腾讯混元多模态理解负责人胡瀚离职创业，原团队将转向世界模型

前OpenAI研究员田永龙将接手胡瀚的工作。

近日，腾讯混元大模型多模态理解负责人胡瀚已提交离职，准备创业。此前，他曾担任微软亚洲研究院视觉计算组首席研究员，2025年初加入腾讯后负责视觉大模型研究，后并入大语言模型部旗下的“前沿”先进技术研究组，负责多模态理解相关研究并向姚顺雨汇报。据悉，胡瀚也曾承担世界模型的研发工作。

与此同时，腾讯大语言模型部负责人姚顺雨近期正对团队进行密集复盘，胡瀚此前所在的研究组预计将转向世界模型的前沿研究。截至发稿，腾讯官方尚未对此回应。

大语言模型仍是混元最高优先级

自2026年中以来，围绕混元生态的人事调整一直在进行。7月初，前OpenAI研究员、麻省理工学院博士田永龙加入大语言模型部，他将接替胡瀚领导视觉语言模型（VLM）方向的研发，向姚顺雨汇报。

自姚顺雨加入腾讯以来，填补能力空白、迅速将混元基础模型能力提升至第一梯队，已成为腾讯AI的核心优先级。重组资源配置，将人才和算力集中到大语言模型部的基础模型研发上，是姚顺雨上任后实施的核心举措之一。例如，腾讯解散AI Lab后，所有核心研发人员均并入大语言模型部。

重新评估多模态理解的投入产出比

在腾讯各AI业务线尚未确立绝对领先地位的情况下，腾讯需要重新评估各AI技术方向的投入产出比。

一方面，胡瀚从事的多模态理解研究已趋于成熟，继续投入资源的边际收益十分有限。多模态研究者表示，目前文本、图像和视频的识别准确率普遍能达到85%以上，真正的挑战在于视觉推理，而这无法仅靠多模态研究实现，需要提升语言模型的推理能力。此外，多模态理解带来的商业效益依然模糊，如“图像识别”等场景难以直接商业化，用户真正愿意付费的是文档处理、PPT制作等依赖模型推理和Agent能力的办公场景。

另一方面，腾讯的算力资源有限，相比字节跳动和阿里巴巴并不具备优势。在资源有限的情况下，混元团队不可避免地面临供不应求的局面。因此，暂停技术红利有限的多模态理解研究，将资源集中投入到更具战略意义的世界模型和大语言模型研发中，成为腾讯AI当前的必然选择。