WeLM-617B

WeLM-617B 是 WeLM（WeChat Language Model）家族的前沿规模模型，由腾讯内部的微信 AI 团队研发。它采用稀疏 MoE 架构，总参数 6170 亿，每 token 激活 230 亿，于 2026 年 7 月 14 日随《Hidden Decoding at Scale》技术博客与 arXiv 论文首次公开亮相，是首个在 100B+ MoE 规模上得到验证的序列长度扩展方法。

模型规格

Hidden Decoding 规模化

Hidden Decoding 是一种在继续预训练阶段应用的序列长度扩展方法。它将每个 token 扩展为带独立嵌入表的并行流，让每个 token 获得更多内部计算，而无需新增或加宽 Transformer 层。WeLM-HD4-617B 变体（n=4）在全部九项共享基准上均优于普通的 WeLM-617B 自回归基线，而增量继续训练的成本仅约为基座模型完整训练预算的 5.3%（0.90T 对 17.06T token）。

基准亮点（早期、仅 SFT）

• GPQA Diamond：89.1（HD4 为 91.2），HD4 变体领先 Kimi K2.6 的 90.4
• HMMT：96.0（HD4 为 96.2）
• PHYBench：75.3（HD4 为 76.3）
• MMMLU：86.4（HD4 为 87.5）
• FrontierMath：49.0（HD4 为 51.0）
• SciCode：51.4（HD4 为 52.1）

微信生态集成

WeLM 驱动着微信原生 AI 助手小微，该助手自 2026 年 6 月起处于灰度测试。其核心模型为微信团队自研的 WeLM，复杂推理由 DeepSeek 补充。这一集成让它可以原生访问聊天记录、群聊、公众号文章、视频号、PDF 与 Office 文档，有望成为中国调用量最高的语言模型之一。

优势与局限

• 效率优先的设计：高度稀疏的 MoE，以低延迟服务数十亿微信用户。
• 强大的中文与多语言能力：针对中文互联网语境优化，支持中英混说。
• 封闭生态：不像 Qwen 或 DeepSeek 那样开源权重，主要服务微信产品。
• 公开基准有限：617B 的结果仅为早期 SFT 阶段，尚无 RL 后训练得分公布。

总结

WeLM-617B 代表了一种独特的扩展哲学：微信 AI 不是简单堆参数，而是把额外计算折叠进序列维度。尽管它仍然封闭且以微信为中心，其 Hidden Decoding 的成果标志着高效前沿规模扩展的切实技术里程碑，而通过小微，它已经触达数亿微信用户。

相关：Claude 3.5 Sonnet、Claude 3 Haiku，分类见 models。