腾讯多模态路线调整：姚顺雨偏向梁文锋式思路，蔺旭东加入混元负责内容生成

事件概述

据媒体报道，原xAI多模态理解负责人蔺旭东已离开xAI，加入腾讯混元，担任多模态内容生成算法负责人。此前，混元内部已陆续传出负责人离职、研究人员转岗及新成员加入的消息，多模态团队正在经历组织重组和路线调整。

蔺旭东的背景与角色

• 蔺旭东2018年毕业于清华大学，后赴哥伦比亚大学攻读博士，研究方向包括嵌入学习、视频分析和生成模型，曾参与哥伦比亚大学与Facebook AI合作的Vx2Text项目，该项目将视频、音频等多模态信息转换为文本。
• 博士毕业后进入DeepMind，参与Gemini多模态预训练和后训练工作；2025年加入xAI，负责多模态理解方向，并参与多模态内容理解与生成模型训练。
• 加入腾讯混元后，他将负责多模态内容生成算法。其核心能力被认为不是单纯的“生成性能提升”，而是解决多模态中“理解”这一根本问题——让模型稳定记忆和理解世界，而非仅仅输出画面。

混元组织调整时间线

• 2025年1月，腾讯杰出科学家胡瀚接替刘威，全面负责混元多模态大模型研发。
• 2025年下半年，胡瀚被调入大语言模型部旗下“Frontier”前沿技术研究组，任多模态理解方向负责人，汇报线转为向姚顺雨汇报；多模态生成等方向被划出。
• 2026年3月，腾讯撤销AI Lab，部分人员并入混元大语言模型部；原混元实际掌舵人蒋杰完成交接，不再兼管AI Lab和混元。
• 2026年7月初，前OpenAI研究员、姚顺雨清华本科校友田永龙加入腾讯，负责视觉语言模型方向。
• 随后，腾讯TEG撤销大语言模型部和多模态模型部，合并成立“基础模型部”，姚顺雨任负责人，向TEG总裁卢山汇报。
• 此后，胡瀚被曝离职创业；原多模态模型部负责人Linus改向姚顺雨汇报；混元多模态基础模型负责人钟钊于8月14日在朋友圈暗示，即将发布的版本将是他参与HunyuanVideo与HunyuanImage项目的最终版本。

腾讯原有多模态布局

此前腾讯混元多模态的核心产品包括：

• HunyuanVideo：文生视频模型，2024年12月首发，130亿参数；后迭代至1.5版本，支持5-10秒480p/720p视频生成。
• HunyuanImage：2024年5月推出的中文原生DiT图像模型，后升级至2.1/3.0版本，并推出带推理能力的Instruct版本。
• Hy 3D：单体3D模型生成工具，已迭代至3.1版本。
• HyWorld：3D世界生成模型，定位为“重建、生成、模拟3D世界”，路线与李飞飞“空间智能”理念接近。

路线转变：从“生成”到“理解”

姚顺雨在多模态问题上更认同梁文锋的观点，而非李飞飞。梁文锋曾表示：“我们只做AGI主线——GPT、CoT、Agent。3D、视频生成、世界模型，跟智能的主线没有太大关系。”DeepSeek的OCR技术即是将视觉作为服务语言模型的工具，而非独立智能方向。

姚顺雨加入腾讯后的首款旗舰产品Hy3，重点放在推理、智能体、长上下文和生产力任务上，目标并非“屠榜”，而是让模型在真实产品中少出错、能理解上下文。2026年6月，他在腾讯云AI产业应用大会上表示，AI下半场的竞争壁垒不在模型参数量，而在Context（上下文）；团队为此制作了上下文测试基准CL-bench。

Hy3的首发平台WorkBuddy数据显示，接入Hy3后，办公场景任务解决率从72%升至90%，平均耗时缩短34%，主动选择Hy3的用户数增长6倍，日均文字处理量较预览版增长20倍。

结论

滕讯混元多模态正在经历一次系统性的方向重整：从强调内容生成（视频、图像、3D世界）转向强调上下文理解与Agent能力。蔺旭东的加入，被视为这一路线转变中的关键落子。不过，这并不代表李飞飞的空间智能路线被否定，而是姚顺雨为腾讯选择了更贴近梁文锋的AGI判断。