WorkBuddy与腾讯混元联合项目公告称，首发搭载的混元Hy3大模型因试用火爆致算力资源高峰拥堵，自7月8日上午10点起出现排队现象。项目组已紧急完成算力扩容调度，保障服务稳定运行。
SuperCLUE公布腾讯Hy3语言模型编程专项测评，与DeepSeek-V4-Pro等对比。Hy3为MoE架构，总参数295B、激活仅21B，支持256K上下文，号称混元最强。结果参数远小却表现意外出色，从四大维度评估兼顾性能与花销，测评针对国内程序员日常写代码的真实场景。
前OpenAI研究员田永龙加盟腾讯，负责混元多模态模型与视觉语言模型研发。继姚顺雨后，又一位OpenAI核心人才转投腾讯混元，两人曾共事。姚顺雨2025年9月加入任首席AI科学家，直接向总裁汇报。
OpenAI前研究员田永龙已加入腾讯，或将担任混元多模态模型负责人，主导视觉语言模型（VLM）研发。消息尚未官宣但备受业界关注，继姚顺雨之后，他成为混元团队引进的又一核心人才，显示腾讯正加速强化多模态大模型领域的人才与技术布局。
基于 Diffusion Transformer 架构的十亿参数文生 3D 动作模型。
腾讯混元3D驱动的图片转3D与STL转换器，快速生成高精度3D模型
AI 图像生成进入 “毫秒级” 时代，速度快、质量高。
业界首个超大规模混合 Mamba 推理模型，强推理能力。
Tencent
$1
Input tokens/M
$4
Output tokens/M
32
Context Length
-
24
$0.8
$2
$0.5
224
$3
$9
16
4
Alibaba
$6
$6.4
$8
28
$2.4
$9.6
$1.5
$1.6
128
30
250
$12
$18
6
jayn7
腾讯混元视频1.5模型的量化GGUF版本，专门用于文本到视频生成任务，支持720P高清视频生成，提供多种量化精度版本以优化使用效率。
本项目提供腾讯混元视频1.5文本到视频模型的量化GGUF版本，支持480P视频生成任务，包含蒸馏模型和完整模型两个版本，可与ComfyUI-GGUF等工具配合使用。
腾讯混元视频1.5模型的量化GGUF版本，专门用于图像转视频和视频生成任务。提供480P分辨率的蒸馏模型和标准模型，支持多种量化精度，包括Q4_K_S、Q8_0和FP16等。
tencent
混元视频-1.5是一款轻量级高性能视频生成模型，仅用83亿参数就能提供顶级的视频质量，显著降低了使用门槛。它能在消费级GPU上流畅运行，支持文本到视频和图像到视频生成，让每个开发者和创作者都能轻松使用。
混元OCR是由混元原生多模态架构驱动的端到端OCR专家VLM模型，仅用10亿参数的轻量级设计，在多个行业基准测试中取得最先进成绩。该模型擅长处理复杂的多语言文档解析，在文本定位、开放域信息提取、视频字幕提取和图片翻译等实际应用场景中表现出色。
Disty0
本项目是对腾讯混元图像3.0模型进行4位（UINT4，SVD秩为32）量化的成果，采用了SDNQ量化方法，专门用于文本到图像的生成任务。
hunyuanvideo-community
混元图像2.1是基于diffusers库的文生图模型，能够根据文本描述生成高质量的图像，支持中英双语输入，为用户提供便捷的图像生成体验。
mradermacher
这是慧慧混元MT奇美拉7B消融版模型的量化版本，专门针对翻译任务优化，提供多种量化选项以满足不同硬件需求。模型支持英语，采用GGUF格式，适用于资源受限环境。
DevQuasar
这是腾讯混元-MT-奇美拉-7B模型的量化版本，致力于让知识为每个人所用，通过量化技术降低模型部署和运行的门槛。
本项目提供腾讯混元-MT-7B大语言模型的量化版本，通过模型压缩技术降低计算和存储需求，致力于让知识为每个人所用，使高性能AI模型更加普及和易用。
Mungert
混元翻译模型是由腾讯开发的先进机器翻译系统，包含翻译模型混元-MT-7B和集成模型混元-MT-Chimera。该模型支持33种语言的互译，包括中文、英语、法语等主流语言以及中国的五种少数民族语言，在WMT25竞赛中表现优异。
这是腾讯混元翻译模型7B的量化版本，支持多种语言的翻译，能在不同场景下满足多样化的翻译需求。该模型经过GGUF格式量化，提供多种量化级别以适应不同的硬件和性能需求。
bartowski
基于llama.cpp对腾讯混元4B指令模型进行量化的版本，通过量化技术使模型在资源受限环境中更高效运行，同时保持一定的性能和质量。提供多种量化类型选择，支持在线重打包优化。
腾讯混元1.8B指令模型的量化版本，使用llama.cpp进行imatrix量化处理，提供多种量化级别选择，有效提升模型在不同硬件上的运行效率，支持在LM Studio或基于llama.cpp的项目中运行。
这是腾讯混元0.5B指令微调模型的GGUF量化版本，使用llama.cpp的imatrix技术进行量化处理，提供从BF16到极低比特率的多种量化选项，适用于资源受限环境下的中文对话任务。
混元是腾讯开源的高效大语言模型系列，专为在各种计算环境中进行多用途部署而设计。从边缘设备到高并发生产系统，这些模型借助先进的量化支持和超长上下文能力，都能实现最佳性能。
mlx-community
基于腾讯混元A13B大模型转换的5bit量化版本，适用于苹果芯片的MLX框架
腾讯混元A13B大语言模型的4bit量化版本，适用于指令跟随任务
腾讯混元A13B指令模型的量化版本，通过技术手段在保证性能的同时提升运行效率。
混元3D-2是一款支持图像到3D、文本到3D转换的工具，为3D内容生成提供了强大的解决方案。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
