Яо Шуньюй меняет мультимодальную стратегию Tencent: от Ли Фэйфэй к Лян Вэньфэну

За последние месяцы команда Hunyuan потеряла нескольких ключевых сотрудников. Экс-руководитель мультимодального понимания Ху Хань уволился и занялся стартапом. В июле 2026 года отделы больших языковых и мультимодальных моделей объединили в базовый модельный отдел под руководством Яо Шуньюя. Был расформирован AI Lab, его сотрудники влились в новую структуру.

Линь Сюйдун окончил Университет Цинхуа, защитил докторскую в Колумбийском университете, участвовал в проекте Vx2Text вместе с Facebook AI. Суть проекта — превращать видео и звук в токены, понятные языковой модели. Затем работал в DeepMind над мультимодальными аспектами Gemini, в 2025-м перешёл в xAI. Его экспертиза — в «переводе» изображений и видео в формат, который AI может осмысленно обработать. Без такого понимания модель не может удерживать консистентность объектов в длинных видео.

Назначение Линь Сюйдуна — часть стратегического поворота. Tencent всё ближе к позиции Лян Вэньфэна из DeepSeek: он не раз говорил, что 3D, генерация видео и мировые модели не относятся к магистрали AGI, в отличие от языковых моделей, рассуждений и агентов. Яо Шуньюй, ранее работавший в OpenAI, разделяет этот взгляд. Его флагманский продукт Hy3 делает акцент на рассуждениях, длинном контексте и реальных задачах. Чтобы проверить, как модель использует контекст, Яо Шуньюй создал бенчмарк CL-bench.

Генеративные продукты Hunyuan — HunyuanVideo, HunyuanImage, Hy World — не закроют, но их роль пересматривается: мультимодальность становится инструментом для улучшения агентов, а не самостоятельной целью. Эффект уже виден: после интеграции Hy3 в офисный ассистент WorkBuddy частота решения задач выросла с 72 до 90 процентов, а время выполнения сократилось на треть.

Так что идеи Ли Фэйфэй о пространственном интеллекте как ключе к AGI пока уступают в Tencent прагматизму Лян Вэньфэна и Яо Шуньюя. Вопрос лишь в том, окажется ли этот курс верным.