騰訊釋出混元 Hy4：支援電腦操作，能直接上手 Blender 和 CAD
騰訊正式推出多模態 Agent 模型混元 Hy4，加入視覺理解與電腦操作能力。它能結合圖形介面與命令列操作 Blender、CAD 等專業軟體，並支援金融分析與科研建模。目前已上線 API 並計劃在數日內開源權重。
腾讯
騰訊推出新旗艦模型 Hy4：基準效能看齊頂尖開源模型，權重即將開放
騰訊推出新旗艦模型 Hy4，基準效能進入頂尖開源模型梯隊，並支援視覺與計算機操作能力。該模型現已上線騰訊雲與 OpenRouter 等平臺，騰訊表示近期將開源模型權重併發布系統報告，同時已聯手 vLLM 與 SGLang 社群提供生態支援。
騰訊混元開源 Hy-SimulMT：3 秒延遲中英同傳，還能即時克隆人聲
騰訊混元開源中英雙向即時同聲傳譯模型 Hy-SimulMT。它能在發言時同步輸出翻譯文本與語音，流式延遲約 3 秒，並支援保留髮言者音色的即時聲音克隆。官方已開放推理與微調程式碼，評測顯示其表現接近專業同傳。
騰訊開源 WeVisOne-VL：單個輕量模型搞定檢測、計數與摳圖
騰訊微信視覺團隊開源視覺語言模型 WeVisOne-VL，推出 2B 與 4B 兩個輕量版本。它無需 SAM 等重型模型輔助，僅靠 9.6M 引數的解碼器就能統一目標檢測、OCR、計數與髮絲級透明通道摳圖，目標不存在時還會主動拒識。程式碼與權重已按 Apache 2.0 協議開放，支援本地執行。
騰訊開源世界模型 Hy-Nomas：單張 4090 能跑，文字和相機即時操控
騰訊開源互動式影片世界模型 Hy-Nomas，支援通過自然語言和相機運鏡即時控制虛擬場景。模型可輸出 720p、24 幀畫面，通過分段生成維持長時間一致性，蒸餾後的 9GB 版本單張 RTX 4090 即可執行，並以 Apache 2.0 協議開源全套程式碼與權重。
騰訊開源 Hy-Memory 2.0：讓不同 AI Agent 共享記憶
騰訊開源 Hy-Memory 2.0，包含框架、專用記憶模型及配套應用 MemHub。它針對聊天、工作任務與程式碼演進設計了三類記憶，打通不同 AI 工具的歷史記錄。最值得關注的是，換用新 Agent 時不必再從頭解釋背景與經驗。
開源多人世界模型 Multix：讓 10 名玩家在同一個 AI 世界互動
騰訊與港大團隊開源多人互動世界模型 Multix。它能為每位玩家生成獨立視角並保持環境同步，靠「分層通訊」降低超 86% 計算成本，且僅用 4 人資料訓練就能直接擴充套件到 10 人聯機。基礎版約 16GB，程式碼與權重已放開。
復旦與騰訊開源 Prism：原生 2K 音影片聯合生成提速 2.5 倍
復旦大學、騰訊混元和浙江大學開源音影片生成框架 Prism，支援原生 2K 解析度音影片聯合生成。它通過動態稀疏注意力把算力集中在發聲和畫面快速變化區域，大幅減少冗餘計算，訓練速度提升 2.5 倍且聲畫更契合。目前已在 Hugging Face 釋出預覽權重與程式碼。
騰訊推出世界模型 WorldCrafter：引入隱式 3D 記憶，回頭看場景不再變形
騰訊團隊釋出互動式影片世界模型 WorldCrafter，通過隱式 3D 感知記憶機制，解決鏡頭移開後再轉回來物體變形的問題。它支援從單張圖片或文本生成可由相機控制的漫遊影片，並藉助蒸餾實現即時流式互動。
騰訊開源語音基礎模型 AuK：1.5B 引數，一句話就能增刪音訊詞句與情緒
騰訊開源 1.5B 語音生成與編輯模型 AuK 及快速版 AuK-Flash，程式碼與權重全開放。它採用統一的自然語言指令，不僅能做零樣本聲音克隆，還能像改文字一樣無縫替換或增刪音訊詞句、切換情緒並降噪。目前已支援線上體驗與消費級顯示卡部署。
騰訊開源 Hy4 preview：770B 引數主打工作場景，開始自己訓練自己
騰訊混元開源新一代大模型 Hy4 preview，總引數 770B、啟用 49B，支援 1M 上下文。最關鍵的是它參與了自身研發迭代，在訓練和運算元最佳化上形成遞迴自我改進閉環。模型主打程式設計、金融和科研等真實場景，已上線元寶等產品，並在 WorkBuddy 提供兩週免費體驗。
騰訊釋出 WorldClaw：一句話生成可探索、可編輯的 3D 大世界
騰訊釋出智慧體驅動的 3D 大世界生成系統 WorldClaw，僅憑單句文本就能生成可探索、可編輯的大規模 3D 場景。系統拆為意圖規劃、全域性地形生成和區域性物體擺放三階段，藉助渲染智慧體微調物體姿態與接觸面，所有模型資產均獨立可複用。
騰訊開源 Octop：單程序多智慧體，接微信飛書且資料本地化
騰訊開源本地 AI 助理平臺 Octop，單程序即可跑通 Web 控制台、桌面端與定時任務。它支援多專家 Agent 協作，並能直接接入微信、飛書、釘釘等主流聊天軟體。所有對話、知識庫與記憶資料完全儲存在本地，兼顧多端協作與隱私安全。
騰訊釋出 Hunyuan3D-Buffalo 1.0：生成、理解與編輯全包了
騰訊混元團隊公佈統一 3D 多模態框架 Hunyuan3D-Buffalo 1.0。它基於共享的 VLM 底座，單套流程就能搞定文本生成 3D、自然語言編輯、3D 問答和部件拆解。創作者不再需要拼湊多個專用工具，用一句話就能微調或拆解 3D 資產。
騰訊開源 Hy3 混合專家模型：總引數 295B 啟用 21B，專攻 Agent 程式設計
騰訊在 Hugging Face 等平臺開源混合專家模型 Hy3，總引數 295B、啟用 21B。該模型主打 Agent 程式設計與推理，支援 256K 上下文，內部實測幻覺率降至 5.4%。模型遵循 Apache 2.0 協議，並同步提供 FP8 權重。
騰訊公佈 SCoPE：加不到 0.1% 引數，就能精準控制 AI 影片運鏡
這週，騰訊研究人員公佈 SCoPE 運鏡控制技術。它把相機光線作為 token 的第二個座標，僅用不到 0.1% 的新增引數，就能讓影片模型嚴格遵循指定軌跡運鏡，轉頭再看也不會漂移，在 5B 和 14B 模型上均已驗證有效。
騰訊開源多語言翻譯模型 Hy-MT2：1.8B 量化後僅 440MB
騰訊開源多語言翻譯模型 Hy-MT2，提供 1.8B、7B 和 30B-A3B 三種規格，支援 33 種語言。其中 1.8B 版本經 AngelSlim 1.25-bit 極限量化後僅 440MB，極度利好端側部署。該模型主打可控翻譯與指令遵循，支援術語統一併可保留 JSON 等結構化格式，適合出海本地化與字幕翻譯。
騰訊開源翻譯模型 HYMT2：最小 1.8B 可跑在手機上，專精複雜格式
騰訊開源多語言翻譯模型系列 HYMT2，覆蓋 18 億到 300 億引數，支援 33 種語言。該模型專門優化了指令遵循能力，能在翻譯時嚴格保留佔位符、JSON 及排版格式，最小的 1.8B 版本甚至能在手機端執行。
騰訊開源 3D 世界模型 HY-World 2.0：直接輸出可編輯 3D 資產
騰訊混元團隊開源 3D 世界模型 HY-World 2.0。與只生成畫素影片的模型不同，它支援文本、影像或影片輸入，能直接輸出可匯入 Unity、UE 等引擎的持久化網格與 3D 高斯點雲，並支援帶物理碰撞的自由互動與導航。
騰訊開源 Covo-Audio：7B 端到端語音模型，支援全雙工邊聽邊說
騰訊開源 7B 引數端到端音訊大語言模型 Covo-Audio-Chat。模型採用單一架構直接處理連續音訊輸入與輸出，支援原生低延遲全雙工互動，能做到邊聽邊說和即時打斷。程式碼與模型權重已在 GitHub 和 Hugging Face 開放。