腾讯发布的HunyuanOCR模型是一款轻量级开源OCR视觉语言模型，具备高效的文本检测、识别和复杂文档解析能力。该模型采用端到端架构，结合原生ViT和轻量LLM，克服了传统模型的局限性，已在多个平台开源，推动科研与工业应用。

腾讯混元图像3.0在全球文生图模型中排名第一，超越谷歌Nano Banana等闭源模型。该模型采用多模态架构，具备强大的语义理解和生成能力，支持多种输入输出形式，展现出卓越的技术实力。

腾讯发布的混元图像3.0是当前参数最多的开源生图模型，拥有80B参数，支持多分辨率图像生成，具备强大的指令遵从和文字渲染能力，效果媲美领先的闭源模型。

腾讯混元团队推出了首个高质量原生3D组件生成模型Hunyuan3D-Part，解决了现有3D生成方法的可控性和几何质量问题。该模型通过P3-SAM和X-Part实现高精度组件分割和生成，适用于视频游戏和3D打印等领域。

spring-ai-hunyuan项目已更新至1.0.0.2版本，新增思考链、语音识别（ASR）和语音合成（TTS）功能，提升文本生成场景的开发体验。项目源码已开源，集成简单，支持流式和阻塞式问答，适合数据驱动应用。

腾讯混元团队推出的PromptEnhancer框架，通过思维链提示重写，提升AI绘画文本-图像对齐精度，准确率提高17%。该框架无需修改模型权重，适用于多种T2I模型，助力研究人员优化提示技术，并开源高质量基准测试数据集，推动AI绘画的可控性与创作效率。

腾讯混元升级了AI绘画微调方法，通过Direct-Align和语义相对偏好优化（SRPO）显著提升了图像的真实感和美学评分，人工评估分数提高300%。新方法在32块H20上训练10分钟即可收敛，解决了传统模型的优化局限性，并支持在线调整奖励信号，生成图像质量显著提升。

腾讯开源的混元图像模型2.1支持2K高清生图，具备强大的生成效果和复杂语义理解能力，迅速成为Hugging Face全球第三热门，适用于多种视觉创作需求，助力设计师高效创作。

腾讯混元推出四款小尺寸开源模型，参数分别为0.5B、1.8B、4B和7B，适用于手机和低功耗设备。这些模型具备快速推理和高性价比，支持复杂任务处理，并已在多个应用中验证其实用性。模型的上下文窗口可处理超长内容，提升了多行业的应用潜力。

腾讯混元团队提出的MixGRPO框架结合了SDE与ODE采样，显著提升了图像生成的效率和性能，训练时间减少近50%。MixGRPO-Flash进一步将训练时间降低71%，在多个维度上优于DanceGRPO，推动了图像生成技术的发展。

腾讯发布的混元3D世界模型1.0是首个支持物理仿真的开源3D生成系统，用户可通过文本或图像一键生成高质量可交互的3D场景，兼容主流3D建模软件，适用于虚拟现实和游戏开发等领域。

腾讯推出首款开源混合推理模型Hunyuan-A13B，参数80B，激活参数13B，推理速度快且性价比高。该模型在长文理解和Agent工具调用方面表现优异，支持256K上下文窗口，适合个人开发者使用。同时，腾讯还开源了两个新数据集，以提升大语言模型的能力。

腾讯推出混元图像2.0，实现边说边画的实时图像生成，响应速度达到毫秒级。用户可通过文字或手绘输入，系统即时生成图像。该模型具备更大参数和高效图像编解码器，提升了生成效果和真实感。

腾讯挖走微软的WizardLM团队，核心成员来自北大，推出的新模型Hunyuan-Turbos已进入大模型前十。该团队曾因开源问题受挫，现加入腾讯后发展迅速。国内大厂人才竞争激烈，未来竞争将更加激烈。