腾讯混元“有武功” 一专多能“好身手”

腾讯技术周-腾讯元宝展示。（腾讯供图）

深圳商报首席记者 陈小慧

输入1000字以内的文字提示，选择动画、电影、赛博朋克、写实等各种视频风格，很快就能自动生成一段高质量的AI视频……近日，腾讯混元大模型上线了文生视频能力，这是继腾讯文生文、文生图、3D生成之后的又一创新业务。

今年以来，腾讯多次传来大模型进展。从今年5月腾讯开源混元文生图大模型，到11月的开源MoE模型“混元Large”以及混元3D生成大模型“Hunyuan3D-1.0”，再到12月开源的混元文生视频大模型，腾讯不断拥抱大模型开源，用技术反馈开发者社区。

“文生视频发布之后，业界的反响或是更多反馈和需求也会陆续收到，我们下个月还会对功能做出一些升级。”近日，记者随深圳市重点企业科技创新调研采访团走进腾讯，腾讯设计杰出专家、腾讯混元产品负责人陈妍分享了混元大模型的最新进展。

据悉，腾讯混元大模型上线的文生视频能力，其参数量达130亿，是当前最大的视频开源模型。

技术升级：腾讯混元更“全面”了

当前，大模型技术成为了人工智能领域的热点，去年以来各类大模型“百花齐放”。腾讯混元大模型便是其中之一。2023年9月，腾讯正式发布了混元大模型。

事实上，腾讯混元大模型发布早有“预演”。“腾讯一直都有在做大模型相关的工作，在ChatGPT发布之前已经有一些积累，主要是用在一些比较特定的业务场景里。”陈妍表示，腾讯在大模型技术上不是完全“从0到1”开始的。

在混元大模型发布之前，腾讯就不断在技术路径、人才规划、业务应用规划方面进行迭代，一边做服务内部业务的模型，一边在准备全自研大模型的发布。直至去年9月，腾讯混元大模型正式“出炉”。

“混元大模型发布一年多的时间里，我们也陆陆续续在训练数据量、模型能力等方面做了一些升级。”陈妍告诉记者。

12月3日，腾讯混元大模型上线文生视频能力，支持中英文双语输入、多种视频尺寸和清晰度，已经在技术社区发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费使用和开发生态插件。

腾讯方面介绍，腾讯混元视频生成大模型可以生成超写实的高质量视频，比如，像冲浪、跳舞这种大动作场景，生成的画面自然合理，不容易变形。

“之前我们说大部分应用都在文生文上面，往后可以看到图片、视频、语音结合文本的一个能力，可以说是全模态的。我们马上可以看到大模型会进入下一个阶段，你可以通过更加自由的方式去跟大模型进行交互。”陈妍说。

应用落地：700个业务场景“装上”大模型

随着人工智能发展进入新阶段，大模型技术如何应用落地成为市场焦点。据了解，混元大模型已经在腾讯内部业务经过验证和广泛使用。其中之一就是“敲代码”。

“腾讯有很多工程师，有非常多的代码场景，他们都是借助AI来帮助编码，目前腾讯内部已经有80%的程序员使用腾讯云AI代码助手实现开发提效。”陈妍告诉记者。目前，腾讯元宝、微信公众号、小程序、微信读书、腾讯广告、腾讯游戏、腾讯会议等近700个内部业务和场景，都应用了混元大模型的能力。

除了腾讯内部业务，陈妍也表示，对外腾讯也会通过一些toC的产品，让用户体会到AI带来的效率和体验提升。“大模型基本上学了人类有史以来这么多年的一些知识，如果你懂得怎么样去问它，我觉得对于人类来讲是一个最大的价值。”

面对市场竞争，陈妍表示：“这个圈子我们每天一睁眼又有新东西，我们还是需要一如既往保持对用户、对市场需求的洞察，能够把技术更好地运用在实际工作、生活和学习场景里。”

研发投入：“小按钮”里的“debug精神”

“凌晨1时的时候，Pony（马化腾）还在跟我们建议怎么把元宝的分享体验做得更好，觉得元宝APP里有一个分享的按钮设计得太小，用户不好发现。”谈及大模型背后的研发工程师团队，陈妍向采访团分享了腾讯的“debug”精神。

“昨晚我们就腾讯元宝的一些功能进行‘debug’，每周客服都会罗列出用户体验反馈清单，我也会收集内部员工，甚至身边朋友的反馈，随时更迭新的功能。”陈妍表示，“debug精神”就是不断修改技术问题。“作为一个产品负责人或技术负责人，如果没有把问题解决好就睡不着觉，我们会有这样的极致追求精神在里面。”