腾讯元宝不是“模型直答”而是受控认知工作流元宝可理解为以大模型为认知与控制内核由接入网关、会话状态、任务规划、检索与工具、多模态解析、安全治理、推理平台和答案渲染共同协作的生产级 AI 应用。本文严格区分官方披露、工程推断与内部未知项。295B混元 Hy3 preview 总参数官方披露21B每次激活参数MoE 架构256K最大上下文长度36应用宝披露支持识别的文件类型1. 核心结论用户的一条消息并不是简单地“发给模型”。元宝首先要完成输入标准化、身份与配额校验、安全初筛、会话与附件装载再由规划与路由层决定直接生成、检索增强、工具调用、代码执行或多模态理解最终经过证据整理、输出安全和流式渲染返回答案。模型负责认知语言组织、意图识别、推理、工具参数生成、视觉与文档理解。工作流负责行动拆分子问题、检索、调用 API、执行代码、校验结果、补充搜索。安全负责边界输入、工具返回与最终输出均不可被无约束信任违规、注入与敏感数据需处置。2. 总体架构六层协作用户与客户端文本 / 图片 / 语音 / 文件接入层鉴权 · 会话 · 限流配额 · 上传 · 请求ID流式连接安全前置违规 · 敏感数据提示注入 · 风险速率编排控制面意图识别 · 任务规划上下文装载 · 模型/工具路由反思、重试与降级模型推理层快速 / 深度推理视觉 · 语音 · 生成工具与数据层网页/生态信源 · API文档库 · 代码沙箱证据与执行治理排序 · 去重 · 校验引用 · Schema · 权限安全后置输出合规 · 泄露事实/高风险提示答案渲染流式正文 · 引用卡片图表/文件/继续追问用户再次交互点赞/复制/重新生成多轮追问与状态更新注模块有公开能力或平台能力支撑箭头是依据可观察行为作出的工程解释不代表腾讯公开的内部微服务拓扑。图 1元宝可公开推断的总体分层架构。3. 一次请求的标准链路① 客户端标准化生成消息 ID附加会话 ID、模式偏好、附件引用、设备与网络信息校验格式、大小与数量。↓② 接入层完成身份与会话归属核验、配额/并发/频率检查、区域与集群路由并把临时上传资源转为带权限标签的内部句柄。↓③ 安全前置扫描违规内容、敏感信息、提示词注入与异常请求模式。高风险请求可能直接拦截、降级或代答。↓④ 编排与路由装载会话窗口、附件与用户偏好判断是直接生成、走 RAG、联网检索、工具调用、代码执行还是多模态理解。↓⑤ 工具/RAG/模型协同模型输出计划或工具调用编排器执行检索与 API校验结果再让模型阅读证据、反思是否足够。↓⑥ 生成、后处理与渲染模型流式输出答案和引用输出安全再次检查客户端逐段渲染正文、来源卡片、图表或文件。上下文并非“全部历史原样塞入模型”。服务端会受模型上下文上限约束较新交互通常完整保留远端历史可能摘要化大文档更可能检索相关切片。4. Agent 编排从回答句子到完成任务公开腾讯 AI 搜索实践显示复杂需求可先改写为多个子查询召回候选插件/API抽取参数并执行复杂场景还可循环执行“规划—搜索—阅读—反思”。这支持将元宝类复杂请求理解为带反馈环的Agentic RAG而非一次检索、一次生成。用户客户端网关/安全规划编排检索/API模型证据治理输出安全渲染问题、附件、偏好鉴权后请求计划/工具选择并行子查询/API调用候选片段/结构化结果证据是否充分不足则补充检索生成与引用流式答案图 2复杂请求的“规划—检索—阅读—反思”闭环。5. 三大能力如何叠加RAG文档精读解析 → 版面/OCR → 切片 → 索引 → 检索 → 重排 → 注入 → 生成大文档通常先异步处理问答时只取相关切片避免整文占满上下文。引用应定位到原文片段。多模态看图与文件图像/视频经视觉编码与文本共同推理自然图片可能直接视觉理解扫描件可能先做 OCR 与版面恢复。编码器、分辨率和 token 预算未公开。代码执行行动能力模型生成代码后编排器应在临时容器/沙箱中执行限制 CPU、内存、时间、网络与文件系统再把输出、图表或错误回读给模型。6. 案例复杂旅游问答用户问题“烟台大黑山岛有什么特色周边有哪些经济酒店玩几天合适”腾讯公开 AI 搜索文章明确以该问题为例系统会拆成景点特色、经济酒店、行程天数三个子查询。成功链路规划器识别景点知识 实时价格/位置 行程规划。并行调用生态/全网检索负责景点酒店或地图 API 负责价格、评分、位置与库存。证据治理按相关性、权威性、时效性、需求满足排序。模型综合为“交通特色—住宿距离预算—天数区间”的可执行方案并保留来源与实时性提示。失败与降级酒店 API 超时仍给景点与建议天数酒店仅提示实时查询不编价格。来源冲突保留已核验事实标注差异。页面失效回退可用公开来源注明访问时间。证据不足给区间方案而非唯一结论。安全命中拦截、替换或代答不暴露内部错误。用户规划编排检索服务酒店/地图API模型安全复杂旅游问题Q1 特色 / Q3 天数Q2 酒店候选页/摘要价格、位置、空房证据充分性反思流式答案来源并行线表示景点检索与酒店 API 可并发重试次数、路由权重和线上组件名未公开。图 3旅游复杂问题案例的请求时序。7. 安全与数据边界安全不是末尾一个过滤器而是贯穿输入、工具结果和输出。网页、文档、图片甚至工具返回都可能含提示注入因此必须区分控制指令与不可信数据工具调用只能在授权 schema 内进行。输入侧身份、配额、敏感数据、违规内容与注入检测命中时可不调用模型。工具侧参数 schema、超时、权限、来源权威性、结果去重与引用归属。输出侧再次审核生成内容防止泄露、错误行动、幻觉高风险表达或内部堆栈回显。公开资料不支持“默认全部进入训练”的说法。腾讯曾公开回应新增体验优化开关默认关闭默认状态下用户输入输出不用于模型优化但服务运行所需数据、日志留存、跨地域处理等细节未完整公开。8. 已知、推断与未知类别内容已披露多模型选择联网覆盖公众号、视频号等生态信源子查询改写“规划—搜索—阅读—反思”混元 Hy3 preview 的 295B/21B MoE、256K 上下文与工具调用文档精读、图片理解和 Python/C 运行。工程推断网关、会话窗口、模型路由、任务规划、工具执行器、对象存储、解析索引、流式输出、安全审核、请求 ID 与降级机制。联网时不是模型直接浏览网页。仍未知内部微服务拓扑、路由权重、会话裁剪算法、具体数据库/向量库、文件留存期、视觉编码器与 token 预算、沙箱配额、插件清单、安全阈值、SLO 与可用性目标。9. 对工程团队的借鉴把模型放进有边界的控制面不拥有无限搜索权限不执行未授权代码。工具返回一律视为不可信数据做类型校验、权限检查、引用与过期判断。长任务要有计划、超时、幂等、重试、降级和可追踪请求 ID。大文档走异步解析与 RAG不把整个上下文都塞进模型。高风险场景结合来源权威性、不确定性表达、专业导流与二次审核。
