腾讯云详解混元与MaaS落地的研发推理优化路径

大模型评测与真实工作之间仍存在明显距离。一项针对43套Agent评测基准、超过7.2万项任务的研究显示，测试内容高度集中在编程等计算机领域，与美国劳动力市场1016种职业相比，对管理、法律等场景覆盖不足。模型通过代码测试，也不代表能完成需求理解、跨文件修改、调试和工具协同等完整任务。

10月30日举行的2026腾讯全球数字生态大会模型与MaaS服务专场上，腾讯云MaaS产品中心总经理邹辉表示，模型能力持续增强，百万Token调用成本已从“元”降至“角”甚至“分”，Agent也正从对话接口转向能够规划和执行任务的智能主体。企业因此更关注能力匹配、成本、稳定性及复杂任务完成度。

为贴近业务，混元除参考Terminal-Bench、DeepSWE和Arena等评测外，还组织163名内部高频用户，围绕软件工程、游戏开发等四类场景开展盲测，并建立覆盖9大业务方向的内部评测体系。混元于2025年12月启动研发重组，2026年1月升级后训练基础设施，逐步形成每两到三个月一次重大迭代的节奏；WorkBuddy、CodeBuddy等产品则通过联合设计反馈真实需求。

模型进入生产环境后，性能、成本和运营同样关键。TI-ONE整合训练工具、推理加速、资源调度与部署能力，兼容国产及海外异构算力，并支撑TokenHub和企业专属部署。在主流国产加速卡环境中，Hy4 preview经优化后单卡吞吐达到初始版本5倍，专项工作仅用两周完成；平台还将调优经验封装成部署模板，降低重复适配成本。

企业并不总需要参数规模最大的模型。小米MiMo-V2.6 Pro面向复杂长程任务，Pro-Ultraspeed强调实时响应，Flash兼顾能力与成本；据披露，Ultraspeed输出速度最高可达Pro的20倍以上。V2.6在TokenHub首发并接入腾讯ima、WorkBuddy，日调用量较V2.5增长超过15倍。TokenHub通过Day 0机制争取在模型发布当天上线服务。

在终端场景，荣耀YOYO Claw采用端云双向路由，适合本地处理的任务使用设备算力，复杂任务交由云端并按任务选择模型。工业领域则可采用稳准智能的结构化数据模型LimiX-2，在石油化工场景以单一模型覆盖原本需针对单口油井13项指标分别训练的任务，并借助TI-ONE的资源管理、调度和故障恢复完成迭代。不同业务最终需要的是能力、速度、成本与稳定性的匹配，而非单一榜单成绩。