018 深度解析腾讯混元Hy3及其影响20260708

00:00:00 大家晚上好啊，非常感谢大家这么晚的时间来参加我们。 00:00:02 那我是国金证券传媒互联网的首席分析师朱俊，那最近呢，其实我们看到今天有一个消息也是呃引起了大家比较多的讨论啊，就是整个腾讯混元的这个Qi3啊这个版本有了一个正式的发布。那其实4月底当时有发布high3preview的一个版本，那后续我们看到腾讯其实在多个呃业务当中通过不断的广泛收集反馈，包括去修复各种bug来去提升了整体啊模型的一个后训练的质量和规模。那也正是因为这样，中间的调整和修正啊到今天正式发布了3的这样的一个呃模型。 00:00:35 那相比来说，我们看到这个模型的这个size其实并不大啊，就是它属于是呃同尺寸模型里的智能水平啊，相对来说能够一定程度去比肩旗舰大模型的一个效果。那我们会看到说今天的这个呃正式的发布也引发了市场的一个讨论，那这里面我们会看到说呃在新的版本里面，因为它扩大了RL的算力规模，在整体的推理智能体包括长上下文任务上面，都跟之前preview的版本相比有显著的进步啊，那呃，我们。 00:01:03 横向比的话，跟这种国内外比如说更大尺寸的这种呃旗舰模型去比的话，那呃这些旗舰模型的参数可能是呃，嗨三的这个2~5倍左右的一个规模，但是它们的效果能达到说相近的一个水平。所以我们看到呃整体这个嗨3在包括软件的开发啊办公生产，还有像金融建模，像呃比如过游戏的制作啊，包括像前端设计等很多领域都看到了明显的质量的一个进步。那从呃这个腾讯内部的一个评分或者说模型盲测当中，其实是跟goom5.1做了一个对比啊，它很多的性能均分是优于这个gom5.1质谱的这个模型的水平。 00:01:39 那Gom5.51其实我们有看的话，它基本上是处于跟呃这个anthotropic的opus4.6类似的水平啊，可能综合比4.6略差一点，但是整体一些细项上面是达到了接近4点opus4.6的 一个水平啊。所以这个是我们可以做一个横向的一个对比，所以有了这个。 00:01:57 数据之后呢，我们其实可以看到呃整个模型的能力是有明显的一个提升，也可以呃去写下一个定性的一个结论。就是I3的这个模型其实整体呃火元3的话，我们认为是一定程度算是将腾讯的大模型啊跨进了泛第一梯队啊，大模型梯队的这样的一个行列当中啊。所以从这个维度去看的话，其实进展还是非常的明显的，那呃我们看到核心哪些方向啊做了比较明显的调优。 00:02:24 一方面呢我们看到呃一些这种基础的底线的问题啊，比如说像你的输出格式啊，工具调用的稳定性啊等等，那进行了比较明显的一个升级。确保模型在各种的一个工具设置和输出当中达到这种生产级的标准啊，并且把一些工具调用的错误恢复能力和效率都明显的提升。那另外我们看到会员3还增强了呃跨脚手架的这种泛化性啊，比如说你在呃codebodydy啊包括等等啊，不同的这个脚手架当中，在呃swe bench呃very side上的分数标准差控制在了14个百分点以内啊，这是整个工具。调用的一个稳定性和输出格式的稳定性得到了明显的提升。 00:03:01 另外呢，我们看到说整个知识的一些呃常识性的一些错误啊明显的减少，包括抗幻觉的能力有明显的提升。那这个其实对于真实的业务流程中的体验是非常重要的啊。 00:03:13 比如说当这个呃当使用者去提一些问题的时候，如果比如说没有明确的依据，那呃大模型是不是选择这个呃不不不会去胡编乱造去呃编数据对吧，这样的一个状态我们认为是非常重要的。所以其实呃火云的团队也在这个火焰3的这个过程中啊，进行了细颗粒度的数据的清洗和训练的约束。所以使得最终在他们的内部测评当中，火焰3的幻觉率从之前的12.5可能降到了5.4，整个常识的错误率从25.4降到了12.7啊。 00:03:44 所以把之前的一些这种逻辑矛盾啊，包括呃问答幻觉的这样的问题做了明显的一个改善，那另外我们看到在复杂的上下文承接和多轮的意图的这样的保持方面，表现也有明显的进步。那呃火焰3在这个。SF呃就是SFT和这个RL阶段的联合优化啊，它通过优化呢，只 在消解包括省略还原和多轮约束啊继承等一些业务痛点。那内部测评来看，它的多轮问题率从17.4降到了7.9。 00:04:13 同时火源3在长对话理解基准中啊取得了显著的跨越。那整个输出精炼的同时呢，也确保了在整个复杂意图的长城的一个交互当中啊不跑偏啊，然后不衰减这样的情况，所以这是我们看到对于复杂上下文的一个承接和多轮意图的保持，这样的能力的一个提升啊。 00:04:33 所以这些能力整体的提升让我们看到，其实呃我我们会觉得说火元3其实呃刚刚提到可能综合实力，目前内内部测下来看是超过了G5.1啊，是往前啊迈出了很明显的一步。那同时我们也看到整个价格啊也也是这个呃非常具备高性价比，横向比较来看啊，因为火元3在腾讯云的API价格，然后呃包括在work8点产品上的使用成本，我们看到基本上输入是每百。按token1元输出是4块钱，然后输入缓呃命命中缓存是0.25元啊，这个价格比之前DeepSeek的价格更更具备性价比。 00:05:07 所以我们看到整个流程来看，其实从1月底啊腾讯开始重建基模，然后到这个4月份发布之前混元3的preview的版本，到今天去迭代升级混元3啊，差不多半年的时间，完整了完成了整个啊模型重新开始到呃完整落地的一个全链路。 00:05:25 那其实我们觉得从模型能力方面一方面来看提升是非常明显，另一方面其实更值得关注的是这个重建和呃进展的这个速度啊，其实这个速度我们觉得也是非常的快速呈现一个追赶的状态。那呃整个我们认为在扩大训练规模，包括提升数据质量啊，包括优化体验的细节方面啊，公司可能我后续还是腾讯会持续地迈进啊，这一点我们认为意义也是非常深远，所以其实从。某种程度上来说，我们觉得呃整体的这个呃大模型的一个竞争趋事啊，其实往后看也可能发生相应的变化。 00:05:59 刚才我们提到了模型本身能力的一个，一个对于火元3来说的一个进展啊。 00:06:04 然后呃接下来我们既然想先直接谈一下，对于这个呃腾讯自身的一个影响和我们的观点， 那呃我们会看到说整个的呃对腾讯自身来说啊，我们觉得呃先说结论啊，结论我们认为其实呃能够因为模型能力的提升啊模型还是非常重要。这个可以参考之前谷歌Gemini能力提升之后对于谷歌的一个叙事的变化啊，所以我觉得相对于腾讯可以去有类似的一个参考或者对比，就呃整体这个呃模型能力提升来说，我觉得最大的价值在于它能够去深度适配腾讯10亿级流量的这个生态。啊，那后续呢能够帮助腾讯去打通全生态的变现的闭环。 00:06:41 那呃有望这个叙事可能从AI从一个成本投入，会不会逐渐转向一个利润增量，从而引发公司整个估值中枢的一个一个重估的逻辑的一个开始。 00:06:52 啊，我们觉得这是一个非常值得关注的点，或者说啊，因为短期大家会看到aiap还在侵蚀腾讯的利润的这样的一个叙事啊，但是模型能力明显提升以及跨过这个。所用门槛之后啊，对于后续它的一个全生态的一个商业化闭环的一个助力，我觉得人是往这个时间点往后看非常重要的一个观测点。 00:07:10 那刚提到火元3的这个模型来讲啊，它从我们说就是腾讯从底层模型到未来这个C端产品、B端云服务，包括整个游戏啊全业务的一个赋能啊，形成闭环来讲是比较有那呃后续呢也有望去提升用户的时长。这是一种转化的途径啊，是一种间接的途径以及中间的这种付费转化。那呃因为刚刚提到的像一些用户幻觉啊常识错误啊都明显的减少，那也有望去拉动整个像呃增值订阅，包括像广告广告这方面的这个AI的增效的这样的一个提证。 00:07:42 那B端维度的话，我们看到依托包括像work bodydy的办公Agent，包括像Co bodydy的开发助手等等，去带动包括整个腾讯云的呃这个这个token hope的这个mass收入的一个提速啊。包括通过高新级百性价比的API去吸引整个呃政企中小企业的这种采购，去打开呃腾讯云业务的一个中长期的一个成长空间啊。我们觉得这个也是值得期待的，那成本端来讲的话，呃我们也看到轻量化的这种MoE架构去减少了这种高端GPU的采购需求，那呃我们认为后续也会缓解市场对于呃，腾讯AI持续资本开支侵蚀利润一定程度上的担忧啊，那这是我们看到。 00:08:21 目前来讲对腾讯的影响。那展望未来来看的话，那呃整个这个开源开放，包括整个呃全球开发者的这种生态的贡建，对于包括像游戏营销等等这种定定制化的解决方案的落地啊，都有望使得这个AI业务啊开逐步开始进入到这种盈利周期啊，去打破之前的估值的压制。 00:08:40 那具体来看的话，我们会B端或者to B2C相关的这个产品。 00:08:44 那针对work body这个桌面办公Agent来讲的话，我们看到呃其实官方实测的数据对比之前这个火源3preview的版本，在呃复杂办公任务的解决率，从之前的70%多提升到了90%，那可能单任务的平均耗时也缩短了13层左右啊。那呃目前是一个256K6K的上下文，那在这样的一个背景下的话，也可以去呃一次性的去解析，比如说超过百页的一个合同啊，还有像上万行的一个业务的报表等等，去完成这种多步骤快文件的这种呃联动啊，去输出PPT等等。同时我们看到在呃混元3这种Mo o e架构优化这。Token消耗包括文档处理token节省的这样的一个。 00:09:25 性能之下，那同等的生产力下，我们会觉得说使用成本啊将呃就是明显跟竞品来讲有一定的降低啊。 00:09:33 同时呢，呃我们认为就是之前这个呃老的这种办公Agent呢，其实它能解决的问题幅度，比如说你的一些问答chatbot对吧，那你在复杂的多步骤任务当中，中途是很容易lost很容易失效的，那需要反复地进行人工的干预。那呃目前来看的话，那混元3在这种任务拆解工具调用和结果的校验闭环层面，有明显的提升。 00:09:54 所以未来的话对呃这种性能对于支持像Agent领域啊，double括Agent里面的这种自主编排啊，去呃完成它完整的工作流啊，形成可交互可落地的文件啊这样的一个能力啊，而不是说一些碎片化的一些文字的output来讲，可能会有进一步很明显的进展。也就是说在真实的场景里面，我们认为呃其实在火焰3的助力下啊，workbody它的性能有望进一步去提升，使得在更多的办类办公的标准化场景里面实现真正的模型的可用啊，所以这个意义 是。 00:10:25 非常重大，其实我们之前也有过一个判断，我们觉得说呃office4.6~4.7其实是一个我们认为在。嗯，普通就是呃大规模标准化的呃工业也好商业也好，任务场景中它是一个可用的临界点啊。这里面的可用，可能指的是coding能力加Agent能力去落地之后的真正业务的交付能力啊。所以我们觉得这个这个模型到这个水平之上，可能会是一个跨过某一种临界点。 00:10:49 那目前刚刚提到就是混元3可能。现在是呃一定程度有超过G外面5.1，当然跟5.2肯定最新的5.2肯定有差距啊，而且还是有明显的差距。但是从刚刚说的这个可用的这个维度来讲啊，包括可能会目前是在接近呃4.6，不好判断是不是完全超过，但至少这个临界点是在逼近或者说是大幅的逼近啊，所以这个意义是非常重大的。 00:11:11 另外的话，全域的这个Agent来看，混元3它的这种快慢的这个思考融合的机制啊，会去明显的降低幻觉率，它的长逻辑推演包括多轮自主迭代的稳定性会有明显的提升。那呃我们看到对于呃如果对于这个。这个呃就是代码编程Agent，比如说刚刚说对标海外cloudy的这个open4.6来讲啊，它的前端开发包括游戏还有企业自动化的脚本生成等等，这样的质量也会明显的提升。 00:11:36 那从C端元宝的个人智能体，包括B端的企业的呃这种自动化智能体来讲，呃也会共享这个新的底座啊，去消除不同产品模型能力的这种割裂的问题。那对于work body本身来讲的话，呃我们会看到说一方面啊，因为性能的提升，用户的吸引力有望呃明显的这个