合并大語言模型和多模態(tài)模型部門后，姚順雨職責擴大，騰訊稱，這一變化將進一步提升模型研發(fā)和協(xié)同效率，探索全模態(tài)模型智能上限。
7月23日下午，騰訊內(nèi)部通知稱，成立基礎模型部，合并大語言模型部和多模態(tài)模型部，相關業(yè)務及團隊全部并入新部門。騰訊首席AI科學家姚順雨兼任基礎模型部負責人，向技術工程事業(yè)群(TEG)總裁盧山匯報。
此外，騰訊未公布原混元多模態(tài)模型部負責人薄列峰的去向，且近期外界傳出混元多模態(tài)理解負責人胡瀚離職的消息，前OpenAI研究員田永龍將接替胡瀚的工作，但騰訊對此沒有回應。
合并大語言模型和多模態(tài)模型部門后，姚順雨職責擴大，騰訊稱，這一變化將進一步提升模型研發(fā)和協(xié)同效率，助力探索全模態(tài)模型智能上限。
這意味著，騰訊混元自2025年4月拆分大語言模型部和多模態(tài)模型部后形成的算法研發(fā)“雙軌制”，運行約15個月后重新合并。此次調(diào)整將語言、視覺、語音、3D等模型研發(fā)納入統(tǒng)一的基礎模型架構，由姚順雨統(tǒng)籌技術路線、算力資源和產(chǎn)品協(xié)同。
依托強勢的游戲（881275）業(yè)務，多模態(tài)被認為是騰訊相對具備優(yōu)勢的領域。騰訊混元多模態(tài)模型部的研發(fā)方向涵蓋圖像、視頻、語音、3D生成及多模態(tài)理解，并依托騰訊在游戲（881275）、內(nèi)容、社交和企業(yè)服務等領域的業(yè)務場景，推動相關能力用于游戲（881275）資產(chǎn)生成、圖片與視頻創(chuàng)作等環(huán)節(jié)，通過騰訊云向外部客戶開放。
在具體成果方面，混元圖像3.0圖生圖版本已接入騰訊元寶；混元3D世界模型2.0于2026年4月發(fā)布并開源，騰訊介紹，該模型是一個多模態(tài)世界模型，能夠理解文字、圖片、視頻等不同類型輸入，自動生成、重建和模擬3D世界，能與現(xiàn)有的游戲（881275）工作流無縫對接，快速生成游戲（881275）地圖和關卡原型；此外，圖像設計智能體“妙境Miora”則于7月22日上線。
這也是騰訊大模型團隊繼今年3月之后的又一次重大架構調(diào)整。騰訊當時撤銷了AI實驗室(AI Lab)，保留產(chǎn)學研合作中心，部分人員調(diào)整至混元團隊，向姚順雨匯報，多模態(tài)部負責人向盧山匯報。
在姚順雨領導下，騰訊混元重建了預訓練和強化學習的基礎設施，并確立了模型追求實用性的原則。7月6日，騰訊發(fā)布其基座模型混元Hy3，Hy3定價主打性價比，較前代版本有所下降。其定價為輸入1元/百萬tokens，該價格較預覽版下降0.2元/百萬tokens；輸出價格保持在4元/百萬tokens；輸入命中緩存價格則從預覽版的0.4元/百萬tokens降至0.25元/百萬tokens。
從現(xiàn)有表現(xiàn)看，Hy3的能力提升主要來自基礎設施和訓練數(shù)據(jù)層面的統(tǒng)一，而非不同模態(tài)架構的直接融合。據(jù)騰訊介紹，其推理效率提升約40%，幻覺率由12.5%降至5.4%。
與OpenAI、谷歌將文本、圖像、音頻乃至視頻能力逐步整合進同一基礎模型的路徑不同，從騰訊已披露的產(chǎn)品形態(tài)來看，Hy3主要承擔文本推理與Agent任務，圖像、視頻和3D等能力則由不同的專用模型分別完成，再通過智能體或產(chǎn)品流程實現(xiàn)協(xié)作。
“這個世界還有很多空間沒有被填滿，多模態(tài)、具身智能，很多很多新的事情都在發(fā)生，或者剛剛發(fā)生，所以從這個角度來說，我們認為下半場剛剛開始?！碧峒岸嗄B(tài)，姚順雨在6月5日同騰訊云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生對談時稱，自己加入騰訊正是因為其場景和產(chǎn)品豐富，模型能獲得真實的輸入和上下文。
姚順雨進一步認為，AI下半場的關鍵，是建立一個長期面向AGI的組織，即在基礎模型、產(chǎn)品落地和前沿研究三個方向形成均衡布局。姚順雨介紹，這樣的組織在基礎模型層需要夯實預訓練和后訓練能力，產(chǎn)品層需要推動技術真正為用戶和社會創(chuàng)造價值，前沿研究則要持續(xù)探索新的研究范式與機會，構建出一個三者非常均衡的“三角形”組織。
