12月6日，腾讯公司正式发布了自主研发的大模型混元2.0（Tencent HY 2.0），同时DeepSeek V3.2也逐步接入腾讯生态体系。
目前，这两个先进模型已经率先在元宝、IMA等腾讯原生AI应用中投入使用。腾讯云也同步对外开放了相关模型的API接口和平台服务。
全新推出的Tencent HY 2.0采用了混合专家（MoE）架构，总参数量高达406B（激活参数32B），模型支持256K超长上下文窗口，在推理能力和效率方面均处于行业领先水平。
相较于上一代Hunyuan-T1版本，HY 2.0 Think在预训练数据和强化学习策略方面实现了显著优化。在数学、科学、代码编写、指令遵循等复杂推理场景中，其综合表现稳居国内第一梯队，泛化能力获得大幅提升。
在数学科学知识推理方面，通过使用高质量数据进行大规模强化学习训练，HY 2.0 Think的推理能力显著增强。在国际数学奥林匹克竞赛（IMO-AnswerBench）和哈佛MIT数学竞赛（HMMT2025）等权威测试中，模型取得了令人瞩目的成绩。得益于预训练数据的持续优化，模型在极具挑战性的“人类终极考试”（HLE）和衡量泛化能力的ARC AGI等任务上也实现了重大突破。
在指令遵循与长文本多轮对话能力方面，通过重要性采样修正有效缓解了训练与推理不一致的问题，实现了长窗口强化学习的高效稳定训练。同时，通过多样化可验证任务的沙盒测试，以及基于打分准则的强化学习训练，显著提升了HY 2.0 Think在Multi Challenge等指令遵循和多轮任务中的表现。
在代码与智能体能力方面，构建了规模化的可验证环境及高质量合成数据，极大地增强了模型在Agentic Coding和复杂工具调用场景下的实际落地能力。在面向真实应用场景的SWE-bench Verified和Tau2-Bench等智能体任务中，实现了显著跃升。
基于RLVR+RLHF双阶段的强化学习策略，HY 2.0在输出内容的“质感”上取得显著进步。在文本创作、前端开发、指令遵循等实用场景中展现出差异化优势。
在文学创作方面，HY 2.0有效减少了“AI味”，能够敏锐捕捉指令中潜在的情感需求，输出观点深刻、逻辑严密的文章。
Tencent HY 2.0模型拥有扎实的代码能力和一定的“视觉审美”素养。在生成Web小游戏时，不仅能够顺利运行复杂的JavaScript逻辑，还能输出具有在线美学水准的CSS布局与动画效果。
