腾讯Hy3上线后，AI办公、Agent和算力成本开始一起接受检验

腾讯混元 Hy3 正式版上线，把国产大模型的竞争焦点再次推向企业办公和智能体执行。相比单纯强调聊天、写作或代码补全，这次更值得注意的是：模型被放进 WorkBuddy、元宝等具体入口后，开始直接承担生成 PPT、Word 文档、整理材料、拆解任务和协助办公的角色。官方提到 WorkBuddy 办公任务成功率从 72% 提升到 90%，API 价格也被压到输入 1 元、输出 4 元每百万 tokens，这让“能不能用”和“用不用品得起”同时进入讨论。

这条消息并不是孤立事件。OpenSquilla 0.4.0 强调更省 token 的 Agent，AMD MI355X 跑 GLM 5.2 的成本优势被拿来对比英伟达 B200，生数科技获得大额融资继续押注通用世界模型，伯克利团队则把互联网视频学习迁移到灵巧手真机操作。几条线索放在一起看，AI 行业正在从模型发布会式的能力展示，进入“模型、Agent、算力成本和真实任务”同时被检验的新阶段。

Hy3补上办公执行力

混元 Hy3 正式版最直接的看点，是它不再只把能力展示停留在模型榜单上，而是强调在办公场景里的任务完成率。对企业用户来说，AI 助手能写一段话并不稀奇，真正有价值的是能不能理解上下文、拆解目标、生成可直接使用的文档，并在多轮修改中保持结构一致。PPT、Word、报告、周报、方案草稿这些任务看似普通，实际上要求模型同时处理信息提炼、结构组织、格式意识和语言风格。

从 72% 到 90% 的成功率提升，意味着模型厂商正在把“可交付”放到比“会回答”更重要的位置。过去很多 AI 办公产品的问题不是完全不能用，而是经常差一口气：标题像样但内容空、结构完整但细节虚、文本流畅但不可执行。Hy3 如果能在 WorkBuddy 这类入口里稳定完成文件生成、资料整理和流程辅助，就有机会把 AI 办公从“偶尔试试”推向“日常打开”。

价格也会影响落地速度。输入 1 元、输出 4 元每百万 tokens 的定价，释放出的信号很清楚：国产模型正在用更低调用成本争夺企业任务流。对于每天有大量文档、客服、销售材料、运营分析和内部知识处理需求的团队来说，模型能力之外，成本曲线同样决定能不能大规模铺开。AI 办公不是一次性体验，而是高频消耗型服务，价格越接近工具软件，使用门槛就越低。

Agent开始讲证据链

OpenSquilla 0.4.0 的方向则更偏向开发者和自动化任务。它定位为 Token-Efficient AI Agent，核心卖点不是单次回答更炫，而是让智能体在交付代码前自动跑测试，用红绿回归证据链证明自己确实改对了。这个细节很重要，因为 Agent 最大的信任问题，往往不在“它能不能想到方案”，而在“它有没有验证方案”。

很多企业尝试 Agent 时都会遇到类似情况：模型能写代码、改配置、调接口，但它可能不知道自己是否破坏了原有功能。人类工程师交付前会跑测试、看日志、复现问题、确认回归，Agent 若缺少这一步，就很容易从助手变成风险源。OpenSquilla 把验证机制做进流程里，其实是在把软件工程里的质量控制原则移植给 AI。

它内置的 SquillaRouter 也代表另一个趋势：不是所有任务都需要最贵、最强的模型。简单任务交给轻量模型，复杂问题再切到强模型，既能压低成本，也能避免上下文被无效消耗。随着 Agent 从玩具任务走向真实项目，路由、测试、回滚、证据链、权限边界都会变成基础能力，而不是锦上添花。

成本压力推着算力换挡

算力侧的消息同样值得放到这条主线里看。Wafer 用 AMD MI355X 芯片运行开源模型 GLM 5.2，单节点吞吐达到 2626 tok/s，约为英伟达 B200 的八成，但成本不到一半。SemiAnalysis 的测试还显示，在每百万 token 成本上 AMD 已经具备明显优势，只是在多节点部署方面仍有短板。

这说明模型竞争正在从“谁有最强芯片”扩展到“谁能把单位 token、单位任务、单位电力的成本压下来”。当 Hy3、OpenSquilla、Deep Code、WorkBuddy 这类产品进入高频工作流后，推理成本会迅速成为企业预算里的真实项目。一个模型如果单次调用很强，但成本难以控制，就很难支撑大规模办公、客服、开发和数据分析任务。

AMD 的追赶也会让 AI 基础设施市场更分散。英伟达仍然拥有成熟生态、软件栈和多节点优势，但只要替代方案在单节点推理、开源模型部署和成本效率上持续接近，就会吸引更多中小云厂商、模型服务商和企业私有化项目尝试多元化配置。未来 AI 成本战不只发生在 API 价格表上，也会发生在芯片、推理引擎、量化方案、路由策略和数据中心能耗之间。

世界模型继续吸金

生数科技新一轮获得 5 亿美元融资，由阿里云继续领投，成为国内通用世界模型领域非常醒目的资本事件。世界模型之所以被反复讨论，是因为它试图让 AI 不只是生成文本、图片或视频，而是理解环境状态、物体关系、动作后果和时序变化。对视频生成、机器人、仿真、游戏、工业设计和自动驾驶来说，这类能力都可能变成底层基础设施。

资本继续押注，说明市场仍然相信世界模型有机会从内容生成走向产业应用。不过这条路并不轻松。世界模型要真正可用，不仅要生成漂亮画面，还要保持物理一致性、状态记忆、可控交互和长程稳定。近期 MemoBench 等评测也提醒行业，当前视频模型在物体消失后重新出现、状态连续性和视觉记忆上仍有明显短板。也就是说，世界模型的想象空间很大，但商业化必须跨过“看起来像”和“真的懂环境”的鸿沟。

生数科技这类公司如果能把模型能力接入影视、广告、电商展示、教育仿真、工业训练或机器人数据生成，就可能把世界模型从概念推向生产系统。反过来，如果产品只停留在短视频生成和演示效果，融资再大也会面临转化压力。下一阶段，行业会更关注它能否拿出稳定的企业客户、可复用工作流和明确收入结构。

机器人从视频走向真机

伯克利团队发布的 Do as I Do 则代表具身智能的另一条关键路线：让机器人从互联网视频中学习操作，并迁移到 22 自由度灵巧手真机。系统通过引导式扩散跟踪物体，再进行动作重定向，把成功率从 25% 提升到 71%，覆盖 20 类动作，并在双 UR3e 与双 Sharpa Wave 平台上以 50Hz 部署真实任务。

这类研究的意义在于，机器人训练长期受限于真实数据采集成本。人类在视频平台上留下了海量操作示范，如果 AI 能把单目 RGB 视频转化为可执行的机器人轨迹，就相当于为具身智能打开了一个低成本数据入口。当然，从看懂视频到稳定操控真实物体，中间还有物理误差、遮挡、抓取力度、传感器噪声和硬件差异等难题，但这条路线已经展示出足够强的扩展潜力。

与此同时，星动纪元完成大额融资、北大团队用神经腕带和全景头环采集 Physical AI 数据，也说明机器人行业正在同时补三块短板：模型、数据和硬件。真正的具身智能不会只靠一个大模型突破，它需要可持续的数据采集、仿真环境、世界模型、低延迟控制和可靠机械平台共同进步。

AI应用进入现实账本

腾讯 Hy3、OpenSquilla、AMD 推理优化、生数科技融资和伯克利机器人研究看似分属不同赛道，其实都在指向同一个变化：AI 行业正在进入现实账本。模型要看办公成功率，Agent 要看验证证据，算力要看每百万 token 成本，世界模型要看产业落地，机器人要看真机成功率。能讲故事仍然重要，但真正能留下来的，是能持续降低成本、提升可靠性并进入真实流程的产品。

这也会改变企业选择 AI 的方式。过去企业可能先问“哪个模型最强”，现在更应该问“哪个系统能稳定完成我的任务”“调用成本是否可控”“能否接入现有流程”“出了错能不能追溯”“是否支持权限和数据隔离”。对于有线上业务、办公系统、知识库、代码仓库和客户服务场景的团队来说，AI 不再只是一个外部工具，而会逐渐变成基础设施的一部分。

接下来，模型厂商之间的差异可能不只体现在参数和榜单上，而会体现在工作流深度、生态入口、部署成本和行业适配能力上。Hy3 如果能在办公入口继续提高成功率，OpenSquilla 这类 Agent 如果能把证据链和路由机制做成标准能力，AMD 等算力替代方案如果继续压低推理价格，AI 应用的普及速度就会明显加快。行业不会因为某一个模型发布而定局，但会因为一批可用、可控、可负担的系统逐步改变工作方式。