微信小微代理运行在一个秘密的617B MoE模型上——腾讯的低调前沿赌注

WeLM，即微信AI助手背后的模型，已悄然扩展至6170亿参数，并采用未公开的解码机制。没有基准测试，没有论文——仅凭一次十亿用户级别的部署。

简单来说： 腾讯的小微智能体正在微信内进行灰度测试，其运行基于名为 WeLM 的稀疏混合专家模型，该模型已悄然扩展至 6170 亿参数。目前尚无公开基准测试，也无相关论文，仅在全球最高流量的即时通讯平台之一进行大规模灰度测试。

事实

据 Pandaily 报道的微信 AI 团队披露，WeLM 的稀疏 MoE 版本已达到 6170 亿参数，每个 token 激活 230 亿参数。腾讯从未公开发布过 WeLM。该模型为微信集成的 AI 助手小微提供动力——目前正在微信 13 亿+月活用户群体中进行灰度测试。

我们的解读

LLM 竞赛中“榜单至上”的叙事忽略了 WeLM 这类模型：前沿规模、生产路径、完全封闭，且依托分发护城河，这是任何 API 优先的实验室都无法匹敌的。阿里巴巴通过基准测试和开放权重与通义 Qwen 竞争。腾讯则通过嵌入技术竞争。

技术细节： 稀疏 MoE 架构每个 token 仅激活部分参数——WeLM 在每次推理步骤中激活其 6170 亿参数中的 230 亿。在计算上，这相当于 ~230 亿密集模型，这解释了为何名义上如此大规模的模型能在面向消费者的聊天界面中实现可接受的延迟。

报告中披露的“隐藏解码机制”可能指的是推测解码或为延迟优化的早退路由策略——这类推理工程不会出现在论文中，却能让产品变得更快。

关注点

任何 WeLM 的公开基准测试披露；腾讯是否会开放 WeLM 的权重（不太可能）；随着灰度测试扩大，小微在性能上如何与 ChatGPT 和 Kimi 相比。