याओ शुन्यू (Yao Shunyu) मुश्किल से अपनी कुर्सी पर बैठे हैं।

अभी उन पर सवाल उठाना समय से पहले है। उन्होंने दिसंबर 2025 में हुनयुआन (HunYuan) को संभाला, और जून की शुरुआत में पहली बार सार्वजनिक रूप से बोले — अधिकतम साढ़े छह महीने। एक विशाल प्रणाली के लिए जिसे तीन आयामों — संगठनात्मक ढाँचा, डेटा पाइपलाइन और कंप्यूट शेड्यूलिंग — से पूरी तरह पुनर्निर्माण की आवश्यकता है, आधा साल बहुत कम है।

पुनर्गठन अभी शुरू हुआ है; कमज़ोरियाँ सहायक बुनियादी ढाँचे में हैं

Hy3 Preview केवल पहला आधा-अधूरा डिलिवरेबल है जो याओ ने प्रस्तुत किया है, अंतिम मुख्य मॉडल से बहुत दूर। वे खुद मानते हैं: “हम अभी भी प्री-ट्रेनिंग और पोस्ट-ट्रेनिंग का विस्तार कर रहे हैं। आधिकारिक रिलीज़ में बड़े सुधार होंगे।”

उन्हें विरासत में जो मिला वह कोई कुलीन टीम नहीं थी, बल्कि संचित ऐतिहासिक बोझ का ढेर था। तांग दाओशेंग (Tang Daosheng) ने सार्वजनिक रूप से स्वीकार किया कि अतीत में हुनयुआन टीम कई व्यावसायिक लाइनों में बिखरी हुई थी, जिसका कोई एकीकृत आधार नहीं था; उच्च गुणवत्ता वाले प्रशिक्षण डेटा की आपूर्ति गंभीर रूप से अपर्याप्त थी; और प्रशिक्षण GPU लंबे समय से आंतरिक उत्पादों के लिए प्राथमिकता थे, जिससे कंप्यूट संसाधन तंग थे।

याओ शुन्यू ने इन छह महीनों में जो हासिल किया है, वह है बिखरी हुई कार्यबल को एकत्रित करना, नए डेटा सफाई और मूल्यांकन पाइपलाइनों का निर्माण करना, और कंप्यूट विस्तार और शेड्यूलिंग को आगे बढ़ाना। ये सभी प्रयास महीनों लेते हैं, और अब भी डेटा बुनियादी ढाँचा पूरी तरह चालू नहीं है, जबकि कंप्यूट संसाधन अभी भी ByteDance और Alibaba के प्रचुर संसाधनों की बराबरी नहीं कर सकते।

इसलिए एक मध्यवर्ती संस्करण के आधार पर पूरी प्रणाली का न्याय करना अनुचित है। उद्योग विश्लेषक बताते हैं कि Alibaba के Qwen 3.7 और ByteDance के Doubao 2.1 को स्थिर होने में दो साल से अधिक के पुनरावृत्ति की आवश्यकता थी। एक टीम जिसे केवल आधे साल पहले एकीकृत किया गया है, से तत्काल सफलता की उम्मीद करना — समय का अंतर बहुत स्पष्ट है।

क्या टेनसेंट वास्तव में मॉडल प्रशिक्षित करना जानता है? बिल्कुल जानता है।

याओ शुन्यू ने मौके पर पूरी तकनीकी श्रृंखला का प्रदर्शन किया। Hy3 Preview मुख्यधारा MoE आर्किटेक्चर अपनाता है, जो ByteDance, Alibaba और DeepSeek के दृष्टिकोण से पूरी तरह मेल खाता है। वे ReAct आर्किटेक्चर के मूल प्रस्तावक हैं और OpenAI के GPT प्रशिक्षण में गहराई से शामिल रहे हैं — उनकी पद्धति में कोई अंधा धब्बा नहीं है।

असली बाधा निष्पादन संसाधन हैं

2025 के अंत में ही टेनसेंट ने सैकड़ों अरब पैरामीटर वाले NLP प्री-ट्रेनिंग और MoE विशेषज्ञों की बड़े पैमाने पर भर्ती शुरू की, और पूरी प्रतिभा पाइपलाइन अभी भी बन रही है। WeChat और QQ का सोशल डेटा सख्त नियमों से बंधा है और इसे पूरी तरह नहीं खोला जा सकता, जिससे उच्च गुणवत्ता वाले कोर्पोरा का पैमाना और संरचनात्मक गुणवत्ता Alibaba के ई-कॉमर्स डेटा और ByteDance की सार्वजनिक डोमेन संपत्तियों से कहीं कम है।

तांग दाओशेंग ने कई बार स्वीकार किया है कि संसाधन उत्पादों के लिए प्राथमिकता दी जाती है, जिससे बड़े मॉडल के समर्पित कंप्यूट संसाधन तंग रहते हैं। सिंगल कार्ड उपयोग और क्लस्टर आकार दोनों ही दैनिक पुनरावृत्ति का समर्थन करने में कठिनाई महसूस करते हैं।

युद्धक्षेत्र की तीव्रता अधिकतम: पुनरावृत्ति दिनों में मापी जाती है, प्रतिस्पर्धी पहले से ही असेंबली लाइन पर

लेकिन युद्धक्षेत्र किसी का इंतज़ार नहीं करता। 2026 तक, पुनरावृत्ति की गति अपनी सीमा तक संपीड़ित हो चुकी है।

उद्योग पुनरावृत्ति चक्र घटकर 15-30 दिन रह गए हैं — 2023 की तुलना में चार से छह गुना तेज़। और यह पूरे साल चलता है: वसंत महोत्सव और ड्रैगन बोट महोत्सव दोनों में नए संस्करण जारी होते हैं, अनुसंधान एवं विकास 7x24 शिफ्टों में काम करता है। IDC डेटा बेरहमी से स्पष्ट है: एक पुनरावृत्ति चक्र चूक जाएँ, और रैंकिंग और API कॉल वॉल्यूम तुरंत गिर जाता है। “दैनिक फाइन-ट्यूनिंग, मासिक रिलीज़ — तीव्रता अभूतपूर्व है।”

टेनसेंट के प्रतिस्पर्धी पहले से ही अपने तत्व में हैं। ByteDance के Doubao 2.1 लॉन्च ने एक पूर्ण पाइपलाइन दिखाई: मल्टीमॉडल डेटा के साथ प्री-ट्रेनिंग का विस्तार, 18 घंटों में कस्टम फाइन-ट्यूनिंग पूरी करने वाले स्वचालित पोस्ट-ट्रेनिंग क्लस्टर, साप्ताहिक रोलिंग अपडेट, और 315 मिलियन MAU वाला उत्पाद जो वास्तविक उपयोगकर्ता प्रतिक्रिया को मॉडल में वापस डालता है। बंद लूप पहले से ही जगह पर है।

टेनसेंट, इस बीच, अभी भी अर्ध-मैनुअल से औद्योगिक प्रक्रियाओं में संक्रमण कर रहा है।

याओ शुन्यू के पास समय कम है।

लेकिन अब उनके बारे में फैसला सुनाना अभी भी उनके गर्म होने से पहले शोकगीत पढ़ने जैसा है। प्रणालीगत पुनर्गठन ने अभी आकार लेना शुरू किया है; उनकी क्षमताओं का खंडन नहीं हुआ है।

आने वाले वर्ष में, उन्हें अधिकतम तात्कालिकता के साथ अपने हाथों और पैरों को बाँधने वाली रस्सियों को खोलना होगा — प्रतिभा अंतराल को भरना, डेटा बुनियादी ढाँचे को चालू करना, कंप्यूट की कमी को दूर करना, और “जानना” को “जल्दी करना” में बदलना होगा।

AI निश्चित रूप से एक लंबी दूरी की दौड़ है। लेकिन शर्त यह है कि पहले आप अग्रणी समूह से पीछे न छूट जाएँ।

गति बढ़ाने का समय आ गया है।