5 月 25 日消息，笔者独家获悉，基于腾讯自研大模型混元的首个端到端语音通话模型 Hunyuan-Voice，最快今年 6 月上线腾讯元宝 App，从而与豆包 AI 视频通话功能对抗。而且，腾讯已规划多模态和全模态路线，最快今年将推出全球首个 " 全模态模型 "，代号为混元 -O，瞄向 " 世界模型 "。
隶属于腾讯 TEG（技术工程）事业群的腾讯混元科研人员透露，面向 AGI，混元将以语言模型为核心，探索多种模态融合，并将向深度、广度两方面持续推进探索。一方面，混元从大语言模型向多模态模型发展，理解和模拟物理世界；同时，混元还将瞄准更智能的推理、规划、智能体，以及探索知识边界，自我启发、自我迭代、自我发现，最终与具身智能等技术结合，向环境中自主行动和学习的世界模型方向进行探索。
这是首个披露腾讯混元最新规划的消息，在此之前，腾讯没有对外披露过混元 -O 全模态模型技术。
后发混元大模型，马化腾直夸 DeepSeek
随着 2022 年底 ChatGPT 风靡全球，2023 年 2 月，腾讯混元大模型项目正式启动，并部署 AI 大模型技术研发工作，以语言模型为基础，逐步打造涵盖各种模态的模型矩阵。
2023 年 9 月，腾讯在全球数字生态大会上正式发布混元大模型 ，并宣布通过腾讯云对外开放。该模型是腾讯全链路自研的通用大语言模型，拥有超千亿参数规模，预训练语料超 2 万亿 tokens；9 月中旬，混元大模型首批通过《生成式人工智能服务管理暂行办法》备案。
2024 年，腾讯混元大模型加速迭代，1 月发布高性能 MoE 模型，5 月开源业界首个中文 DIT 文生图模型，随后发布混元多模态理解模型；9 月，混元 Turbo 发布；11 月，腾讯混元开源大语言模型 Hunyuan-large。
2023 年股东大会上，腾讯集团董事长兼 CEO 马化腾表示，AI 是全行业甚至全世界的重点，腾讯总算能跟上第一阵列，不能算最领先，但是至少没有太落后。
" 我们最开始以为这是互联网十年不遇的机会，但是越想越觉得这是几百年不遇的、类似发明电的工业革命一样的机遇。互联网企业都有很多的积累，都在做，我们也一样在埋头研发，但是并不急于早早做完，把半成品拿出来展示。" 马化腾称。
马化腾强调，后面还要结合场景发展，把 AI 混元大模型应用到各个场景中，" 短期内一两年内我感觉不会有一个纯原生 AI 大的应用，应该还是要结合到我们的所有产品里面效率提升等，我觉得这个是一个很大的机会。"
到了 2025 年，中国开源 AI 模型 DeepSeek 风靡全球，腾讯突然加速 AI 应用落地部署，旗下元宝、浏览器、微信、ima、腾讯文档、QQ 浏览器、QQ 音乐等多款腾讯产品，在接入混元大模型的同时，接入 DeepSeek-R1 模型。在外界看来，这让混元 AI 大模型处境略显尴尬，似乎成为 " 备胎 "。
DeepSeek-R1 虽弥补了混元大模型在推理速度和响应效率上的不足，却使得用户更倾向于使用有 DeepSeek 加持的功能。
今年 3 月腾讯年报沟通会中，马化腾谈及 DeepSeek 时表示，深度思考模型出来后，AI 智能化比以前有大幅提升，而且 DeepSeek 出现后，开源和中国工程师在关注成本和效率方面的优势较为明显。AI 的智能化程度相比往年有大幅度提升，对于腾讯来说经过慎重思考，云业务和元宝都在拥抱 AI。未来应用大发展的机会已经到来，各家都在采用 AI 落地，也看到 AI Agent（智能体）的发展，背后有很多 AI 相关工具的想象空间。目前 AI 生态还在早期，各行各业都会受益于 AI 普及，相信每个行业都会拥抱这个机会。
" 我们业界和梁文锋都有交流，很敬佩市场上出现独立、开源的产品，我们非常尊重。"马化腾表示。
与此同时，腾讯集团 CSIG 旗下腾讯云针对 DeepSeek 开源的 DeepEP 通信框架进行深度优化，使其在多种网络环境下均实现显著性能提升。相关技术方案也获得了 DeepSeek 公开致谢，称这是一次 "huge speedup" 代码贡献。
" 使用 GPU 进行大语言模型训练。去年有一段时间，人们认为每一代大型语言模型都需要数量级更大的 GPU，但 DeepSeek 的突破性进展结束了这一时期。现在，业界以及我们业内人士都能够利用现有 GPU 大幅提高大型语言模型训练的生产力，而无需像之前预期的那样额外添加 GPU。" 腾讯此前在财报会上表示。
据界面，一位负责互联网大厂投流的营销供应商表示，腾讯在元宝上的投流打法复制了去年字节跳动豆包 " 大力出奇迹 " 的推广模式，通过自家产品生态自带的流量中心优势（字节主要依赖抖音、今日头条，腾讯依赖微信），再加上大规模广告投放引流。唯一的区别是，字节跳动投流的宣传对象主要是自家的 " 豆包 "AI 模型，腾讯则几乎为每一条元宝广告都贴上了 "DeepSeek" 标签，自家混元模型反而没有太多曝光。
不过，腾讯似乎依然不想放弃自研大模型产品。随着全球 AI 产业全面形成 " 重资源 " 投入趋势，腾讯希望利用 " 自研 + 开源 " 多模型策略，加速全域产品 AI 渗透。
目前混元是由腾讯 TEG（技术工程）进行主导研发，随着姚星、蒋杰等人陆续离职，目前腾讯混元负责人是腾讯首席科学家、腾讯机器人 X 实验室主任、视觉计算机领域专家张正友，他向腾讯集团高级执行副总裁、技术工程事业群总裁卢山汇报；而元宝、腾讯云等隶属于 CSIG 事业群，由腾讯集团高级执行副总裁、云与智慧产业事业群总裁汤道生领导。
这两大事业群主导腾讯 AI 业务研发和落地。
2025 年 2 月，混元深度思考推理模型 T1 预览版上线腾讯元宝；3 月，混元 Turbos 通用模型发布；4 月，新一代旗舰混元多模态模型发布；5 月，多模态慢思考深度推理模型混元 T1-Vision 发布，端到端语音通话模型也在 5 月底发布，并将上线腾讯元宝。
目前，混元 TurboS 在权威评测平台 Chatbot Arena 中已跻身全球前八，低于 OpenAI O3、Gemini、DeepSeek-R1 等模型，在代码与数学等理科能力上跻身全球前十。最新一轮升级中，TurboS 在理科推理、代码能力和竞赛数学三项指标上分别提升了超 10%、24% 与 39%。
" 多模态认知系统应该怎么去构建？一个核心观点，应该以语言模型为核心。语言的边界可能也是世界的边界，这个意思就是说语言跟认知可能是等价的，所以这个是从任务角度来说是这样的。因此，我们就基于它去做了视觉模型、语音模型，同时我们也在规划全模态模型，它都是以语言模型为核心，再进行知识推理链，这样的话我们能够利用好语言模型强大能力，同时它也是一个混合弹性的结构。" 混元团队称。
下一步，面向通用 AI，腾讯混元尝试用深度、广度两个方面推进，最后目标是希望创造一个类似于贾维斯这样的一个机器人，它能够自主去在比较复杂的世界里面探索。
谈到具身智能，5 月 24 日首届国际通用人工智能大会上，张正友表示，目前机器人本体能力、机械能力和身体部分能力距离人类还差很远，具身智能的机器人大脑和身体是不协调的，所以真正的具身智能，是要能够身体和智能融合，并且能够自主学习处理问题，环境变化不确定下能够自动调整和规划系统。因此，复杂的感知能力、执行能力、学习能力、规划模型的集中智能等能力都需不断提升。
张正友强调，要探索一个最佳机器人本体形态，人形机器人当然是其中一个，但双足、人形机器人不一定是最佳的形态。
"具身智能现在正在往上发展，但到一定程度以后，不一定是寒冬，至少资本上面会有一个缩减的过程，最后会继续往前发展。所以从我们角度来讲，我们要继续提升具身智能的能力，寒冬过后能够有更好的发展。" 张正友称。
7 年投入超 3900 亿，腾讯要与阿里、字节激战 AI
" 这些‘大模型六虎’正在以三倍速，走当年我们‘ AI 四小龙’（依图、旷视、云从、商汤）2017-2019 年的老路。" 依图科技联合创始人林晨曦曾对笔者表示，如果 AI 创业公司想在国内 C 端产品中获得商业化，能力和最终结果远不及字节等互联网大厂，后者有大量的投入、人力资源、流量与用户规模，这是创业公司无法做到的。
如今，腾讯决定向 AI 技术领域加大研发投入。
2024 年，腾讯研发投入达 706.86 亿元，过去 7 年累计投入达 3912 亿元；年度资本开支更突破 767 亿元，同比增长 221%，创历史新高。其中，AI 项目发展所涉及的资本开支就达 390 亿元。
刘炽平表示，腾讯计划 2025 年进一步加大资本开支，预计会占 2025 年总收入的 " 低两位数百分比 "。这意味着，2025 年腾讯的资本开支可能接近 1000 亿元的水平。
除了腾讯，阿里、字节都在加大 AI 研发投入力度。阿里巴巴集团 CEO 吴泳铭已经宣布，未来三年，阿里将投入超过 3800 亿元，用于建设云和 AI 硬件基础设施，总额超过去十年总和。这也创下中国民营企业在云和 AI 硬件基础设施建设领域有史以来最大规模投资纪录。
其中，C 端方面，腾讯元宝接入 " 满血版 "DeepSeek- R1 模型，并能读懂图片后，今年 2 月、3 月曾多次登上苹果 AppStore 中国区免费榜前列，3 月 3 日晚成为下载排行榜第一名。
B 端层面，截至目前，腾讯内部超过 700 个业务场景获得混元大模型底座支持，大概每个月接入超百个场景，已有来自零售、教育、金融、医疗、传媒、交通、政务等多个行业的客户通过腾讯云调用腾讯混元大模型 API。
腾讯总裁刘炽平在此前财报会上表示，" 微信搜索的查询量和收入持续快速增长。我们整合了腾讯混元和 DeepSeek 大型语言模型能力，提升了微信搜索结果的相关性和质量。目前，腾讯自有模型支持的搜索结果已覆盖超过 90% 的问答式搜索。"
最新财报显示，2025 财年第一财季，腾讯实现总收入 1800 亿元，同比增长 13%。其中，To B 业务（金融科技及企业服务）实现营收 549 亿元。
展望未来，AI 是一个资本型、学术交叉型复杂技术，需要超强的算力、优秀的人才、高超的技术研发实力等，因此，新的 AI 大模型的 " 下半场 " 一定是巨头之间的较量，而作为 BAT 三大中国互联网头部公司之一，腾讯混元将与阿里通义、字节豆包激战 AI 智能体和商业化落地，尤其在 "AI+ 云 " 平台层面。
清华大学计算机系副教授刘知远表示，"AGI 新技术还在加速演进，未来发展路径尚不明确。我们仍处于追赶阶段，已经不是望尘莫及，但也只能说是望其项背。在别人已经探索出来的路上跟随快跑是相对容易的，接下来我们要面对一团未来迷雾。"
汤道生最近表示，AI 行业还处于早期阶段。大家都在跑马圈地，尝试着不同的商业模式。有的在追 Scaling Law，有的在打造 To C 市场新入口，有的在做产业落地，非常热闹。
"AI 正在跨过产业化落地的门槛，站在普及应用的全新节点上。行业由之前的模型训练主导，发展到今天更多是应用与 Agent 驱动；我们看到，云上 DeepSeek API 调用量激增，语音交互的需求也带动了 ASR（自动语音识别）与 TTS（文本转语音）模型的 API 调用；模型推理的算力消耗正在高速增长，规模化推理的成本优化，成为云厂商的核心竞争力。" 汤道生说。
汤道生 5 月 21 日强调，模型深度思考的突破，推动生成式 AI 的可用性从 " 量变 " 发展到 " 质变 "，腾讯持续加大 AI 投入力度，各项业务全面拥抱 AI。同时也以大模型、智能体、知识库和基础设施 " 四个加速 "，打造 " 好用的 AI"。
（本文首发于钛媒体 App，作者｜林志佳）
