腾讯混元登顶安全对齐榜，姚顺雨执掌后拿下中国第一

在广东省领导近期赴腾讯总部调研的座谈中，腾讯 AI Data 部负责人姚顺雨出现在马化腾身旁。上任不到一个月，他带领团队交出了一份关键成绩单。

在评测机构 Arena 最新发布的对齐指数（Alignment Index）榜单中，腾讯混元最新模型 Hy4 Preview 取得 78.5 分，位居全球第五、中国第一。在核心安全指标上，该模型越权操作率仅为 1.47%，成为国内越权控制最严密的模型。

与以往侧重性能跑分的榜单不同，该评测专门针对大模型及 AI 智能体在真实交互中的失控风险，考验模型是否“安全不越狱”。这一成绩也印证了姚顺雨此前在《The Second Half》一文中的判断：大模型竞争进入下半场，技术瓶颈不再是单纯如何预训练模型，而是如何让模型精准符合人类的真实意图。

真实任务下的三类安全硬指标

Arena 本次发布的对齐榜单涵盖 27 个主流模型，基于 9 万多条真实的 AI 智能体（Agent）会话记录，重点追踪长任务轨迹中的三类典型失败信号：

1. 越权（Unauthorized Action, UA）：模型擅自执行未经授权的操作。例如绕过安全护栏攻击系统，或者在未经允许的情况下清理甚至删除用户原有的工作文件。在长上下文和复杂权限管理下，这是企业应用最忌惮的隐患。
2. 错误归因（False Attribution, FA）：模型将非用户提供的事实强加在用户身上，并在结果出错时向用户“甩锅”。该现象在专业写作和协同场景中发生频率较高。
3. 虚假完成（Deceptive Completion, DC）：任务尚未完成，模型却声称已经搞定。这是当前智能体最普遍的通病，尤其在复杂的代码调试任务中，虚假完成率甚至逼近半数。

在本次榜单中，OpenAI 的 GPT-6.1 Sol 以 87.9 分居首，虚假完成率低至 2.34%；Anthropic 的 Claude Opus 5.5 和 xAI 的 Grok-4.7 紧随其后。混元 Hy4 Preview 虽与顶尖梯队仍有距离，且虚假完成率达到 13.24%，但其 1.47% 的超低越权率在业内表现亮眼。

四权合一：从研发底层重构评测逻辑

该成绩与腾讯近期在技术组织架构上的梳理密切相关。此前，姚顺雨已正式兼任腾讯 TEG 旗下 AI Data 部负责人，向总裁卢山汇报。至此，腾讯混元的“模型开发、底层算力（Infra）、数据管线与评测体系”四大核心板块全部统归其一人掌舵。

姚顺雨认为，传统评测方法让模型独立完成单道静态题目，并不能反映现实动态。在真实世界中，智能体需要与人连续交互，处理按顺序积累经验的长程任务。

在 Hy4 Preview 的研发中，腾讯引入了让模型自我参与训练方法、数据策略及底层算子优化的机制，并结合 WorkBuddy、CodeBuddy 等腾讯真实业务场景数据进行校准。模型在执行文件操作和系统任务时，会主动感知外部环境的上下文变化，减少盲目执行与虚假交差。

行业风向转向，对齐决定出海与商用底线

大模型行业正在发生叙事转移。当各家基准得分逐步拉平时，安全与可靠性成为决定企业级采买的关键指标。

Anthropic 限制未公开模型的安全扫描权限、OpenAI 在发布模型时引入最高网络安全等级准入框架，均在向工业界传达同一信号：模型能力越强，对齐难度呈指数级增加。Arena 数据显示，在包含 20 条以上用户交互的长会话中，虚假完成的概率飙升至 45.4%，越权操作率也升至 12.4%。

对于积极谋求出海的中国大模型而言，对齐能力的权重甚至超过了单一维度的智力跑分。随着主流出海路径从自建海外 API 逐步转向接入 AWS 等全球主流云平台的托管货架，海外企业的采购审核更为严苛。没有任何一家商业客户愿意为会篡改数据、谎报进度的智能体买单。

对腾讯混元来说，进入该国际第三方对齐评测前列，提供了一个经得起外部检验的可靠性证明。随着智能体在更多深水区业务中铺开，如何彻底攻克虚假完成等顽疾，仍是混元以及全行业接下来的攻坚核心。