独家｜混元多模态理解负责人胡瀚离职创业，原团队或将聚焦世界模型

文 | 周鑫雨
编辑 | 张雨忻
《智能涌现》独家获悉，近期，腾讯混元多模态理解负责人胡瀚提出了离职。
此前，他曾担任微软亚洲研究院视觉计算组首席研究员。2025 年初加入腾讯后，负责视觉大模型的研究。在后续的调整中，他加入大语言模型部旗下的“Frontier”前沿技术研究组，负责多模态理解的相关研究，汇报给姚顺雨。
据了解，胡瀚还曾承担世界模型的研发工作。
与此同时，腾讯大语言模型部负责人姚顺雨近期正在密集梳理旗下团队， 胡瀚此前所在的研究组或将聚焦世界模型的前沿研究 。
截至发稿，腾讯未对上述信息做回复。
大语言模型仍是混元最重要的事
自 2026 年年中以来，围绕混元体系的人员变动一直在进行。7 月初，前 OpenAI 研究院、麻省理工学院博士田永龙加入大语言模型部——我们得知，他将代替胡翰负责视觉语言模型方向（VLM）的研发，并汇报给姚顺雨。
自姚顺雨加入，补全短板、将混元基模的能力快速提升至第一梯队，就成了腾讯 AI 的主线。
重新梳理资源分配，将人才、算力聚焦至大语言模型部负责的基础模型研发，是姚顺雨上任后的核心举措之一。
比如，腾讯撤销 AI Lab 后，核心研发人员全部并入了大语言模型部。大语言模型人才的招聘力度也随着姚顺雨的加入而变大，比如来自字节 Seed Infra 团队和后训练团队的数人。
后来，在 6 月 5 日的腾讯云AI产业应用大会上，腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生，某种程度上替外界向姚顺雨问出了一个尖锐的问题：很多人说腾讯在AI上慢了，你觉得我们真的慢了吗？
但其实，“顺雨比腾讯的高层更急。”一名混元的研究员告诉《智能涌现》。他提到，姚顺雨多次向腾讯高管为混元争取更多的算力资源。
另一个细节是，“晚点 LatePost”曾提到，在 Hy3 发布前的一个月，一批数据出现了问题。姚顺雨用少见地严厉措辞告诫了团队：“数据非常重要。如果下次再出现这样的情况，直接走人。”
重新衡量多模态理解的收益
当各条 AI 战线均未跑出领先身位时，腾讯想要突围，势必要重新衡量各个 AI 技术方向的收益。
一方面，胡瀚所从事的多模态理解研究已经趋于成熟，继续投入资源所带来的收益已经十分有限。
“在多模态理解研究中，文字、图像、视频识别准确率基本上能达到85%以上，”一名多模态研究员告诉我们，“难的其实是视觉推理，就是让模型理解图像和视频意味着什么，这一步靠多模态研究是不够的，而是要提升语言模型的推理能力。”
技术红利渐退，多模态理解所能带来的商业收益，也并不明晰。
此前，多模态研究一度在腾讯 AI 体系中占据核心地位。核心原因是，计算机视觉技术，可以直接与广告、游戏、影音这些“现金牛”业务强结合，为腾讯创收。
但相较于生成技术，多模态理解所对应的“识图”“看图写话”等场景，其实无法直接商业化。
“没有用户愿意为识图付费，市面上有大把免费可替代的产品。”一位元宝产品经理提到，用户真正愿意付费的，是文档处理、PPT制作、研报制作这些办公场景——背后对应的，是模型的推理、Coding、Agentic能力。
另一方面，腾讯的算力资源有限，与字节、阿里相比并不占据优势。
2025 年腾讯财报显示，腾讯全年资本开支为 792 亿元；相对的，截至 2026 年 3 月，阿里的财年资本开支达到了 1260 亿元；而据彭博社报道，2026年字节计划将 AI 基础设施投入最高推至 700 亿美元。
资源有限，混元内部难免陷入僧多粥少的局面。此时，暂缓技术红利有限的多模态理解研究，聚焦在更代表未来的前沿方向研究上，是腾讯权衡收益后的抉择。
7 月 6 日，姚顺雨交出了加入腾讯后的第一份正式答卷，大模型 Hy3。在同等参数量的中等尺寸模型中，Hy3已经能和GLM-5.2、DeepSeek V4 Pro掰手腕。
在腾讯 AI 自身的坐标系上，姚顺雨加入以来的组织重组、基建体系（数据、Infra、评测）重构，以及回归基模的战略，让混元在短短半年内，有了上 AI Tier 1 牌桌的资格。
（《智能涌现》作者李炤锋亦有贡献。）

来源：36氪