微信亮出WeLM：80B先上小微，617B MoE瞄准更复杂任务

腾讯微信团队近日正式公布自研大语言模型家族 WeLM，其中 WeLM-80B 已部署到微信原生 AI 助手“小微”，研发中的 WeLM-617B 则将面向通用推理、小程序开发和工具生成等更复杂任务。

截至 2026 年 8 月 13 日，微信团队确认的 WeLM 规格共有两个：WeLM-80B 拥有 800 亿总参数、单次推理激活 30 亿参数；WeLM-617B 拥有 6170 亿总参数、单次推理激活 230 亿参数。两者的激活参数比例都在 3.7% 左右，资源效率是这次发布最值得关注的技术信号。

WeLM不是单纯用来聊天的模型

**WeLM 是由微信团队打造、面向微信产品与服务生态的大语言模型系列。**它目前最明确的定位不是对外提供一个独立聊天机器人，也不是展示排行榜成绩，而是成为“小微”和微信内部智能功能的底层模型。

**小微是微信正在灰度推进的原生 AI 助手。**按照微信团队披露的信息，小微当前可以承担三类任务：聊天与搜索、使用微信原生功能，以及调用小程序服务。这意味着它的目标并不止于回答问题，而是要逐步从信息助手变成能够操作微信能力的智能体入口。

WeLM-80B 已经进入真实产品环境，这比发布一份模型论文或技术预告更有分量。微信拥有聊天、搜索、公众号、视频号、小程序、支付与生活服务等大量高频场景，模型只要真正接入其中一个入口，就会立刻面对意图模糊、上下文碎片化、工具调用错误和响应延迟等工程问题。

微信选择先部署 80B 版本，也说明团队现阶段更重视可用性与推理成本之间的平衡。对于搜索、聊天和功能调度，大多数请求并不需要数百亿参数同时参与计算；真正决定体验的往往是首字延迟、工具选择准确率、结果稳定性，以及高并发下的单位请求成本。

800亿参数，但每次只用30亿

**总参数是模型拥有的全部可学习参数规模，激活参数则是模型处理一次输入时实际参与主要计算的参数规模。**对于采用稀疏激活设计的模型，总参数决定其潜在知识与能力容量，激活参数更直接影响单次推理的计算量。

WeLM-80B 的总参数为 800 亿，激活参数为 30 亿，单次推理的参数激活比例约为 3.75%。WeLM-617B 的总参数为 6170 亿，激活参数为 230 亿，激活比例约为 3.73%。也就是说，617B 版本的总参数规模是 80B 版本的约 7.71 倍，但单次激活规模只扩大到约 7.67 倍，二者维持了接近一致的稀疏比例。

| 模型 | 状态 | 总参数 | 激活参数 | 激活比例 | 已公布用途 | |---|---:|---:|---:|---:|---| | WeLM-80B | 已部署 | 800 亿 | 30 亿 | 3.75% | 小微聊天与搜索、微信原生功能调用、小程序服务调用 | | WeLM-617B | 开发中 | 6170 亿 | 230 亿 | 约 3.73% | 通用理解、逻辑推理、智能小程序开发、小微工具生成 |

这个设计思路可以类比一家拥有数百名专家的综合医院：每位患者不需要同时让所有专家会诊，而是先由路由系统判断问题，再把请求送给少数相关专家。模型因此可以保留更大的知识容量，同时避免每次推理都支付完整稠密模型的计算成本。

**混合专家模型（Mixture of Experts，MoE）是一种将模型划分为多个专家网络，并由路由器为每个输入选择少量专家参与计算的稀疏架构。**微信明确表示 WeLM-617B 采用 MoE 架构，其核心目标是在保持 230 亿适度激活规模的同时，扩大模型总容量，增强通用理解和逻辑推理能力。

MoE 并不等于“6170 亿参数的能力只花 230 亿参数的钱”。模型权重仍然需要被存储并分布到计算集群，专家路由还会带来跨设备通信、负载均衡和热点专家拥堵等问题。它节省的是每个 token 不必经过全部参数的主要计算量，而不是把内存、显存和集群复杂度一并抹掉。

WeLM-80B 同样公布了总参数与激活参数，但微信现阶段公开信息对其具体架构细节披露有限。仅凭“80B 总参数、3B 激活”可以确认其采用了稀疏激活思路，但在官方发布更完整的技术报告前，不宜自行推断专家数量、路由方式、上下文长度或训练数据规模。

617B的真正目标是让小微开始“做事”

WeLM-617B 的价值不在于把聊天回答写得更长，而在于处理需要规划、推理和连续调用工具的复杂任务。微信给出的两个代表性方向是智能小程序开发和小微工具生成，这些任务都比普通问答更考验模型的代码理解、界面规划、约束遵循与错误修复能力。

**智能小程序开发是让模型根据自然语言需求生成或修改小程序结构、界面和业务逻辑的能力。**例如，用户提出“做一个多人旅行费用分摊工具”，模型需要理解参与人、账单、币种、结算规则和分享方式，再把需求转成可以运行的产品，而不是只返回一段看起来正确的代码。

**小微工具生成是让 AI 助手按用户需求即时创建轻量功能的产品形态。**它可能表现为临时表单、计算器、行程规划器、信息整理面板或群聊协作工具，重点是用户不必先找到一个现成小程序，AI 可以根据当前任务生成合适的交互界面和执行流程。

这两个方向与微信生态天然契合。传统大模型要完成一个现实任务，通常需要跳转网页、复制内容或依赖外部插件；微信内部已经拥有小程序、联系人、群聊、搜索和服务入口，如果权限控制与工具协议打通，小微可以直接把模型输出转化为可交互功能。

复杂工具调用也会放大模型错误的实际后果。聊天模型答错一句话，用户通常可以忽略；能够调用小程序和微信原生功能的智能体一旦选错工具、填错参数或误解权限，可能造成消息误发、流程中断乃至隐私风险。因此，617B 版本即使推理能力更强，也仍然需要确认机制、权限隔离、操作日志和可撤销设计。

微信要优化的不是跑分，而是每次调用的经济账

资源利用效率是 WeLM 此次发布的核心关键词。对于微信这种海量用户产品，模型能力提高几个百分点是否值得，最终要落到每次请求的延迟、算力消耗、并发容量和任务完成率上。

30 亿激活参数让 WeLM-80B 具备更现实的大规模部署条件。它的总参数虽然达到 800 亿，但单次计算只激活其中约 3.75%，理论上比同等总参数全部参与计算的稠密模型更节省主要算力，适合承接频繁的聊天、搜索和功能路由请求。

230 亿激活参数则表明 WeLM-617B 不会是一个轻量模型。它面向的是更高价值、低频但复杂的任务，例如生成工具、编写小程序和执行多步规划，而不是替换每一次简单问答。合理的产品架构很可能是按任务难度分层调度：简单请求交给 80B，复杂任务再调用 617B。

这种大小模型分工比“所有问题都上最大模型”更符合商业逻辑。用户问天气、找文件或打开某项功能时，调用 6170 亿总参数的模型并不划算；用户要求生成一个可运行的小程序时，30 亿激活参数又可能难以稳定完成长链条任务。模型路由本身因此会成为小微体验和成本控制的重要组成部分。

这次发布有落地，但技术透明度仍然不够

WeLM 当前最强的说服力是 80B 版本已经部署，而不是 617B 的参数数字。国内外模型发布越来越容易陷入“参数很大、场景很多、实际入口找不到”的循环，微信至少给出了明确的产品去向：一个服务小微日常请求，一个负责未来的复杂任务。

WeLM 当前最大的缺口是缺少可验证的技术资料。微信尚未随本次消息系统公布模型卡、训练语料说明、上下文窗口、专家数量、推理速度、硬件配置、安全评测或公开基准成绩，也没有说明模型是否会开放权重或提供面向开发者的正式服务。

缺少基准数据意味着外界暂时无法判断 WeLM-80B 和 WeLM-617B 与同级模型的真实差距。官方所说的“增强通用理解与逻辑推理能力”只能说明研发目标，不能替代数学、代码、长文本、工具调用和中文知识等可复现测试。

腾讯内部模型体系的关系也有待澄清。市场更熟悉腾讯混元，而此次 WeLM 由微信团队直接发布；现有资料没有明确说明 WeLM 与混元在训练底座、数据、基础设施和产品分工上的关系，因此现阶段不应把 WeLM 简单视为混元改名版，也不应武断认定两者完全独立。

公开报道中还出现了“WeLM-671B”的写法，但官方海报给出的规格是 WeLM-617B，即 6170 亿总参数。结合型号与参数规模来看，“671B”应属于转述中的数字颠倒，本文统一采用 WeLM-617B。

WeLM真正的考场在微信内部

WeLM 的发布标志着微信开始把专用模型能力摆到台前。腾讯并没有把重点放在一个新的聊天网页上，而是试图让模型进入微信原生功能和小程序服务，这条路线更难展示，却更接近 AI 助手能否真正产生使用价值的核心。

80B 版本的看点是规模化部署能力，617B 版本的看点则是复杂任务上限。前者要证明 30 亿激活参数足以稳定承接高频需求，后者要证明 230 亿激活参数可以把 6170 亿总参数转化为更可靠的推理、编码和工具生成能力。

最终决定 WeLM 成败的不会是“617B”这个醒目的参数数字。更重要的指标是小微能否准确理解用户意图、能否稳定调用微信工具、生成的小程序是否真的可用，以及一次复杂任务需要用户返工多少次。

微信坐拥国内最完整的社交与小程序生态，这是 WeLM 相比独立聊天模型最明显的产品优势。它同时也面临更严格的隐私、权限和可靠性约束；模型一旦从“回答问题”走向“代替用户操作”，安全边界就必须比普通聊天机器人更清晰。

截至目前，WeLM-80B 已经从模型概念进入产品验证阶段，WeLM-617B 仍属于研发预告。下一步值得关注的不是参数是否继续膨胀，而是微信何时公布技术报告、评测数据与更广泛的灰度范围，以及小微能否从一个隐藏入口成长为微信内部稳定可用的任务执行层。

参考来源

• IT之家：腾讯微信公布 WeLM 模型，80B 版已用于小微，617B 版正在开发——整理了微信团队海报中的模型参数、部署状态与计划应用场景。
• 知乎专栏：把思考折叠进序列，WeLM 617B MoE 的隐式 Scaling 路径——关于 WeLM-617B 稀疏激活与扩展思路的第三方技术分析，相关结论仍应以官方技术报告为准。