过去三年，AI 行业花了几千亿美元训练大模型，参数量从几十亿卷到几千亿。但有一件事很少有人停下来想：不管模型多大，微调之后，它处理每一个用户请求时用的都是同一套固定参数。任务一多、方向一矛盾，这套参数就被迫在互相冲突的需求之间妥协，每件事都在打折扣。

在基座模型持续进化的征途中，如何平衡“通用性”与“适配性”始终是一项技术挑战。传统的微调 （Fine-tuning） 或PEFT （如LoRA） 虽然解决了模型“学新知识”的问题，但本质上仍是在静态权重空间内的“存量博弈”——每适配一个新任务，都可能对旧有能力造成不可逆的挤压。

2月10日，腾讯混元开源面向消费级硬件场景的“极小”模型HY-1.8B-2Bit，该模型基于1.8B参数的小尺寸模型，通过2Bit量化技术，等效参数量约为0.3B，实际存储占用仅约600MB，比常用的一些手机应用还小，实现了端侧部署的新突破。目前，模型已在开源模型社区Huggingface和Github上线。

12月11日，腾讯混元发文称，之前有不少用户反馈腾讯混元英文名（Tencent Hunyuan）不好识别和发音。经过慎重考虑，我们决定把腾讯混元英文名称从Tencent Hunyuan简化为Tencent HY。从混元2.0开始，我们将使用这一名称，最新推出的模型为：Tencent HY 2.0 Think和Tencent HY 2.0 ...