在头部大模型团队纷纷押注新架构的当下，Hy3 用了最标准的 MoE Transformer 架构。内部讨论过，是否引入 Qwen、Kimi 都在用的线性注意力方案，但最终放弃了。一个判断是，线性注意力的主要价值在于降低长文本场景下的计算成本，但当下的真实世界里，真正用到超长文本的场景并没有那么多。

Hy3 并不是完全没有企图心。按照姚顺雨的设想，混元不需要在所有能力上正面击败 Claude Opus 这样的前沿模型。如果一个模型能以 Opus 1% 的价格，在 90% 的日常问题上做到与它一样好，甚至超过它，对大多数用户来说这就是一个更优的模型。

“这是一种训练哲学，先清楚定义目标 —— 大多数用户日常真实面对的任务是什么、愿意承担多少成本，再从中寻找最优解，而不是一上来就盲目堆资源，追求智能的最高点。” 一位混元人士说。而腾讯的产品里就装着这些需求 —— 社交、办公、文档、搜索、客服、内容。

为了验证猜想，Hy3 把总参数量定在了 295B，远低于同期 Kimi K2.5 的 1T 和 GLM-5.2 的近 750B；每次推理仅激活 21B 参数，推理成本约为 GLM-5.2 的七分之一。

它放弃了不少看上去很酷的技术实践，比如像 Kimi 一样让数百个 Agent 并行协作，或是把参数堆到上万亿，在混元的价值体系里，这些都不是一定要做的。每当有研究员提出一些天马行空的想法，姚顺雨很快会把他拉回到现实中，提醒他们要多思考，“这对大多数人来说，这真的有用吗？能解决多少人的问题？”

通常而言，更大的参数规模意味着更高的能力上限；但 Hy3 显示出，只要数据和后训练做得好，不到 300B 的底座模型，在一些任务上已经能够与 1T 参数的模型竞争。

他在内部解释过为什么来腾讯。当下大模型稀缺的不再是训练技巧，而是找到真正值得解决的问题，而好问题恰在互联网公司的业务里。全球真正沉淀了大量上下文（Context）的公司不多，腾讯和 Meta 是最典型的两家。字节的用户规模虽大，但生态围绕推荐和分发，这类沉淀相对有限。

所以在姚顺雨的构想中，模型与产品应该以联合设计（Co-design）的模式合作，即模型和产品从一开始就绑定在一起开发，模型可以第一时间拿到产品的真实场景和用户反馈，知道自己该往哪里改；产品也能及时向模型同步需求，不用等一个通用模型送上门，再调整、将就。

他也知道，业务是证明混元价值的地方，必须笼络。一位混元人士告诉我们，今天大模型行业普遍面临商业化难题，但腾讯的思路是，不一定要向外部客户收费，能帮业务提升收入，同样是混元的价值。

为了打破僵局，姚顺雨在 2025 年底提出，将自己手上的模型应用中心、搜索算法中心划归元宝所在的云与智慧产业事业群（CSIG）。CSIG 手里有腾讯的多数 AI 产品，比如元宝、ima、CodeBuddy、WorkBuddy。

“他清楚自己当前的主要任务是什么，就是和业务处好关系，把 Co-design 的想法落地；搜索不紧急，也不是他最感兴趣的，没必要抓着不放。” 一位腾讯人士说。

借着这个契机，混元向元宝等业务分别派驻了一支后训练团队，建立起了联合设计、交叉派驻、代码审查与共享的合作机制。春节前，姚顺雨每周都会和元宝开会，甚至隔几天就会了解元宝的进展。有时在总办会上，他还会不吝称赞元宝的某个新设计，尽管它还不那么完善。

他提出了 “守正出奇” 的训练思路，即先回归常识，把训练大模型最基础的事做对，再谈创新。

三个月后，混元发布了全新一代大模型 Hy3 Preview。这是 “守正” 的结果：模型规模克制、使用的是最传统的架构，最大的变化是重构了 Infra，同时丢掉了大量脏数据。

一位接近腾讯高层人士说，接下来才是混元挑战的开始。“容易的事情做完了，守正以后，大家等着看他如何出奇了。”