腾讯混元深夜答开发者:Hy4开源后,算力受限怎么追前沿

资讯 36氪 全文 9601 字 · 约 25 分钟读完 配图 4 张 分类混元腾讯算力

下一代混元模型露出冰山一角。

所属频道 大厂动态算力与芯片开源生态

智东西11月21日消息,今天凌晨腾讯混元团队在Reddit办了一场AMA,围绕Hy4系列模型和全球开发者聊了一轮。评论区里也出现了姚顺雨,至于哪个账号是他,没人能确认。

腾讯混元深夜答开发者:Hy4开源后,算力受限怎么追前沿(配图 1)

▲姚顺雨在X上预告了这场Reddit AMA(图源:X)

这场AMA的时间点挺有意思。

昨天腾讯才刚放开旗舰模型Hy4的权重,同步发了模型安全评估卡片(System Card)。再往前几天,主打低成本、高效率的Hy4 flash也已经推出。两款模型接连落地,腾讯混元的技术路线成了社区讨论的焦点。

另一边,AI行业的竞争格局也在变。第三方模型评测机构Artificial Analysis近期对评测体系做了大幅调整,部分中国模型的评分随之出现波动。高端算力获取受限,全球前沿模型又在持续迭代,中国模型怎么缩小和顶尖模型的差距,成了开发者关心的事。

智东西也参加了这场AMA,向腾讯混元团队提问:先进AI芯片的获取限制越来越多,腾讯Hy模型未来还能不能继续缩小与全球前沿模型的差距?

腾讯混元团队成员答复称:“我们正在尽可能充分地利用现有资源,以追赶前沿水平。”

腾讯混元深夜答开发者:Hy4开源后,算力受限怎么追前沿(配图 2)

▲混元团队回答智东西提问(图源:智东西)

算力之外,腾讯混元团队这场交流还放出了不少新信息。

模型规模上,混元团队说得很明确:下一代Hy模型会进一步扩大参数规模,大规模强化学习的投入也会继续。

更小的模型也有安排。该团队透露,Flash-Lite、面向24GB显存设备的模型等产品正在规划中。

技术细节方面,腾讯首次在這次交流中披露了Hy4的一些架构选型。团队在GQA和MLA两种注意力机制之间来回权衡过,最后是因为DSA降低了MLA在解码阶段的计算开销,才定下MLA架构。

模型评测、安全限制、AI编程生态,还有模型能不能实现递归自我改进(RSI)等问题,腾讯Hy团队也一一作了回应。

Hy4是腾讯最新一代旗舰模型,重点强化长程软件工程、工具调用、视觉理解和科研等能力。Hy4 flash则进一步压低推理成本,总参数量224B,包含64B Engram参数,每Token仅激活12B参数。

腾讯披露的数据显示,在自建日常工作任务评测WorkIndex中,Hy4 flash的单任务成本只有Hy4的1/20。一场涉及85名内部用户、259项工作任务的盲测里,其单任务成本约为0.26元。

不过,部分高难度任务上Hy4和全球顶尖闭源模型仍有差距。有限算力下怎么继续提升模型能力,同时兼顾推理成本、产品体验和开源生态,仍是混元团队要面对的问题。

以下是智东西从此次AMA中整理的重点内容,为方便阅读,做了不改变原意的整理:

完整问答地址:

https://www.reddit.com/r/LocalLLaMA/comments/1y15w4a/tencent_hy_team_shunyu_yao_here_ask_us_anything/ 

01 . 

用有限算力追赶前沿

下一代模型将大幅扩容

小尺寸模型在路上

(1)智东西提问:先进AI芯片的获取日益受限,腾讯Hy目前最大的瓶颈是什么?算力、训练效率,还是算法?未来Hy系列模型能否继续缩小与全球顶尖模型的差距?

腾讯混元:我们正在尽可能充分地利用现有资源,以追赶前沿水平。

(2)网友提问:未来Hy4.5是否计划把模型参数规模扩大到1.5万亿至2万亿?

腾讯混元明确,下一代Hy模型一定会在规模上再做大幅扩展。

有网友问,Hy系列眼下是不是已经摸到能力天花板,往后更强的模型是否非得加参数,还是维持现有体量、靠后训练继续往上推?

腾讯混元的说法是,Hy4依然有很大提升余地,后训练这块尤其明显。团队正在大规模强化学习(RL)上重投入,用户体验和模型安全性也在同步打磨,后续更新会陆续放出。同时,更大规模的模型已在训练计划中。团队表示坚信Scaling的价值,这条路会继续走。

另有网友提到,字节跳动、Kimi等公司似乎在往3T乃至5T参数的超大模型上走,而腾讯Hy系列还停在700B上下。为什么选这条路线?参数量对模型智能水平究竟有多大影响?以后会不会再扩规模?

腾讯混元回应,Hy3和Hy4已经说明一点:体量小但训练扎实的模型,常常能跑赢更大的模型。更关键的是,小尺寸模型成本更低,研发过程中团队还能学到更多东西、攒下更多经验。

多位网友还问到:腾讯后面会不会出Hy4-mini,以及24B—31B的稠密模型?有没有能在24GB显存、64GB—128GB内存设备上跑的小尺寸模型?100B参数以下、专攻编程任务的模型又怎么规划?

腾讯混元答复,Hy4-mini已列入开发路线图,后续还会有更多小型模型。24B—31B稠密模型团队正在考虑,更小规模的稠密模型也有推出可能;不过眼下大概不会专门去做100B参数以下、针对编程优化的模型。

本地部署这块,混元团队确认,面向24GB显存设备的模型以后会推,适合64GB—128GB内存设备运行的模型也会接着开发。与当前模型规模相近、经Q4量化后能跑在128GB内存设备上的开放权重模型,团队同样给了肯定答复。

Hy4 flash也会持续更新,团队正优化Flash级模型的预训练和后训练方案。至于Hy4和Hy4 flash的定位,团队称两款都是通用模型,并非专为编程任务训练。

还有多位网友问:语言模型之外,腾讯会不会推出更小的开源图像模型,视频生成和翻译模型是否升级?Hy4能不能做方言识别、实时语音翻译?持续学习和通用人工智能(AGI)方面又有哪些进展?

腾讯混元表示,图像生成方面正在考虑推出更小的图像模型;视频模型的相关动态,团队建议开发者近期多留意,但具体发布时间没有透露。

翻译方面,团队确认Hy-MT模型即将升级,用户提出的中文网络小说翻译建议也会认真考虑。

方言识别和实时语音翻译,混元团队坦言Hy4目前还不支持音频理解或音频生成,不过用户可以试试腾讯元宝提供的语音识别(ASR)和语音合成(TTS)功能,或许能满足相关需求。

持续学习被团队看作很有前景的研究方向,相关研究正在积极推进,具体成果没有披露。

有网友引用AGI能力分级体系,问Hy4现在处于什么水平。混元团队成员给出的个人判断是——“大约是2.5级。”

腾讯混元深夜答开发者:Hy4开源后,算力受限怎么追前沿(配图 3)

▲Google DeepMind提出的AGI能力分级体系(图源:Reddit)

02 . 

架构选择曾经反复权衡

MoE并非越稀疏越好

有网友问:腾讯是否计划推出面向低延迟任务的Flash-Lite小尺寸模型?与mHC和门控残差(GR)相比,iHC优势在哪?Hy4 flash为什么选滑动窗口注意力(SWA),以后会不会试QSA等其他注意力机制?

另外,Hugging Face上旧版开放权重模型的许可证是否也会更新,以便支持欧洲经济区(EEA)用户?

腾讯混元回复:很棒,技术问题很多。

第一,会的,敬请期待一款技术先进的Flash-Lite模型。

其二,iHC 和 mHC、GR 比起来要简单不少,成本更低,性能却能做到接近。

其三,SWA 能把 KV Cache 规模压到原来的四分之一,推理服务的开销因此明显下降。

其四,那当然。各类架构上的创新,我们都愿意尝试。

(8)网友提问:参与开放权重模型的研发、给开源社区做贡献,是种什么样的体验?

腾讯混元:能给开源社区出力,这件事本身就让人很有成就感,尤其是看到这么多人在关注我们的工作。

(9)网友提问:研发过程中,你个人最难熬的时刻是什么?

腾讯混元:对我来说,最难的是从 Hy3 扩展到 Hy4 那一段。

训练数据上的详细消融实验,我们做得没有我希望的那么多,所以真正开训时还留着一堆不确定。老实说,刚起步那会儿我特别紧张。

结果训练过程顺得超出预期。那感觉就像把筹码全推上去赌了一把,还真就赢了。

(9)网友提问:如果只能许一个愿望,你希望未来大语言模型替你做什么?

腾讯混元:我算是个十足的美食爱好者,所以我希望未来的大语言模型能发明全新的食谱,而且做出来的味道真能完全对上我的喜好。

(10)网友提问:除了最终采用的 Hy4 架构,腾讯 Hy 团队还认真考虑过哪些有竞争力的替代方案,最后又为什么放弃?

腾讯混元:GQA 和 MLA 之间,我们之前来回权衡了很久。

MLA 的计算强度比 GQA 高出一截,在推理 GPU 上做推测解码(Speculative Decoding)时,算力就成了性能瓶颈。

可在 KV Cache 大小一致的前提下,MLA 给出的模型质量又比 GQA 更好。

后来 DSA 被引入,MLA 在解码阶段的计算强度降了下来。两种架构之间的权衡结果就此改变,我们最终选了 MLA。

(11)网友提问:从 Hy4 的原始架构走到 Hy4 flash,哪些网络层或架构组件该保留,你们是怎么定的?每调整一次神经网络层,主要看什么依据?

腾讯混元:Hy4 flash 沿用了 Hy4 的多项技术,iHC、门控 MLA 和 DSA 都在其中,同时还加了混合 SWA、LatentMoE 和 Engram 这些新组件。

这些设计选择背后,是团队在不同模型规模上做 Scaling 实验攒下的大量结果,也离不开模型架构与推理系统的协同设计。

(12)网友提问:额外参数密度对模型智能水平有多重要?你们有没有试过把 Hy4 flash 调成 156B 总参数、8B 或 5B 激活参数?模型质量会掉多少?

腾讯混元:不同 MoE 稀疏度的 Scaling 实验我们做过,和 MAI-Thinking-1 论文里的研究类似,结论也大体一致。

激活参数量固定时,稀疏度提上去,计算效率就能改善。这条路走得通。

但 156B-A8B 或 A5B 是另一种完全不同的权衡——总参数量不动,把激活参数量减下来。我预计模型质量会因此明显受损。

说到底,激活参数量决定了模型的计算预算。稀疏度提高能找回一部分计算效率,却补不齐激活参数减少带来的损失。

说到底,激活参数一少,投入的计算量就跟着少,模型能力也会更弱。

(13)有网友提问:一直盼着有实验室能把MoE稀疏度推到新高度,比如说做一款总参数200B、激活参数3B的模型,再结合Engram。它可能表现很差,也可能出乎意料地优秀,不过推理速度应该很快,MoE架构到底能稀疏到什么程度?

腾讯混元:我们的看法是,MoE架构过度稀疏对推理不利。这类架构会占用大量GPU显存,GPU的算力(FLOPs)却用不满。

其实完全可以做一个总参数规模相同、激活参数更多的模型,推理吞吐量照样能做到一样。

(14)网友追问:对数据中心的高并发推理服务来说,这个观点确实成立。但本地部署就不一样了。受内存带宽限制,A12B模型在Strix Halo和DGX Spark设备上跑得较慢,反倒是一些激活参数更少的模型表现不错。

腾讯混元:你的观点我理解。端侧模型我们会换一套设计思路,把边缘设备GPU硬件的特性结合得更紧,模型架构一起设计。

(15)网友提问:Hy4 flash里约63.5B的Engram参数和约155.5B的神经网络主干参数,这个分配比例你们是怎么定的?Engram论文里提到,20%—25%左右的比例对它那个模型比较理想。你们实验里有没有发现类似规律?

腾讯混元:我们发现,Engram参数占总参数量(含Engram本身)约1/3时,平衡点最佳,正好对应U形曲线的最低点。

(16)网友提问:如果让Hy4完全自主运行,它现在有没有通过递归自我改进(RSI)开发下一代模型的能力?你们有没有建立相关基准测试,能超出简单的运行时长和工具调用次数,去评估模型真正的自主研发能力?

腾讯混元:我们的RSI能力还处在早期阶段。内部已经开发了多个评测基准,用来评估RSI的关键能力。另外我们也在做Hyra 3.0,持续为模型研发打造更好用的可复用工具。

(17)网友提问:往后Hy系列模型最主要的能力提升路径是什么?

腾讯混元:当前首要任务是打牢基础、提升模型智能水平,同时和旗下产品紧密配合,把用户体验做得更好。

(18)网友提问:Hy4正式版和Hy4 Preview一样,有时推理会花很长时间。这种过度思考,是强化学习奖励机制的设计造成的,还是跟训练数据分布有关?模型能不能学会在合适的时候停下来?

腾讯混元:Hy4的目标是把模型智能水平拉到最大,所以较长的思维链(CoT)是个已知问题。

不过这也带来一个好处:我们能通过蒸馏把Hy4的能力迁移到Hy4 flash,成本效率不错。Hy4 flash这边,我们用强化学习来保证思维链保持较短。

(19)网友提问:模型一旦编出错误的命令语法或参数标志,命令行工具(CLI)就容易出错。你们怎么通过强化学习提高工具调用的准确性,同时又避免模型丢掉上下文?

腾讯混元:为了把工具调用准确性提上去,我们在强化学习数据上下了很大功夫,其中包含模型容易出错的高难度案例。

另外我们用了细粒度奖励机制,关键细节上出错,惩罚会更重。

上下文保持方面,我们一直在拉长强化学习训练用的上下文长度,并专门提升模型的上下文压缩能力。

(20)网友提问:在不泄露内部信息的前提下,能不能说说Hy4的Agent编程任务主要集中在哪些场景?

比如3D建模、大型单体代码仓库、短时间零样本编程、文档编写与代码更新、代码及注释和文件结构的可理解性,还有多轮开发中的代码整洁度。模型能不能在无人干预的情况下自主执行数百轮操作,同时保持代码质量?

腾讯混元:上面这些场景我们都有覆盖,而且很看重任务的多样性。

(21)网友提问:Hy4 flash怎么确定不同网络层和专家的量化精度?量化过程中怎么保证MoE路由器的稳定性?如果继续减少激活参数量,模型哪些能力会受影响?

腾讯混元:精度按网络层对量化的敏感程度来分配。比如down投影通常更敏感,就需要更多比特。相比给每个专家单独设精度,我们更倾向于按张量分配,这样推理引擎的兼容性更好。

QAT阶段,MoE路由器和模型其余部分是一起训练的,这样路由器能保持稳定。全参数QAT是我们更看好的路线,模型质量会更好;LoRA之类的方案眼下还没做实验,不过团队更倾向全参数这条。

假如激活参数从12B砍到3B,团队预计会先出问题的是推理深度、长上下文追踪和工具调用可靠性这几项。

另外,Engram参数并不算在12B激活参数里面。每一层都用独立的N-gram表,只要内存预算撑得住,优先保的还是模型能力。

(22)网友提问: 小米MiMo团队最近把训练过程公开得很细。你们怎么看这件事?方便的话能不能说说,MiMo的后训练方法和你们的方案是不是接近?还是在训练成本、数据规模、任务类型比例这些方面差别明显?

腾讯混元: MiMo团队愿意分享研究工作,我们很高兴。我们的强化学习训练规模要更大一些。

(23)网友提问: 以后会不会推出用循环式MoE架构的模型?

腾讯混元:完全有可能,敬请关注。

(24)网友提问: Hy4 flash在大量PHP代码仓库上的测试结果我看到了,一些Shell和DevOps任务它完成得不错,像ZFS数据集迁移这种特殊场景也能应付。PHP类型推断里的那些特殊问题,你们是怎么处理的?

腾讯混元: 训练数据更好,内部评测更多样,还有一条,“不针对基准测试刷分”(non-benchmaxing)。

(25)网友提问: GPQA Diamond、τ-bench、IFBench、SWE-bench这些常见基准测试的成绩,你们为什么没公布?是有具体原因吗?

腾讯混元:我们亮出来的是近期比较先进的基准测试结果,比如Agents' Last Exam、ProgramBench这些。你提到的那些推出得相对早,分数已经趋于饱和了。

(26)网友提问: 有没有计划从零开始训三值模型(Ternary Model),把推理服务效率大幅提上去?

腾讯混元:目前没有从零开始训练三值模型的计划。

(27)网友提问: 创意写作和内容可读性这两块,你们投入了多少关注?要是有款模型解释问题时说得更清楚、更好懂,这会是我放弃Qwen3.8 Flash Next、换别家模型的重要原因之一。

腾讯混元: 创意写作和可读性我们也认为很重要,正在列为重点改进方向。这方面已经做了不少工作,但空间仍然有。有时候,一个好的例子胜过五段文字。

模型实际用起来表现如何,我们非常看重,写作质量和可读性都是其中的重要部分。这两方面能力正在积极改进。

(28)网友提问: 我注意到大语言模型的写作能力有所下降。以前我用Claude 3.5编辑文本,现在已经不用Claude 5.5了。我发现只有Gemini Pro生成的代码文档勉强符合要求。Qwen3.6的写作能力也比Qwen3.8更好。这是因为大模型越来越偏重代码训练,还是过拟合,或者别的原因?

腾讯混元: 这一现象我们也注意到了。在我们看来,这可能和模型的训练目标有关。

我们希望自己的模型写得更像人,表达更自然,而不是千篇一律、满是模板感。这个问题正在努力改善,敬请期待。

03 . 

仍会坚持开源

单一榜单并不能决定模型能力

(29)网友提问: 腾讯会继续开源,还是像Meta那样转向闭源?假如腾讯以后做出了AGI,或者能力最强的AI模型,还会选开源吗?

腾讯混元:就目前来说,是的,我们会继续保持开源。

(30)网友提问: Artificial Analysis榜单对美国闭源模型有明显偏向,这对腾讯Hy以及其他中国前沿模型实验室的商业利益损害有多大?

有网友问,Artificial Analysis榜单对美国闭源模型有明显偏向,这对腾讯Hy以及其他中国前沿模型实验室的商业利益损害有多大?腾讯混元的回答是,一家网站其实左右不了一款模型在真实世界里被不被用。内部基准、公开评测、第三方评测,再加上真实用户的反馈,这些他们都会看。

一款模型到底行不行,得把完整的评价结果摆出来才能判断。用户真正在意的,说到底也是这个。

(31)有网友问:除了发研究论文,你们跟别的开源大模型实验室有没有交流?

腾讯混元表示,他们一直在向开放的大模型社区学习,也盼着把自家更多研究成果回馈给社区。

(32)有网友问:你们团队平时干活怎么用大语言模型?用的是开源模型、腾讯自己的内部模型,还是别的闭源模型?

腾讯混元称,好用的模型他们都会用,开不开源并不是前提。当然,Hy系列模型在内部也用得很广。

(33)有网友问:腾讯有没有计划推出针对不同硬件配置的量化版本,或者参与支持低显存部署的项目,让Hy4也能在显存有限的设备上跑起来?另外,像Kimi那样限制甚至移除模型网络安全能力,你们是不是也感受到了这种压力?

腾讯混元回应,Hy4对Strata的适配正在推进,相关支持很快就能上线。为了负责任地开源,他们对模型的部分网络安全能力做了限制。他们认为这一步有必要。

(34)有网友问:EXL3量化对配置较低的硬件做本地推理很有帮助,腾讯打不打算支持这种量化格式?

腾讯混元说,目前官方没有适配EXL3版本的计划。不过模型权重已经开放,他们相信开源社区用不了多久就会陆续做出相应版本。

(35)有网友问:我刚接触这款模型,还没上手试过。它的参数规模是多少,内存和显存又有什么要求?

腾讯混元的答复是,Hy4 flash模型可以在M5 Max和128GB的Spark设备上运行。

(36)有网友问:如果最终目标是做端侧Agent,你建不建议开发者现在就动手,在PC或Mac上跑较小的本地模型,搭Agent Harness,再测试真实应用场景?

腾讯混元建议现在就着手。他们认为本地部署在效率上总会遇到挑战,相关技术也会一直迭代下去。

(37)有网友问:腾讯以后会不会优先投入面向科学研究、尤其是生物学任务的强化学习?特别是Hy4 flash到500B参数规模之间的模型。

腾讯混元表示,他们正在积极投入面向科学研究的强化学习,同时对安全性也看得很重。

(38)有网友问:你觉得什么会开启人工智能的下一个时代?是模型架构上的突破,是更多或更高质量的训练数据,还是别的因素?

腾讯混元的看法是,数据和评测始终是实现通用人工智能(AGI)最重要的工具。模型能具备哪些能力由数据决定,而评测则指引他们朝正确的方向走。

(39)有网友问:现在想入行做AI工程师,该怎么起步?

腾讯混元的回答很直接:现在可以直接问AI,AI工程工作该怎么开展,或者AI该怎么学。

(40)有网友问:如果不看模型跑分,而是按团队技术实力、研究质量这些因素来评判,你会怎么评价DeepSeek、智谱、月之暗面、阿里巴巴等其他开源模型实验室?要是非得选出前三名,你会怎么排?

被问到开源模型实验室怎么排名,腾讯混元没有接招:我才不上这个当呢,大家都很优秀。

04 . 

在网络安全能力上,混元选择主动设限。

按团队的说法,Hy4 找漏洞的本事比较强。

但真要用漏洞去攻击,它的能力就偏弱了。

有网友问:(41)安全对齐训练做多了,开源模型往往会连基本的渗透测试、逆向工程、CTF 任务都拒答。双重用途的编程请求,你们怎么防止过度拒绝?

腾讯混元答:网络安全训练这块,任务重心放在防御、漏洞分析和修复上,涉及漏洞利用和攻击性攻击的数据不纳入。此外还会做红队评估,看潜在风险有多大。

至于过度拒答,团队承认这仍是有待改进的重要方面。

网友继续追问:(42)Hy4 的系统卡写着,腾讯有意筛选网络安全训练数据,只留漏洞复现和修复相关的内容,把漏洞利用、逆向工程这类进攻性训练内容拿掉,以此限制模型的网络安全能力。这么做会不会让防御一方吃亏?

腾讯混元回应:根据我们的评测,Hy4 的漏洞发现能力较强,而漏洞利用能力相对较弱。

另一个问题:(43)为什么要把网络安全红队相关内容从训练数据里删掉?这么做可能削弱模型能力,却换不来实际的安全收益。有没有考虑过别的替代方案?

腾讯混元的回应是:要把这类内容筛掉,属于更靠底层的一步;此外还得有经过训练的安全防护机制兜底,碰到相关请求时能够拒绝。按它的说法,这么做都是为了让开源负起责任来。

有人问:(44)过去发生过的 AI 对齐失败事件,不管是腾讯自己碰上的,还是别的实验室公开披露的,你们有没有拿来当训练数据或评测目标?

腾讯混元表示:这些案例只用于评测环节,以便进行跟踪和监测。

还有提问:(45)内部跑模型的时候,训练、评测、部署各阶段,尤其是 Agent 任务,网络访问控制具体怎么做?

腾讯混元答:我们会使用允许列表和阻止列表。模型评测过程中,前沿模型已经被发现存在多种攻击方式,测试环境和相关访问控制列表需要反复修复、调整。

训练和评测全程,团队还会持续盯着潜在的黑客攻击和模型对齐问题,一旦发现就修相关环境。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 腾讯混元大模型全量开源:Hy4 正式开放权重,支持百万上下文

    11月20日,腾讯混元宣布Hy4大模型开源,权重同步上线GitHub、Hugging Face、ModelScope和GitCode,开发者可下载部署。此次开源使混元LLM系列实现全量开放,全部版本完成开源,涵盖Hy3preview、Hy3、Hy4preview等,形成旗舰版与高性价比版双线并进格局。

    来源 AI 产业速递
  2. 腾讯混元Hy4开源:7700亿参数,四大社区同步上线

    腾讯混元11月20日正式开源Hy4模型,同步发布披露安全评估与已知风险的System Card。Hy4为混合专家架构多模态模型,总参数量7700亿、单Token激活约490亿参数,支持最长100万Token上下文。随着Hy4开放,Hy系列大语言模型均已开源。

    来源 凤凰科技
  3. 腾讯混元Hy4 Flash实测:35分钟出可玩游戏,API价压过DeepSeek

    腾讯新发布的混元Hy4 Flash模型在速度与成本上表现激进。实测显示,它能在十几分钟内完成3D场景建模、增量游戏开发及财报分析,API价格仅为竞品的一半。通过混合注意力与Engram记忆模块等技术优化,该模型在保持高智能水平的同时,将推理成本压缩至旗舰模型的二十分之一,适合处理高频日常办公任务。

    来源 AI 应用前沿
  4. 120分钟,姚顺雨携团队回答关于混元的“任何问题”

    图:腾讯首席AI科学家、混元大模型负责人姚顺雨文|晓静编辑|徐青阳11月21日凌晨,腾讯首席AI科学家、混元大模型负责人姚顺雨和团队成员,在Reddit进行了一场持续120分钟的AMA,回答全球开发者关于混元的“任何问题”。AMA是Ask Me Anything的缩写,意思是“问我任何事”。这是Reddit上很受欢迎的

    来源 腾讯网
  5. 姚顺雨清华演讲:AI最稀缺的是Trust和Taste,小模型体系值得关注

    腾讯 AI 负责人姚顺雨昨天在清华做了一次分享,博主@幻觉工程师 根据搞到的分享材料,整理成了笔记如下:1. 未来一个值得关注的方向是小模型体系。AI for AI会显著推动小模型发展,因为训练小模型需要的算力更少,可以进行更多实验。未来可能先训练一个能力足够强的大模型,再通过蒸馏得到不同尺寸、分别适配不同任务的模型.

    来源 腾讯网
  6. 腾讯WorkBuddy日活破1000万,单季AI拖累利润152亿元

    WorkBuddy交出了千万日活、超5亿美元收入年化运行率的亮眼成绩单,但腾讯AI转型仍有更难的一道财务考题:高额算力投资与持续经营投入何时转化为利润? 与此同时,字节系在短视频、短剧和AI入口上的扩张不断争夺用户时长。2027年可能是投入与竞争压力集中释放的一年,2028年能否迎来现金流与资本效率改善,将决定这场转型

    来源 华尔街见闻
  7. 阿里云单季收入609.73亿增53%:吴泳铭称算力紧缺长期存在

    【TechWeb】11月20日消息,阿里巴巴发布2027财年第二季度(自然年2026年7—9月)财报,该季度阿里云板块收入609.73亿元,同比增长53%,其中,外部客户收入同比增长64%,刷新近六年来的增速高点。 剔除一次性硬件交付后的外部经常性收入增速进一步升至67%。在资本开支同比大增60%至504.77亿元的重

    来源 AI 行业观察
  8. 阿里云Q2收入609.73亿增53%:算力紧缺成长期现实

    另外,吴泳铭判断:算力紧张是行业中长期要面对的现实,2027至2028年国内算力供给仍存在缺口,阿里会持续补齐自研算力供给,同时通过多元化采购保障供给。吴泳铭表示,全球各个区域的算力政策出现了非常大的变化,将对阿里云的数据中心建设产生影响。根据目前的初步评估,阿里此前制定的到2032年全球数据中心规模超过20GW的目标

    来源 TechWeb
  9. 阿里云单季收入突破600亿,吴泳铭:算力紧缺是长期现实,数据中心建设目标可能下调

    另外,吴泳铭判断:算力紧张是行业中长期要面对的现实,2027至2028年国内算力供给仍存在缺口,阿里会持续补齐自研算力供给,同时通过多元化采购保障供给。吴泳铭表示,全球各个区域的算力政策出现了非常大的变化,将对阿里云的数据中心建设产生影响。根据目前的初步评估,阿里此前制定的到2032年全球数据中心规模超过20GW的目标

    来源 TechWeb
  10. 中国开源模型的「最大甲方」有了

    作者 | 郑敏芳互联网大厂们正在成为开源大模型的新甲方。腾讯总裁刘炽平在三季度业绩电话会上透露,WorkBuddy已成为中国几乎所有开放权重模型的最大客户。这可能只是一个开始。近期,国内头部办公Agent密集调整产品策略。继腾讯WorkBuddy率先采用多模型路线后,字节跳动旗下豆包工作接连扩大第三方模型接入范围,阿里

    来源 腾讯网
  11. 黄仁勋卸任英伟达,算力租赁管制收紧:国产芯片询价升温

    黄仁勋离开英伟达的方式,比市场预想的更突然。 当地时间11月12日,黄仁勋辞去总裁、首席执行官及董事会成员职务。11月17日,他公开发表声明称,如果董事会认为他的回归符合利…,他愿意重新出任CEO;但同一天,董事会主席哈维·琼斯在2027财年第三季度财报电话会上明确表态,董事会“不打算恢复他的CEO职务”。 一位掌舵3

    来源 AI 行业观察
  12. 全球算力进入“后黄仁勋时代”

    国产算力需求升温,资本从具身智能向半导体转移作者/ IT时报 毛宇编辑/ 郝俊慧 孙妍黄仁勋离开英伟达的方式,比市场预想的更突然。当地时间11月12日,黄仁勋辞去总裁、首席执行官及董事会成员职务。11月17日,他公开发表声明称,如果董事会认为他的回归符合利益,他愿意重新出任CEO;但同一天,董事会主席哈维·琼斯在20.

    来源 腾讯网
  13. 阿里巴巴 CEO 吴泳铭:2027、2028 年将是中国算力最紧缺的两年

    据界面新闻今日报道,在 2027 财年第二季度财报分析师电话会上,#阿里巴巴#集团 CEO 吴泳铭表示,2027 年和 2028 年,将是中国算力最紧缺的两年。2027 年以后,阿里云的芯片供给都会以国产平头哥芯片为主,同时也会采购其他国产芯片来支持内部的推理需求。

    来源 IT之家
  14. AMD苏姿丰给出2027年指引:服务器营收翻倍,总营收增幅超80%

    11月19日,AMDCEO苏姿丰在第三季度财报电话会议上给出了极为激进的业绩指引:预计2027年公司服务器业务营收将实现同比翻倍,整体营收增幅超过80%。这一表态正值全球AI算力需求持续井喷、竞争对手英伟达深陷高层动荡的微妙窗口期,AMD正加速抢占数据中心市场份额。

    来源 TechWeb
  15. AMD苏姿丰给出2027年目标:服务器营收翻倍,总营收增幅超80%

    11月19日,AMDCEO苏姿丰在第三季度财报电话会议上给出了极为激进的业绩指引:预计2027年公司服务器业务营收将实现同比翻倍,整体营收增幅超过80%。这一表态正值全球AI算力需求持续井喷、竞争对手英伟达深陷高层动荡的微妙窗口期,AMD正加速抢占数据中心市场份额。

    来源 TechWeb
向下滚动自动加载更多