agents’ Last Exam、ProgramBench这类更贴近真实任务的新评测。智东西
二是榜单会被“做”出来:混元负责人、腾讯首席AI科学家姚顺雨11月18日在清华“姚班”闭门交流中提醒,过度针对测试集进行优化会让评测逐渐失去诊断作用,甚至误导研发方向。AI前线

官方发布时的成绩也印证了这种态度:11月4日Hy4发布时披露,在ProgramBench、FrontierCode 2.0、Agents’ Last Exam v1.1等多项基准中超DeepSeek-V4.1-Flash-1017,部分得分接近Kimi K3.1 Pro、部分超过GPT6.1 Sol,但多数基准分数仍低于GPT6.1 Sol和Claude Opus 5.5,团队自己也承认与顶尖闭源模型仍存在较大差距。第一财经
一单任务的完成成本,和你自己的设备条件
“不一定越大越聪明”落到用户手上,最终是一笔账。在自建日常工作任务评测WorkIndex中,Hy4flash的单任务成本只有Hy4的1/20,在85名内部用户、259项工作任务的盲测中单任务成本约0.26元。小模型把同样的活干好时,成本和延迟天然占优。智东西
部署条件本身就是筛选器:团队已确认未来会推出面向24GB显存设备的模型。目前Hy4flash已经可以在M5 Max、128GB内存的Spark这类设备上直接运行。智东西
真实采用也是重要一票。开发者社区的讨论显示,Hy4flash发布数日便登顶OpenRouter周调用榜首,Tokens量达DeepSeek两倍。调用量是开发者用真实API请求堆出来的,和榜单是两个维度的信号。知乎
还有一个容易被忽略的维度:有网友反映大模型的写作能力普遍下滑,团队承认这可能与行业偏重代码的训练目标有关,并称希望自己的模型能写得更像人类、表达更自然。以写作和办公为主的用户,这个维度需要单独测。智东西
边界与操作顺序
以上信息全部来自混元团队的自述口径:“小模型胜过更大模型”尚未见公开的统一基准独立验证,而且下一代Hy模型还会大幅扩容。所以更稳妥的结论是:参数量仍然有用,只是不再值得单独为它付费。
普通用户选模型,可以按这个顺序:先想清楚要跑的任务类型和能接受的错误率;再按激活参数、显存/内存条件收窄候选;然后学腾讯内部的做法,挑二三十个自己的真实任务,对两三个候选模型做平行盲测;最后,才是把各项榜单和调用量数据当作旁证。
当前文章无评论,是时候发表评论了