腾讯混元 Hy3 正式版发布，几个关键数字值得记一下。

架构是混合专家 MoE，总参数 2950 亿，激活参数 210 亿，支持 256K 上下文长度。

2950 亿总参、210 亿激活，这个比例什么意思？MoE 的思路是：模型容量做大一保证上限，但每次推理只唤醒一小部分参数——成本按 210 亿算，能力按 2950 亿打。

这是这两年大模型降本的主流打法，也是「用得起」和「用不起」之间的分界线。

相比 4 月发布的 Hy3 preview 版本，正式版在复杂推理、指令遵循、上下文学习、代码生成和智能体能力上都有升级。

接入情况也值得一提：模型已经接入腾讯 WorkBuddy、元宝、Marvis、ima 等业务，API 在腾讯云 TokenHub 上线，后续会在多个海外平台陆续接入。

开源协议是 Apache 2.0，可以免费商用。这一条对企业用户很关键——不是所有「开源」都允许商用，有些只能研究用。

智能体能力是这版的重点。官方和测试方的说法是，Hy3 驱动的智能体可以处理包含 5 到 10 个步骤的复杂工作流，错误率比前代模型明显下降。

智能体和普通对话模型的差别在于：对话模型给你一段答案，智能体要自己拆解任务、调用工具、处理失败分支、最后交出一个可验证的结果。步骤越多，前面一步错对后面的影响越大。

我做电商和新媒体这些年，最耗人力的从来不是单一步骤，是多步骤串联的流程——选品、写稿、排版、投放、复盘，中间任何一环出错都要重来。能帮上忙的 AI，不是帮我写一句话的，是能跟完整个流程的。

当然，5 到 10 步的工作流只是起点，真实业务里的链路往往比这长。而且跑分和实测之间有距离，具体好不好用要自己接进去试。

还有一个现实问题：2950 亿总参的模型，即便只激活 210 亿，本地部署的显存门槛也不低。多数团队还是走 API。

你觉得大模型下一步该拼参数还是拼成本？