先来看几则关键动态。
7月23日，腾讯内部发布通知，正式成立基础模型部，将大语言模型部与多模态模型部进行整合，相关业务与团队也一并划入新部门。腾讯首席AI科学家姚顺雨兼任基础模型部负责人，直接向技术工程事业群（TEG）总裁卢山汇报工作。
目前仍有部分信息尚不明确：原混元多模态模型部负责人薄列峰的具体去向，腾讯并未对外公布；近期有消息称，混元多模态理解负责人胡瀚已离职，前OpenAI研究员田永龙或将接替其职位，但腾讯方面对此未作回应。在合并大语言模型与多模态模型部门后，姚顺雨的管辖范围显著扩大。腾讯官方表示，此次调整旨在提升模型研发效率与协同能力，有助于进一步探索全模态模型的智能上限。
这意味着，腾讯混元自2025年4月将大语言模型部与多模态模型部分拆后，持续了约15个月的算法研发“双轨制”正式结束，如今重新合并。此次调整将语言、视觉、语音、3D等模型研发统一纳入基础模型架构，由姚顺雨统筹技术路线、算力资源及产品协同等关键环节。
腾讯在游戏领域拥有显著优势，多模态能力被视为其相对擅长的方向。混元多模态模型部的研发方向涵盖图像、视频、语音、3D生成及多模态理解，依托腾讯在游戏、内容、社交及企业服务等场景的深厚积累，将这些能力应用于游戏资产生成、图片与视频创作等环节，并通过腾讯云向外部客户开放服务。
具体成果方面，混元图像3.0的图生图版本已接入腾讯元宝；混元3D世界模型2.0于2026年4月发布并开源，据腾讯介绍，该模型能够理解文字、图片、视频等多种输入类型，自动完成生成、重建与模拟3D世界的任务，并可无缝对接现有游戏工作流，快速生成游戏地图及关卡原型。此外，图像设计智能体“妙境Miora”已于7月22日正式上线。
在架构调整方面，此次是腾讯大模型团队继今年3月之后的又一次重大变动。当时腾讯撤销了AI实验室（AI Lab），仅保留产学研合作中心，部分人员调整至混元团队并向姚顺雨汇报，多模态部负责人则向卢山汇报。
在姚顺雨的领导下，腾讯混元重新构建了预训练与强化学习的基础设施，确立了模型以实用性为核心的原则。7月6日，腾讯发布基座模型混元Hy3，定价策略主打性价比，较前代版本更为优惠。输入价格为1元/百万tokens，较预览版下降0.2元/百万tokens；输出价格维持在4元/百万tokens；输入命中缓存价格从预览版的0.4元/百万tokens降至0.25元/百万tokens。
从现有表现来看，Hy3的能力提升主要源于基础设施与训练数据层面的统一，而非不同模态架构的直接融合。腾讯透露，其推理效率提升约40%，幻觉率从12.5%降至5.4%。
与OpenAI、谷歌将文本、图像、音频乃至视频能力逐步整合进同一基础模型的路径不同，根据腾讯已披露的产品形态，Hy3主要承担文本推理与Agent任务，而图像、视频及3D等能力则由不同的专用模型分别完成，再通过智能体或产品流程实现协同工作。
姚顺雨在6月5日与腾讯云与智慧产业事业群CEO汤道生对谈时指出，多模态、具身智能等领域仍有大量空间待开发，下半场才刚刚开始。他选择加入腾讯，正是因为腾讯拥有丰富的场景与产品，使模型能够获得真实的输入与上下文。他还进一步强调，AI下半场的关键在于建立一个长期面向AGI的组织，在基础模型、产品落地与前沿研究三个方向形成均衡布局，构建一个三者平衡的“三角形”组织架构。
