混元研发体系重构后，腾讯云把MaaS的账算明白了

大模型发布会上的 Benchmark 表格，越来越难回答企业真正关心的问题：这个模型放进我的业务里，能不能稳定完成复杂任务？一百万 Token 要花多少钱？换一个国产加速卡，性能会不会掉一半？当模型从“演示”走向“生产”，评判标准就变了。

在 2026 腾讯全球数字生态大会的模型与 MaaS 服务专场上，腾讯云给出的答案不是再刷一张榜，而是把研发、推理和业务应用串成一条链路：混元负责模型能力，TI-ONE 负责异构算力与推理优化，TokenHub 负责服务通路。背后还有一次更早开始的研发体系重构。

一分钟速览

• 一项研究分析 43 套 Agent 评测基准、超过 7.2 万项任务，发现评测高度集中于编程，管理、法律等真实职业场景覆盖不足。
• 腾讯混元 2025 年 12 月启动研发体系重组，2026 年 1 月升级后训练基础设施，形成每两到三个月一次重大版本的节奏。
• 混元组织 163 名内部业务专家，围绕软件工程、游戏开发等四类场景做盲测，并建立覆盖 9 大业务方向的内部评测体系。
• Hy4 preview 在主流国产加速卡上优化后，单卡吞吐达到初始版本的 5 倍，专项优化用时两周。
• 百万 Token 调用成本已从“元”降至“角”甚至“分”级，成本控制成为 MaaS 的核心竞争力。

评测失真的问题，比想象中严重

今年 3 月的一项研究，分析了 43 套 Agent 评测基准、超过 7.2 万项任务，并与美国劳动力市场的 1016 种职业对照。结果发现，现有评测高度集中在编程等计算机相关任务，管理、法律等大量真实工作场景明显覆盖不足。

这带来一个尴尬的局面：模型在测试中表现出色，未必能解决实际问题。一段代码通过单元测试，和完成涉及需求理解、跨文件修改、调试验证的软件工程任务，并不是一回事。到了 Agent 场景，模型还要持续调用工具、处理执行异常，并根据中间结果调整后续动作。单项能力出色，不等于整项任务能完成。

腾讯的做法，是把真实业务拉进评测。除了 Terminal-Bench、DeepSWE 等公开基准和 Arena 等第三方平台，混元还组织 163 名内部高频使用大模型的业务专家，围绕软件工程、游戏开发等四类典型场景做盲测。目前，腾讯已建立覆盖 9 大业务方向的内部评测体系，这些来自具体业务的评价，反过来影响模型迭代。

研发体系重构：从“追版本”到“按业务迭代”

评测方式的变化，与混元研发体系的调整同步发生。2025 年 12 月，混元启动研发体系重组；2026 年 1 月，重点升级后训练基础设施，以适应智能体长程推理任务的需求。此后，混元逐步形成每两到三个月一次重大版本迭代的节奏。

其中重要的一环，是模型与产品联合设计。WorkBuddy、CodeBuddy 等产品连接着大量具体任务：代码开发关注跨文件修改、调试验证和工程质量；办公应用涉及跨文档分析、数据处理与成果交付。不同业务对准确性、长程执行、响应速度和 Token 消耗的要求各不相同，这些真实需求为模型研发提供了更具体的优化方向。

这也是为什么“榜单分数”不再是唯一目标。公开榜单能帮助团队判断能力水平，真实工作流则让短板更清晰。一个模型可能很会写算法题，却在跨文件重构时频繁迷路；也可能推理很强，但响应太慢，无法支撑交互式产品。

推理优化：同样的模型，更低的成本

模型能完成任务，不代表适合生产环境。长程任务通常伴随更大的上下文窗口、更频繁的工具调用和持续增长的推理开销。即便结果正确，如果响应过慢、成本过高，也很难规模化。

腾讯云 TI-ONE 把生产级推理的难点归纳为几个层面：Prefill 和 Decode 阶段对算力需求不同，算子效率、并行通信、缓存策略和长尾时延都会影响性能；异构算力适配与资源闲置影响成本；模型上线后，还需要可观测、弹性伸缩和平滑更新。

国产算力上的优化是重点之一。在主流国产加速卡的测试环境下，Hy4 preview 经过优化后，单卡吞吐达到初始版本的 5 倍；相关团队仅用两周完成专项优化，并把成果沉淀到 TI-ONE 平台，供后续部署复用。平台还把推理配置与调优经验封装成部署模板，减少企业针对不同模型、不同硬件反复配置的工作量。

这些工程优化不会直接提高 Benchmark 得分，却能让相同的模型能力以更低成本、更稳定性能进入业务。模型版本更新越快，持续适配和交付这种能力的重要性就越突出。

不是所有任务都需要最大模型

企业未必总是需要参数规模最大的版本。复杂科研任务更看重推理深度，终端交互需要更快响应，工业预测则关注数据适配、准确率和运行稳定性。不同任务对模型的要求，并不存在统一答案。

小米 MiMo-V2.6 系列的分层是一个例子：Pro 面向专业场景与复杂长程工作流；Pro-Ultraspeed 重点优化推理速度，适合强实时交互；Flash 兼顾能力与成本，面向高频调用和批量任务。据小米披露，Ultraspeed 版本的输出速度最高可达 Pro 版本的 20 倍以上。

趋势洞察

MaaS 的竞争，正在从“模型即服务”变成“模型能力 + 推理工程 + 业务理解”的综合竞争。客户不关心你用了多少张卡，只关心任务能不能完成、成本能不能预测、服务能不能稳定。

这对模型厂商提出了更高要求：既要持续迭代模型，又要维护复杂的异构算力适配；既要开源生态，又要保证企业级交付。腾讯云把混元、TI-ONE、TokenHub 串成一条链路，本质上是在回答一个问题——如何让模型能力，以可接受的成本，稳定地走进真实业务。

结语

评测榜单仍然重要，但它只是起点。真正决定 MaaS 成败的，是模型进入业务之后的每一次调用：响应够不够快、成本能不能算清、出错时能不能定位。混元的研发体系重构和腾讯云的推理优化，都是围绕这些“不性感”的问题展开的。大模型的下半场，拼的可能正是这些细节。