腾讯把两条AI线拧成一条：混元分分合合背后，是大厂的"全模态"执念

7月23日，腾讯宣布了一个不大不小的组织调整：将混元大语言模型部门和多模态模型部门合并，成立”基础模型部”，由腾讯首席AI科学家姚顺雨统一管理。

听起来很技术，但它背后藏着的东西挺有意思的。

分了15个月，又合起来了

事情得从2025年4月说起。那时候腾讯把AI团队拆成了两个独立部门——一个大语言模型部，一个多模态模型部，各干各的。分拆的原因很直接：大语言模型火得一塌糊涂，需要集中兵力；多模态又是个独立的赛道，不能被稀释精力。

分开跑了一年多，现在又合了。

腾讯的官方说法是：提升模型研发协同效率，探索全模态模型的智能上限。这个说法比较”企业公告”，翻译成人话就是——光会说话不够了，得让AI同时看得懂图片、听得懂声音、生成得了视频，还能3D建模，而一个团队干，比两个团队各干各的效率高得多。

Hy3：小身材，大智慧

这次合并背后有一个技术注脚：今年7月刚上线的混元大语言模型Hy3。

根据腾讯的披露，Hy3在测试中展现出”强于同尺寸模型、比肩参数规模2至5倍旗舰模型”的智能水平。如果这个说法属实，那意味着腾讯在大语言模型这条线上已经走出了一条”小而精”的路线——不靠堆参数，靠的是训练方法和数据质量。

这和当前整个行业的一个大趋势暗合：Scaling Law的边际效益在递减，单纯把模型做大做贵的路子正在被反思。Hy3的意义不在于它能不能打过GPT-5，而在于它验证了一种”高效推理”的路径——这对腾讯这种要把AI落地到微信、QQ、游戏、广告等海量场景的公司来说，比模型排名重要得多。

全模态为什么成了大厂的执念

说回这次合并本身。我观察到的一个趋势是，2026年各大大厂都在往”全模态”方向走。

字节有豆包全家桶，阿里有通义千问，百度有文心，还一直在推”文心一格”和视频生成。腾讯的逻辑是：我不能让我的AI只会说话——用户发一张图过来，AI得能看懂；用户发一段语音，AI得能处理；最终目标是让AI像人一样，全面感知这个世界。

但这里有个有意思的张力：模型越做越大、越来越全模态，推理成本就越高；而另一边，Hy3又证明小模型+好方法也能达到很好的效果。这两件事看起来是矛盾的，但我觉得它们其实在服务不同的场景——大模型打品牌、秀肌肉、接企业大单；小模型走量、服务海量C端用户。

腾讯现在把这两条线放回一个团队，意味着他们不想让这两件事各自为政，而是要统筹考虑、协同优化。这其实是正确的工程思路。

对普通用户意味着什么

说了这么多战略层面的事，对你我这种普通用户来说，这个变化会带来什么？

短期内可能感知不明显——微信里的AI助手该什么样还是什么样。但从中长期看，一个更统一的混元基础模型团队，意味着腾讯系产品（微信、QQ、腾讯会议、企业微信、腾讯文档）里的AI能力会有更一致的提升。今天你可能在微信里让AI帮你处理一张图片，明天这个能力就会出现在腾讯文档里；今天你在腾讯会议里用的AI总结，后天可能就会出现在微信对话的上下文里。

各模块互通，而不是各自为政，这才是这次合并对腾讯用户最有价值的部分。

当然，最终效果怎么样，还得看Hy3以及后续模型的实际表现。组织架构调整只是第一步，能不能真的让”全模态”从战略变成产品，还有很长的路要走。

但至少，方向是对的。