让大模型更接地气，腾讯交出一份阶段性答卷。
大模型狂奔一年多后，正迈向产业落地的深水区。如何用好这一革命性的新技术，已成为整个社会的一道必答题。
去年，国内大模型百花齐放，外界关注的焦点也集中在模型能力上。而今年，几乎所有大模型从业者都已意识到，大模型的发展不仅要仰望星空，更要脚踏实地。
然而，大模型的产业落地才刚刚开始，仍面临着一系列挑战，包括场景选择、结果准确性、数据保密、落地成本、内容安全等。能否解决好这些问题，将直接决定大模型落地的速度和深度。
因此，在过去半年，各个大模型厂商的工作重点趋于一致，除了不断提升基础模型能力，还集中精力提升大模型的落地能力。而在众多大模型厂商中，腾讯属于跑得较快的代表。
去年9月，腾讯在发布混元大模型时就强调“产业实用”，截至目前，混元已经在腾讯内部600多个业务和场景中落地测试，同时，腾讯推出的行业大模型也已在金融、医疗、教育、汽车、能源等20多个行业落地。
由于积累了丰富的实践经验，腾讯能够更准确地识别大模型落地的痛点。从ToB业务的角度来看，理解并解决这些痛点，将为腾讯带来新的机遇。
5月17日，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示，“大模型的打造只是起点，把技术落地到产业场景，创造价值才是目标。腾讯将通过打造高性能的模型、高效率的工具平台、高敏捷的场景应用、高可用的算力基础设施，以及强安全的模型环境，构建离产业最近的AI。”
腾讯集团高级执行副总裁、云与智慧产业事业群CEO 汤道生
混元部分能力追平GPT-4
对大模型来说，由于Scaling law的存在，所以模型能力还尚未看到天花板。正因如此，讨论大模型落地前提，是要保证基础模型能力的领先性。
今年年初，腾讯混元完成了架构升级，从原先的Dense架构升级为MoE（Mixture of Experts）架构，并将模型扩展至万亿级参数规模。
一位大模型技术人士告诉21世纪经济报道记者，MoE架构是一种神经网络架构，它是通过多个专家（Experts）模型来处理输入数据的不同任务。相比Dense架构，MoE架构有两个优势：一是模型参数量更大，可吞吐更多tokens；二是实际激活量较小，可显著降低训练推理成本。
而通过模型架构的升级，腾讯混元整体性能相比上一代Dense模型提升了50%，并且在多轮对话、逻辑推理和数字推理领域的表现也变得更加出色。
5月17日，腾讯集团副总裁蒋杰在腾讯云生成式AI产业应用峰会上表示，腾讯混元大模型经过持续迭代，目前整体性能居国内第一梯队，部分中文能力追平GPT-4。
另外，随着产业信息的载体多元化，模型的需求不仅仅是处理单纯的文字，还需要处理图片、视频等多种信息。这也导致大模型的能力竞争，正在从单一的文生文，拓展到文生图、文生视频、图生图、图生视频等多模态能力。
在多模态方面，腾讯混元大模型目前也已取得不少成果。比如在生图领域，腾讯混元文生图基础架构已全面升级至Sora同款的 DiT 架构，具备了多轮绘图能力；在生视频领域，腾讯混元支持文生视频、图生视频、图文生视频、视频生视频等多种视频生成能力，视频生成长度可达16秒。
提供全链路AI开发工具支持
在对外输出混元大模型的能力时，腾讯提供了多种途径。
首先在腾讯云上，腾讯混元大模型提供了万亿参数hunyuan-pro、千亿参数hunyuan-standard以及百亿参数的hunyuan-lite等多种尺寸的模型服务，企业客户及开发者可以根据自身需求直接通过API调用。
腾讯混元模型服务通过腾讯云对外开放
其中，hunyuan-standard最新上线了支持256k超长上下文窗口的长文模型，具备单次处理超过38万字符的超长文本能力，在长文档的阅读理解和大规模数据分析方面展现出强大性能，能够为金融、医疗、教育、出行等行业的专业人士提供强有力的工作支持，显著提高工作效率。
汤道生表示，许多行业应用厂商在不同行业深耕多年，服务于业务的核心场景。他们在集成了混元大模型、TI-One等工具后，可以为客户带来产业升级的新动能，并打开新的创收机会。
5月17日，腾讯云也正式推出生成式AI生态计划。基于该生态计划，腾讯云将开放全量生成式AI产品，并为行业应用厂商提供PaaS、aPaaS、iPaaS等平台及原子能力，还计划培育千家生成式AI产品的专业服务伙伴。
5分钟开发一款大模型应用
除此之外，为了进一步降低用户使用门槛，5月17日，腾讯还推出三款PaaS产品——“大模型知识引擎”、“大模型图像创作引擎”和“大模型视频创作引擎”。