WorkBuddy與騰訊混元聯合項目公告稱，首發搭載的混元Hy3大模型因試用火爆致算力資源高峯擁堵，自7月8日上午10點起出現排隊現象。項目組已緊急完成算力擴容調度，保障服務穩定運行。
SuperCLUE公佈騰訊Hy3語言模型編程專項測評，與DeepSeek-V4-Pro等對比。Hy3爲MoE架構，總參數295B、激活僅21B，支持256K上下文，號稱混元最強。結果參數遠小卻表現意外出色，從四大維度評估兼顧性能與花銷，測評針對國內程序員日常寫代碼的真實場景。
前OpenAI研究員田永龍加盟騰訊，負責混元多模態模型與視覺語言模型研發。繼姚順雨後，又一位OpenAI核心人才轉投騰訊混元，兩人曾共事。姚順雨2025年9月加入任首席AI科學家，直接向總裁彙報。
OpenAI前研究員田永龍已加入騰訊，或將擔任混元多模態模型負責人，主導視覺語言模型（VLM）研發。消息尚未官宣但備受業界關注，繼姚順雨之後，他成爲混元團隊引進的又一核心人才，顯示騰訊正加速強化多模態大模型領域的人才與技術佈局。
基於 Diffusion Transformer 架構的十億參數文生 3D 動作模型。
騰訊混元3D驅動的圖片轉3D與STL轉換器，快速生成高精度3D模型
AI 圖像生成進入 “毫秒級” 時代，速度快、質量高。
業界首個超大規模混合 Mamba 推理模型，強推理能力。
Tencent
$1
輸入tokens/百萬
$4
輸出tokens/百萬
32
上下文長度
-
$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
250
30
$3.5
$7
$15
$45
jayn7
騰訊混元視頻1.5模型的量化GGUF版本，專門用於文本到視頻生成任務，支持720P高清視頻生成，提供多種量化精度版本以優化使用效率。
本項目提供騰訊混元視頻1.5文本到視頻模型的量化GGUF版本，支持480P視頻生成任務，包含蒸餾模型和完整模型兩個版本，可與ComfyUI-GGUF等工具配合使用。
騰訊混元視頻1.5模型的量化GGUF版本，專門用於圖像轉視頻和視頻生成任務。提供480P分辨率的蒸餾模型和標準模型，支持多種量化精度，包括Q4_K_S、Q8_0和FP16等。
tencent
混元視頻-1.5是一款輕量級高性能視頻生成模型，僅用83億參數就能提供頂級的視頻質量，顯著降低了使用門檻。它能在消費級GPU上流暢運行，支持文本到視頻和圖像到視頻生成，讓每個開發者和創作者都能輕鬆使用。
混元OCR是由混元原生多模態架構驅動的端到端OCR專家VLM模型，僅用10億參數的輕量級設計，在多個行業基準測試中取得最先進成績。該模型擅長處理複雜的多語言文檔解析，在文本定位、開放域信息提取、視頻字幕提取和圖片翻譯等實際應用場景中表現出色。
Disty0
本項目是對騰訊混元圖像3.0模型進行4位（UINT4，SVD秩為32）量化的成果，採用了SDNQ量化方法，專門用於文本到圖像的生成任務。
hunyuanvideo-community
混元圖像2.1是基於diffusers庫的文生圖模型，能夠根據文本描述生成高質量的圖像，支持中英雙語輸入，為用戶提供便捷的圖像生成體驗。
mradermacher
這是慧慧混元MT奇美拉7B消融版模型的量化版本，專門針對翻譯任務優化，提供多種量化選項以滿足不同硬件需求。模型支持英語，採用GGUF格式，適用於資源受限環境。
DevQuasar
這是騰訊混元-MT-奇美拉-7B模型的量化版本，致力於讓知識為每個人所用，通過量化技術降低模型部署和運行的門檻。
本項目提供騰訊混元-MT-7B大語言模型的量化版本，通過模型壓縮技術降低計算和存儲需求，致力於讓知識為每個人所用，使高性能AI模型更加普及和易用。
Mungert
混元翻譯模型是由騰訊開發的先進機器翻譯系統，包含翻譯模型混元-MT-7B和集成模型混元-MT-Chimera。該模型支持33種語言的互譯，包括中文、英語、法語等主流語言以及中國的五種少數民族語言，在WMT25競賽中表現優異。
這是騰訊混元翻譯模型7B的量化版本，支持多種語言的翻譯，能在不同場景下滿足多樣化的翻譯需求。該模型經過GGUF格式量化，提供多種量化級別以適應不同的硬件和性能需求。
bartowski
基於llama.cpp對騰訊混元4B指令模型進行量化的版本，通過量化技術使模型在資源受限環境中更高效運行，同時保持一定的性能和質量。提供多種量化類型選擇，支持在線重打包優化。
騰訊混元1.8B指令模型的量化版本，使用llama.cpp進行imatrix量化處理，提供多種量化級別選擇，有效提升模型在不同硬件上的運行效率，支持在LM Studio或基於llama.cpp的項目中運行。
這是騰訊混元0.5B指令微調模型的GGUF量化版本，使用llama.cpp的imatrix技術進行量化處理，提供從BF16到極低比特率的多種量化選項，適用於資源受限環境下的中文對話任務。
混元是騰訊開源的高效大語言模型系列，專為在各種計算環境中進行多用途部署而設計。從邊緣設備到高併發生產系統，這些模型藉助先進的量化支持和超長上下文能力，都能實現最佳性能。
mlx-community
基於騰訊混元A13B大模型轉換的5bit量化版本，適用於蘋果芯片的MLX框架
騰訊混元A13B大語言模型的4bit量化版本，適用於指令跟隨任務
騰訊混元A13B指令模型的量化版本，通過技術手段在保證性能的同時提升運行效率。
混元3D-2是一款支持圖像到3D、文本到3D轉換的工具，為3D內容生成提供了強大的解決方案。
%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)
