Yao Shunyu apenas se ha acomodado en su asiento.

Cuestionarlo ahora es prematuro. Asumió HunYuan en diciembre de 2025, y su primera intervención pública llegó a principios de junio: seis meses y medio como máximo. Para un sistema masivo que necesita reconstruirse desde tres dimensiones (estructura organizativa, tubería de datos y planificación de cómputo), medio año es demasiado poco.

La reestructuración acaba de empezar; las debilidades están en la infraestructura de apoyo

Hy3 Preview es solo el primer entregable a medio terminar que Yao ha presentado, lejos de un modelo principal finalizado. Él mismo admite: “Todavía estamos escalando el preentrenamiento y el postentrenamiento. El lanzamiento oficial tendrá iteraciones importantes.”

Lo que heredó no fue un equipo de élite sino una pila de deudas acumuladas. Tang Daosheng reconoció públicamente que en el pasado, el equipo de HunYuan estaba disperso en múltiples líneas de negocio sin una base unificada; el suministro de datos de entrenamiento de alta calidad era gravemente insuficiente; y las GPU de entrenamiento estaban priorizadas para productos internos, dejando los recursos de cómputo ajustados.

Lo que Yao Shunyu ha logrado en estos seis meses es consolidar la fuerza laboral fragmentada, construir nuevos pipelines de limpieza y evaluación de datos, e impulsar la expansión y planificación del cómputo. Todos estos esfuerzos requieren meses, e incluso ahora, la infraestructura de datos no está completamente operativa, mientras que los recursos de cómputo aún no pueden igualar los recursos abundantes de ByteDance y Alibaba.

Así que juzgar todo el sistema basándose en una versión intermedia no es razonable. Analistas de la industria señalan que Qwen 3.7 de Alibaba y Doubao 2.1 de ByteDance necesitaron más de dos años de iteración para estabilizarse. Esperar que un equipo integrado hace solo medio año ofrezca avances instantáneos — la diferencia de tiempo es simplemente demasiado evidente.

Sabe Tencent cómo entrenar modelos? Por supuesto que sí.

Yao Shunyu ha demostrado la tecnología de cadena completa sobre la marcha. Hy3 Preview adopta la arquitectura MoE convencional, completamente alineada con el enfoque de ByteDance, Alibaba y DeepSeek. Él es el proponente original de la arquitectura ReAct y participó profundamente en el entrenamiento de GPT de OpenAI — no hay punto ciego en su metodología.

El verdadero cuello de botella son los recursos de ejecución

No fue hasta finales de 2025 que Tencent comenzó a reclutar en masa expertos en preentrenamiento de NLP y MoE de cientos de miles de millones de parámetros, y la tubería completa de talento aún se está construyendo. Los datos sociales de WeChat y QQ están estrictamente regulados y no pueden abrirse por completo, lo que hace que la escala y la calidad estructural de los corpus de alta calidad sean muy inferiores a los datos de comercio electrónico de Alibaba y los activos de dominio público de ByteDance.

Tang Daosheng ha admitido en múltiples ocasiones que los recursos se priorizan para productos, dejando ajustados los recursos de cómputo dedicados del modelo grande. Tanto la utilización de una sola tarjeta como la escala del clúster luchan por soportar la iteración diaria.

Intensidad máxima del campo de batalla: iteraciones medidas en días, competidores ya en la línea de montaje

Pero el campo de batalla no espera a nadie. Para 2026, el ritmo de iteración se ha comprimido al límite.

Los ciclos de iteración de la industria se han reducido a 15-30 días, cuatro a seis veces más rápido que en 2023. Y funciona todo el año: se lanzan nuevas versiones durante el Festival de Primavera y el Festival del Barco Dragón, con I+D trabajando en turnos 7x24. Los datos de IDC son brutalmente claros: si pierdes un ciclo de iteración, los rankings y el volumen de llamadas API caen inmediatamente. “Ajuste fino diario, lanzamientos mensuales: la intensidad no tiene precedentes.”

Los competidores de Tencent ya están verdaderamente en su elemento. El lanzamiento de Doubao 2.1 de ByteDance mostró un pipeline completo: preentrenamiento expandido con datos multimodales, clústeres automatizados de postentrenamiento completando ajuste fino personalizado en 18 horas, actualizaciones semanales continuas, y un producto con 315 millones de MAU alimentando la retroalimentación real de usuarios de vuelta al modelo. El ciclo cerrado ya está en su lugar.

Tencent, mientras tanto, aún está transitando de procesos semimanuales a industrializados.

El tiempo se acaba para Yao Shunyu.

Pero juzgarlo ahora sigue siendo leer un panegírico antes de que haya calentado el asiento. La reestructuración sistémica apenas ha tomado forma; sus capacidades no han sido refutadas.

En el próximo año, debe moverse con la máxima urgencia para desatar las cuerdas que atan sus manos y pies: cubrir las brechas de talento, poner en marcha la infraestructura de datos, tapar el déficit de cómputo, y convertir el “saber cómo” en “hacerlo rápido.”

La IA es ciertamente una carrera de larga distancia. Pero el requisito previo es que no te dejen atrás primero por el grupo de cabeza.

Es hora de acelerar el ritmo.