腾讯混元Hy3发布，看好腾讯模型追赶与生态价值

腾讯混元Hy3发布，看好腾讯模型追赶与生态价值 买入（维持） 事件：腾讯混元第三代大语言模型“Hy3”于7月6日正式发布。该模型采用MoE架构，总参数295B、激活参数21B，最大支持256K上下文长度。该版本基于4月23日发布的preview版迭代优化，通过提升后训练数据质量与多样性、扩大RL算力规模实现能力进阶，以更小参数尺寸达到比肩参数规模为其2-5倍的国内外旗舰模型的效果。目前Hy3已批量接入腾讯内部业务线，同时以Apache2.0协议开源并上线腾讯云API，面向全球开发者开放商用。 点评： 腾讯基座模型能力持续补齐，半年内完成从基建重建到新模型落地。据混元公众号腾讯1月启动大模型算力与基建重构，为Hy3发布提供了核心基础，4月23日发布的Hy3preview为混元重建后第一个版本，在复杂推理、代码生成与智能体能力上相较于Hy2实现质变，Hy3正式版已于2026年7月6日发布，Hy3延续了清晰陡峭的能力增长曲线，通过进一步训练的算力规模以及数据质量和多样性，在各类任务上较preview再次跃升，以较小尺寸首次比肩国内外大尺寸旗舰模型的效果。 模型能力方面，重点升级了智能体能力，尤其在推理、智能体和长上下文任务等任务上显著进步。1）从基准测评指标看，Hy3相比preview版本在各类benchmark上全线提升，尤其是围绕智能体场景所需的任务规划、工具调用、代码执行、搜索整合、长上下文理解和复杂推理能力进行系统强化。具体指标如：Agentic Coding任务中Terminal-Bench2.1从58.0提升至71.7、DeepSWE从0.9提升至28.0；Agentic Search任务中BrowseComp从67.1提升至84.2；Working Agent任务中SkillsBench从29.1提升至55.3、Hy-FinModelBench从26.6提升至69.0。2）从内部盲测数据看，在270位专家真实工作任务盲测中，Hy3得分2.67/4，高于GLM-5.1的2.51/4，优势集中在前端开发、数据与存储、CI/CD；3）从应用场景看，Hy3在软件开发、办公生产、金融建模、前端设计、游戏制作等生产力任务上的进步尤其显著，可以成为高性价比的可靠选择。 作者 分析师刘文轩执业证书编号：S0680526020003邮箱：liuwenxuan@gszq.com 分析师赵海楠执业证书编号：S0680526020002邮箱：zhaohainan@gszq.com 模型体验从““能回答”进一步升级为““能稳定完成任务、回答更可信，在长对话中持续理解用户意图。”用户体验方面亮点包括1）工具调用稳定性好：修复了多项基线可靠性问题，工具调用成功率与错误恢复能力提升，并能在不同Agent架构间稳定泛化；2）幻觉率低与知识准确性高：幻觉率从12.5%降至5.4%，常识错误率从25.4%降至12.7%，显著减少事实混淆与捏造；3）复杂上下文与多轮意图：多轮测试问题率从17.4%降至7.9%，长对话基准MRCR得分从42.9%提升至75.1%。 分析师夏君执业证书编号：S0680519100004邮箱：xiajun@gszq.com 分析师刘玲执业证书编号：S0680524070003邮箱：liuling3@gszq.com 研究助理焦安东执业证书编号：S0680125090014邮箱：jiaoandong@gszq.com 定价普惠，模型从“可用”走向“低成本好用”，约为当前主流模型定价的1/8。定价层面旗舰模型价格进一步下探至主流低价区间，Hy3 API输入价为1元/百万Tokens、输出为4元/百万Tokens，明显低于GLM-5.2的8/28元、Qwen3.7-Max的12/36元以及KimiK2.7Code的6.5/27元。在应用层面，基于腾讯WorkBuddy的内部实测：Hy3正式版对比preview版本，办公Agent任务平均耗时缩短34%，任务成功率从72%提升至90%。在高频办公场景中，Hy3处理文档任务Token消耗降低47.4%，制作PPT任务Token消耗降低49.0%，同任务下实际算力成本显著下降。 相关研究 1、《腾讯控股（00700.HK）：微信Agent““小微”测开启，看好微信在AI时代的入口价值》2026-06-302、《腾讯控股（00700.HK）：看好微信Agent小程序生态壁垒，关注叙事转向及估值修复》2026-06-113、《腾讯控股（00700.HK）：AI投入加码，赋能广告及业务生态》2026-05-18 开源推动外部生态繁荣，自身业务深度结合推进数据飞轮。Hy3在开源侧采用Apache2.0开源，全球开发者可免费商用；其次模型首日即上线GitHub、HuggingFace、ModelScope等主流开源社区，大幅降低二次开发与场景适配门槛，拉动外部产业生态扩容繁荣；Hy3在业务侧的可用性已得到腾讯内部多 场景业务的充分验证，模型已在WorkBuddy、元宝、ima、微信公众号等十余项腾讯业务中深度应用，另有近50个业务排队接入。 盈利预测：我们看好腾讯混元模型向一线模型追赶，以及腾讯系AI产品的生态价值，有望带动腾讯叙事&估值修复。我们维持此前预测腾讯2026-2028年收入为8229/9000/9890亿元，Non-GAAP归母净利为2733/3057/3437亿元。给予腾讯目标价708港币，对应19x2027eP/E，维持“买入”评级。 风险提示：宏观经济波动；Agent进展及效果不及预期；行业竞争加剧；Agent商业化进展或不及预期等。 财务报表和主要财务比率 资料来源：腾讯混元官网，国盛证券研究所 资料来源：腾讯混元官网，国盛证券研究所 1、SWE-benchMultilingual（多语言软件工程基准）：测试模型能否在不同编程语言的真实代码库中理解问题、定位Bug并完成修复。Hy3得分75.8分，但低于Qwen3.7Max的78.3分，GLM-5.2的83.0分和ClaudeOpus4-8的84.4分，说明其跨语言代码理解和修复能力较强，已具备多技术栈适配能力，但与头部模型仍有一定差距。 2、SWE-benchPro（专业级软件工程基准）：测试模型处理大型代码库和复杂、长链路软件工程问题的能力。Hy3得分57.9分，较Preview版的46.0分提升超过25%，并高于DeepSeekV4Pro的55.4分，但仍低于GLM-5.2的62.1分和ClaudeOpus4-8的69.2分，说明其项目级复杂工程能力明显增强，但距离最强模型仍有差距。 3、Terminal-Bench2.1（终端任务执行基准）：测试Agent能否在真实命令行环境中连续执行复杂、多步骤任务。Hy3得分71.7分，位列第六，低于gemini-3.1-pro-preview的74分、gpt5.5的84分、ClaudeOpus4-8的85.0分、GLM-5.2的81.0分和Qwen3.7Max的75.0分，说明其复杂终端操作能力已较强，但在长链路任务的持续执行和稳定性方面仍有提升空间。 4、NL2Repo（自然语言转完整代码仓库）：测试模型能否仅根据自然语言需求，从空白工作区开始自主完成架构设计、依赖管理和多模块开发。Hy3得分45.6分，低于GLM-5.2的48.9分和ClaudeOpus4-8的69.7分，说明其已具备从需求到完整项目的端到端生成能力，但在复杂架构规划、多文件协同和长期任务执行方面仍处于中游水平。 5、ClawEval（通用Agent任务执行基准）：衡量Agent在复杂环境中进行多步骤执行、工具协同和工作流完成的能力。Hy3得分68.5分，仅次于ClaudeOpus4-8的72.1分，并高于Qwen3.7Max的65.2分和DeepSeekV4Pro的58.4分，说明其通用Agent执行能力已进入头部梯队，复杂工作流完成度较高。 6、MCP-AtlasPublic（MCP工具调用基准）：测试Agent能否发现正确工具、配置参数，并在多个MCP服务之间完成连续协同调用。Hy3得分79.1分，低于ClaudeOpus4-8的82.2分、和Seed-2.1Pro的83.8分，说明其多工具调用基础较强，但复杂工具选择、参数配置和连续调用稳定性仍是相对短板。 7、SkillsBench（Text-only，技能基准）：测试Agent能否理解并正确使用外部提供的技能包和流程性知识完成任务。Hy3得分55.3分，较Preview版的29.1分提升近90%，排名第四，低于ClaudeOpus4-8的64.6分，qwen3.7MAX的59.2分，GPT-5.5的61.6分（模型厂商官方自评测数据），说明其技能理解与复用能力实现明显跃升，复杂流程执行正从“会做”升级到“能够按既定方法稳定做”。 8、BrowseComp（网页浏览综合能力）：测试Agent能否持续浏览互联网，从大量分散且难以发现的信息中寻找线索并整合答案。Hy3得分84.2分，与GPT-5.5的84.4分几乎持平，是表现最突出的单项之一，说明其深度搜索、跨网页追踪和复杂信息整合能力已达到全球头部水平。 9、AA-LCR（长上下文复杂推理基准）：衡量模型在较长上下文中持续保持关键信息、继承推理条件并完成复杂推理的能力。Hy3得分73.4分，与GLM-5.2的73.4分并列，低于gemini-3.1-pro-preview、略低于GPT-5.5的76.4分（模型厂商官方自评测数据）说明其长文本理解与复杂推理能力已进入国产头部水平。 10、GPQADiamond（博士级科学问题基准）：测试模型解决物理、化学和生物等领域博士级高难度问题的能力，重点考察专业知识基础上的复杂推理。Hy3得分90.4分，接近GPT-5.5的93.6分，在国产模型中表现突出，说明其高阶科学知识理解与复杂推理能力已接近全球头部水平。 11、HLE（WithTools，Text-only，人类终极考试）：覆盖数学、人文等多个领域的专家级难题，测试模型面对陌生高难度问题时的专业知识调用和复杂推理能力。Hy3得分53.2分，略低于GLM-5.2的54.7分，高于DeepSeekV4Pro的48.2分，说明工具辅助下推理能力处于国产第一梯队。 12、MathArenaApex（数学竞赛推理基准）：采用最新数学竞赛题测试模型面对新题和难题时的真实多步推理能力，以尽量降低训练数据污染。Hy3得分38.7分，较Preview版的12.6分提升至约3倍，在国产模型中仅次于Qwen3.7Max的44.5分，说明其高难度数学推理能力实现跨越式提升，已进入国产头部水平。 风险提示： 1、宏观经济波动；2、Agent进展及效果不及预期；3、行业竞争加剧；4、Agent商业化进展或不及预期等。 免责声明 国盛证券股份有限公司（以下简称“本公司”）具有中国证监会许可的证券投资咨询业务资格。本报告仅供本公司的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。 本报告的信息均来源于本公司认为可信的公开资料，但本公司及其研究人员对该等信息的准确性及完整性不作任何保证。本报告中的资料、意见及预测仅反映本公司于发布本报告当日的判断，可能会随时调整。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司不保证本报告所含信息及资料保持在最新状态，对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。 本公司力求报告内容客观、公正，但本报告所载的资料、工具、意见、信息及推测只提供给客户作参考之用，不构成任何投资、法律、会计或税务的最终操作建议，本公司不就报告中的内容对最终操作建议做出任何担保。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。投资者应当充分考虑自身特定状况，并完整理解和使