腾讯混元 2.0（HY 2.0）

是什么

腾讯混元 2.0（HY 2.0）是腾讯自研的旗舰模型，2025 年 12 月 5 日（星期五）发布^[1]。它有两个版本：HY 2.0 Think 与 HY 2.0 Instruct^[1]。这种拆分在近年的模型里很常见：一个版本在给出答案前先花较长篇幅把问题推演清楚，另一个版本直接作答，对普通产品场景来说更快、成本更低。混元 2.0 不只是以接口形式对外提供，还被接入了腾讯自家的 AI 原生（AI-native）产品^[1]。

架构

混元 2.0 采用混合专家（mixture-of-experts，MoE）架构，总参数 4060 亿，其中激活参数 320 亿^[1]。混合专家模型把网络拆成许多彼此独立的专家子网络，由路由步骤决定每个词元（token）只交给其中少数几个处理。这样模型可以拥有远超单次计算所用到的参数量，一次前向计算的开销却接近一个小得多的稠密模型。它的上下文窗口为 256K 个词元^[1]，也就是模型一次能同时「看」到的文本量，足够放下一份很长的技术文档连同其中的代码。

训练与推理

腾讯表示，Think 版本相对上一代在预训练数据和强化学习策略上都做了改进，在数学、科学和编程的复杂推理上取得较好结果^[1]。腾讯把这一效果归功于两阶段强化学习：把可验证奖励的强化学习（reinforcement learning with verifiable rewards，RLVR）与基于人类反馈的强化学习（reinforcement learning from human feedback，RLHF）结合起来^[2]。两者的分工不同。RLVR 用可以自动运行的检验来训练——把数学答案与参考答案比对、看代码能否通过测试——凡是存在这类检验的地方，反馈就便宜而明确。RLHF 则用人类对回答质量的判断来塑造模型，覆盖自动检验打不了分的部分。

公开报道的基准成绩：

• 在 IMO-AnswerBench（一项数学基准）上，HY 2.0 Think 得分为 73.4^[2]。
• 在 SWE-bench Verified（测试模型能否解决软件仓库中真实问题的基准）上，得分从前一代的 6.0 升到 53.0^[2]。
• 在 Tau2-Bench（考察模型在多轮任务中调用工具的表现）上，得分从 17.1 升到 72.4^[2]。

后两项的起点都很低，所以绝对提升幅度很大：上一代在这类任务上接近失败，HY 2.0 Think 则能完成相当一部分。

用在哪里

混元 2.0 被接入腾讯的 AI 原生产品 Yuanbao 和 ima，并通过腾讯云（Tencent Cloud）的 API 对外提供^[1]。据 Dataconomy 报道，腾讯计划把相关技术与模型开源^[2]。

在这一条线上的位置

混元 2.0 的后继者 Hy3 于 2026 年 7 月推出，总参数 2950 亿，比混元 2.0 的 4060 亿更少^[3]。这条线上接下来的一步，总参数是变小而不是变大。