腾讯发布混元 2.0 大模型：406B MoE 架构，256K 上下文，推理效率国内领先

腾讯正式发布自研大模型 混元 2.0（Tencent HY 2.0），包含 HY 2.0 Think（推理优化版）与 HY 2.0 Instruct（指令对齐版）两个版本。该模型采用 混合专家（MoE），总参数达 406B，激活参数 32B，支持 256K 上下文窗口，在推理能力、效率与实用场景表现上“居国内顶尖行列”。

• API：https://hunyuan.tencent.com/modelSquare/home/list?modelKey=Text

核心能力全面跃升

1. 复杂推理：稳居国内第一梯队

通过高质量预训练数据与 Large Rollout 强化学习，HY 2.0 Think 在以下权威评测中取得一流成绩：

• IMO-AnswerBench（国际数学奥林匹克竞赛基准）
• HMMT2025（哈佛-MIT 数学竞赛）
• Humanity's Last Exam（HLE，综合知识极限测试）
• ARC-AGI（抽象推理与泛化能力）

模型在数学、科学、逻辑推理等高难度任务上的泛化性显著增强。

2. 指令遵循与长文多轮交互

• 采用 重要性采样修正，缓解训练/推理不一致问题；
• 实现 长窗口 RL 的高效稳定训练（256K 上下文）；
• 通过 多样化可验证任务沙盒 + 基于打分准则的 RL，在 Multi Challenge 等多轮复杂指令任务中效果大幅提升。

3. 代码与智能体能力突破

• 构建 规模化可验证环境 与 高质量合成数据；
• 显著提升 Agentic Coding 与 工具调用 能力；
• 在 SWE-bench Verified（真实软件工程任务）与 Tau2-Bench（智能体工具使用）等面向落地场景的评测中实现跃升。

效率与“智能密度”领先业界

HY 2.0 Think 引入 精细长度惩罚策略，有效抑制冗余思维链，避免“堆砌废话”，在保证准确率的同时大幅降低 token 消耗。

对比 IMO-AnswerBench、HMMT2025、ARC-AGI、HLE 四项任务表现与 token 使用量，HY 2.0 Think 的 单位 token 智能密度 处于行业领先水平。

实用场景体验升级

基于 RLVR + RLHF 双阶段强化学习，HY 2.0 的输出“质感”显著提升，在以下场景展现差异化优势：

• 高质量文本创作（如文案、故事、报告）
• 前端开发辅助（HTML/CSS/JS 生成与调试）
• 复杂指令精准执行（多步骤、条件判断、上下文依赖）

相比上一版本（Hunyuan-T1-20250822），指令遵循准确率明显提升，错误率显著下降。

已上线应用与开放计划

• 已接入产品：腾讯元宝、ima 等原生 AI 应用；
• 开发者可用：腾讯云已开放 HY 2.0 API，支持直接调用或私有化部署；
• 未来方向：持续迭代 代码能力、智能体交互、个性化风格、长程记忆；
• 开源承诺：相关技术与模型将逐步以 开源形式 向社区开放。