腾讯发布混元 Hy4：支持电脑操作，能直接上手 Blender 和 CAD
腾讯正式推出多模态 Agent 模型混元 Hy4，加入视觉理解与电脑操作能力。它能结合图形界面与命令行操作 Blender、CAD 等专业软件，并支持金融分析与科研建模。目前已上线 API 并计划在数日内开源权重。
腾讯
腾讯推出新旗舰模型 Hy4：基准性能看齐顶尖开源模型，权重即将开放
腾讯推出新旗舰模型 Hy4，基准性能进入顶尖开源模型梯队，并支持视觉与计算机操作能力。该模型现已上线腾讯云与 OpenRouter 等平台，腾讯表示近期将开源模型权重并发布系统报告，同时已联手 vLLM 与 SGLang 社区提供生态支持。
腾讯混元开源 Hy-SimulMT：3 秒延迟中英同传，还能实时克隆人声
腾讯混元开源中英双向实时同声传译模型 Hy-SimulMT。它能在发言时同步输出翻译文本与语音，流式延迟约 3 秒，并支持保留发言者音色的实时声音克隆。官方已开放推理与微调代码，评测显示其表现接近专业同传。
腾讯开源 WeVisOne-VL：单个轻量模型搞定检测、计数与抠图
腾讯微信视觉团队开源视觉语言模型 WeVisOne-VL，推出 2B 与 4B 两个轻量版本。它无需 SAM 等重型模型辅助，仅靠 9.6M 参数的解码器就能统一目标检测、OCR、计数与发丝级透明通道抠图，目标不存在时还会主动拒识。代码与权重已按 Apache 2.0 协议开放，支持本地运行。
腾讯开源世界模型 Hy-Nomas：单张 4090 能跑，文字和相机实时操控
腾讯开源交互式视频世界模型 Hy-Nomas，支持通过自然语言和相机运镜实时控制虚拟场景。模型可输出 720p、24 帧画面，通过分段生成维持长时间一致性，蒸馏后的 9GB 版本单张 RTX 4090 即可运行，并以 Apache 2.0 协议开源全套代码与权重。
腾讯开源 Hy-Memory 2.0：让不同 AI Agent 共享记忆
腾讯开源 Hy-Memory 2.0，包含框架、专用记忆模型及配套应用 MemHub。它针对聊天、工作任务与代码演进设计了三类记忆，打通不同 AI 工具的历史记录。最值得关注的是，换用新 Agent 时不必再从头解释背景与经验。
开源多人世界模型 Multix：让 10 名玩家在同一个 AI 世界互动
腾讯与港大团队开源多人交互世界模型 Multix。它能为每位玩家生成独立视角并保持环境同步，靠「分层通信」降低超 86% 计算成本，且仅用 4 人数据训练就能直接扩展到 10 人联机。基础版约 16GB，代码与权重已放开。
复旦与腾讯开源 Prism：原生 2K 音视频联合生成提速 2.5 倍
复旦大学、腾讯混元和浙江大学开源音视频生成框架 Prism，支持原生 2K 分辨率音视频联合生成。它通过动态稀疏注意力把算力集中在发声和画面快速变化区域，大幅减少冗余计算，训练速度提升 2.5 倍且声画更契合。目前已在 Hugging Face 释出预览权重与代码。
腾讯推出世界模型 WorldCrafter：引入隐式 3D 记忆，回头看场景不再变形
腾讯团队发布交互式视频世界模型 WorldCrafter，通过隐式 3D 感知记忆机制，解决镜头移开后再转回来物体变形的问题。它支持从单张图片或文本生成可由相机控制的漫游视频，并借助蒸馏实现实时流式交互。
腾讯开源语音基础模型 AuK：1.5B 参数，一句话就能增删音频词句与情绪
腾讯开源 1.5B 语音生成与编辑模型 AuK 及快速版 AuK-Flash，代码与权重全开放。它采用统一的自然语言指令，不仅能做零样本声音克隆，还能像改文字一样无缝替换或增删音频词句、切换情绪并降噪。目前已支持在线体验与消费级显卡部署。
腾讯开源 Hy4 preview：770B 参数主打工作场景，开始自己训练自己
腾讯混元开源新一代大模型 Hy4 preview，总参数 770B、激活 49B，支持 1M 上下文。最关键的是它参与了自身研发迭代，在训练和算子优化上形成递归自我改进闭环。模型主打编程、金融和科研等真实场景，已上线元宝等产品，并在 WorkBuddy 提供两周免费体验。
腾讯发布 WorldClaw：一句话生成可探索、可编辑的 3D 大世界
腾讯发布智能体驱动的 3D 大世界生成系统 WorldClaw，仅凭单句文本就能生成可探索、可编辑的大规模 3D 场景。系统拆为意图规划、全局地形生成和局部物体摆放三阶段，借助渲染智能体微调物体姿态与接触面，所有模型资产均独立可复用。
腾讯开源 Octop：单进程多智能体，接微信飞书且数据本地化
腾讯开源本地 AI 助理平台 Octop，单进程即可跑通 Web 控制台、桌面端与定时任务。它支持多专家 Agent 协作，并能直接接入微信、飞书、钉钉等主流聊天软件。所有对话、知识库与记忆数据完全保存在本地，兼顾多端协作与隐私安全。
腾讯发布 Hunyuan3D-Buffalo 1.0：生成、理解与编辑全包了
腾讯混元团队公布统一 3D 多模态框架 Hunyuan3D-Buffalo 1.0。它基于共享的 VLM 底座，单套流程就能搞定文本生成 3D、自然语言编辑、3D 问答和部件拆解。创作者不再需要拼凑多个专用工具，用一句话就能微调或拆解 3D 资产。
腾讯开源 Hy3 混合专家模型：总参数 295B 激活 21B，专攻 Agent 编程
腾讯在 Hugging Face 等平台开源混合专家模型 Hy3，总参数 295B、激活 21B。该模型主打 Agent 编程与推理，支持 256K 上下文，内部实测幻觉率降至 5.4%。模型遵循 Apache 2.0 协议，并同步提供 FP8 权重。
腾讯公布 SCoPE：加不到 0.1% 参数，就能精准控制 AI 视频运镜
这周，腾讯研究人员公布 SCoPE 运镜控制技术。它把相机光线作为 token 的第二个坐标，仅用不到 0.1% 的新增参数，就能让视频模型严格遵循指定轨迹运镜，转头再看也不会漂移，在 5B 和 14B 模型上均已验证有效。
腾讯开源多语言翻译模型 Hy-MT2：1.8B 量化后仅 440MB
腾讯开源多语言翻译模型 Hy-MT2，提供 1.8B、7B 和 30B-A3B 三种规格，支持 33 种语言。其中 1.8B 版本经 AngelSlim 1.25-bit 极限量化后仅 440MB，极度利好端侧部署。该模型主打可控翻译与指令遵循，支持术语统一并可保留 JSON 等结构化格式，适合出海本地化与字幕翻译。
腾讯开源翻译模型 HYMT2：最小 1.8B 可跑在手机上，专精复杂格式
腾讯开源多语言翻译模型系列 HYMT2，覆盖 18 亿到 300 亿参数，支持 33 种语言。该模型专门优化了指令遵循能力，能在翻译时严格保留占位符、JSON 及排版格式，最小的 1.8B 版本甚至能在手机端运行。
腾讯开源 3D 世界模型 HY-World 2.0：直接输出可编辑 3D 资产
腾讯混元团队开源 3D 世界模型 HY-World 2.0。与只生成像素视频的模型不同，它支持文本、图像或视频输入，能直接输出可导入 Unity、UE 等引擎的持久化网格与 3D 高斯点云，并支持带物理碰撞的自由交互与导航。
腾讯开源 Covo-Audio：7B 端到端语音模型，支持全双工边听边说
腾讯开源 7B 参数端到端音频大语言模型 Covo-Audio-Chat。模型采用单一架构直接处理连续音频输入与输出，支持原生低延迟全双工交互，能做到边听边说和实时打断。代码与模型权重已在 GitHub 和 Hugging Face 开放。