Yao Shunyu mal se acomodou em sua cadeira.

Questioná-lo agora é prematuro. Ele assumiu o HunYuan em dezembro de 2025, e seu primeiro pronunciamento público veio no início de junho — seis meses e meio no máximo. Para um sistema massivo que precisa ser reconstruído em três dimensões — estrutura organizacional, pipeline de dados e escalonamento de computação — meio ano é curto demais.

A reestruturação apenas começou; as fraquezas estão na infraestrutura de suporte

Hy3 Preview é apenas o primeiro entregável semipronto que Yao submeteu, longe de ser um modelo principal finalizado. Ele mesmo admite: “Ainda estamos expandindo o pré-treinamento e o pós-treinamento. O lançamento oficial passará por grandes iterações.”

O que ele herdou não foi uma equipe de elite, mas uma pilha de dívidas históricas acumuladas. Tang Daosheng admitiu publicamente que, no passado, a equipe do HunYuan estava dispersa em várias linhas de negócio sem uma base unificada; o fornecimento de dados de treinamento de alta qualidade era severamente insuficiente; e as GPUs de treinamento eram há muito priorizadas para produtos internos, deixando os recursos de computação apertados.

O que Yao Shunyu realizou nesses seis meses foi consolidar a força de trabalho fragmentada, construir novos pipelines de limpeza e avaliação de dados, e impulsionar a expansão e o escalonamento da computação. Todos esses esforços levam meses, e mesmo agora, a infraestrutura de dados não está totalmente operacional, enquanto os recursos de computação ainda não conseguem igualar os recursos abundantes da ByteDance e da Alibaba.

Portanto, julgar todo o sistema com base em uma versão intermediária é irracional. Analistas do setor apontam que o Qwen 3.7 da Alibaba e o Doubao 2.1 da ByteDance ambos precisaram de mais de dois anos de iteração para se estabilizar. Esperar que uma equipe integrada há apenas meio ano entregue avanços imediatos — a diferença de tempo é simplesmente óbvia demais.

A Tencent realmente sabe treinar modelos? Com certeza sabe.

Yao Shunyu demonstrou a tecnologia de cadeia completa no local. Hy3 Preview adota a arquitetura MoE dominante, totalmente alinhada com a abordagem da ByteDance, Alibaba e DeepSeek. Ele é o proponente original da arquitetura ReAct e esteve profundamente envolvido no treinamento do GPT da OpenAI — não há ponto cego em sua metodologia.

O verdadeiro gargalo são os recursos de execução

Foi somente no final de 2025 que a Tencent começou a recrutar em massa especialistas em pré-treinamento de NLP e MoE na escala de centenas de bilhões de parâmetros, e o pipeline completo de talentos ainda está sendo construído. Os dados sociais do WeChat e QQ são estritamente regulamentados e não podem ser totalmente abertos, tornando a escala e a qualidade estrutural dos corpora de alta qualidade muito inferiores aos dados de comércio eletrônico da Alibaba e aos ativos de domínio público da ByteDance.

Tang Daosheng admitiu várias vezes que os recursos são priorizados para produtos, deixando os recursos de computação dedicados do modelo grande apertados. Tanto a utilização de uma única placa quanto a escala do cluster têm dificuldade para suportar iterações diárias.

Intensidade máxima no campo de batalha: iterações em dias, concorrentes já na linha de montagem

Mas o campo de batalha não espera ninguém. Em 2026, o ritmo de iteração foi comprimido ao seu limite.

Os ciclos de iteração do setor encolheram para 15-30 dias — quatro a seis vezes mais rápidos que em 2023. E funciona o ano todo: novas versões são lançadas durante o Festival da Primavera e o Festival do Barco-Dragão, com P&D trabalhando em turnos 7x24. Os dados da IDC são brutalmente claros: perca um ciclo de iteração, e os rankings e o volume de chamadas de API caem imediatamente. “Ajuste fino diário, lançamentos mensais — a intensidade não tem precedentes.”

Os concorrentes da Tencent já estão verdadeiramente em seu elemento. O lançamento do Doubao 2.1 da ByteDance mostrou um pipeline completo: pré-treinamento expandido com dados multimodais, clusters automatizados de pós-treinamento concluindo ajuste fino personalizado em 18 horas, atualizações semanais contínuas, e um produto com 315 milhões de MAU alimentando o feedback real dos usuários de volta ao modelo. O ciclo fechado já está em operação.

A Tencent, enquanto isso, ainda está em transição de processos semimanuais para industrializados.

O tempo está se esgotando para Yao Shunyu.

Mas julgá-lo agora ainda é fazer um elogio fúnebre antes mesmo de ele ter aquecido o assento. A reestruturação sistêmica apenas começou a tomar forma; suas capacidades não foram refutadas.

No próximo ano, ele deve agir com máxima urgência para desatar as cordas que amarram suas mãos e pés — preencher as lacunas de talento, operacionalizar a infraestrutura de dados, tapar o déficit de computação e transformar “saber como” em “fazer rápido”.

A IA é certamente uma corrida de longa distância. Mas o pré-requisito é não ser primeiro deixado para trás pelo pelotão da frente.

Está na hora de acelerar o ritmo.