8 月 12 日晚间，腾讯发布 2026 年第二季度财报，其中一句话引发关注：微信原生 AI 助手「小微」的灰度测试正在有序放量中。就在同一天，微信低调推介了小微背后的自研大模型 WeLM——这个 2022 年就以 10B 中文模型亮相的名字，如今已推进到稀疏 MoE 架构：总参数 800 亿的 WeLM-80B，每次推理实际激活仅约 30 亿参数，已上岗服务小微；总参数 6170 亿的 WeLM-617B（激活 230 亿）仍在开发，瞄准更复杂的 Agent 与工具调用任务。总裁刘炽平在业绩会上给出更长远的判断：随着时间推移，微信将成为「以 AI 为先的生态系统」——用户给出一个指令，系统就自行执行。
一、小微是什么：长在微信里的消费级 Agent
与元宝这类独立 AI 应用不同，小微直接长在微信里：用户通过文字或语音告诉它想做什么，由它调用微信内的功能与服务完成任务——它不是传统意义上的聊天机器人，而是嵌入微信生态的消费级 Agent。入口从微信首页左上角的小微入口起步，现已延伸至公众号消息总结、朋友圈文案生成、扫一扫「拍照给 AI」、聊天输入框等多个高频场景；能力上可操控微信原生功能、唤起小程序完成生活服务，或对文件、图片等内容进行理解与总结。值得注意的是其混合模型架构：日常交互由自研 WeLM 主导，部分复杂推理场景调用 DeepSeek 等外部模型补充，以平衡成本与效率。时间线上，小微于 6 月 20 日开启小范围灰度，7 月初腾讯向媒体证实内测，二季报首次披露「有序放量」——从产品形态到模型底座，腾讯正在把 AI 助手织进微信本身，而非另起炉灶。
二、WeLM-80B：为十亿级调用设计的成本工程
微信 AI 团队披露的模型细节，揭示了小微的另一面——一项面向「十亿级用户高频调用」的成本工程。WeLM-80B 总参数量 800 亿，但每个 Token 实际激活的参数仅约 30 亿，模型使用不足 14 万亿 Token 的数据训练，具备推理、多语言理解与 128K 上下文能力；通过 MoE 混合专家架构，模型保留更大的参数容量，却只激活其中一部分专家，从而降低实际计算成本。微信 AI 团队对此的表述很直接：微信需要的不是一个偶尔使用的「大模型」，而是能被数亿甚至十亿级用户高频调用的 AI 基础设施——模型每一次回答节省一点计算，都可能转化为巨大的基础设施成本差异。更大的 WeLM-617B（总参 6170 亿、激活 230 亿）仍在开发，将强化通用理解与推理能力，面向更复杂的微信生态任务，包括智能开发小程序与为小微生成工具。此外，微信团队 7 月的论文还披露了一条新的扩展路径「Hidden Decoding」：不是简单地把模型做得更大，或让模型在回答前进行更长的思考，而是让模型主体基本不变、每个 Token 在内部进行更多计算——这是对传统 Scaling 方式的一种探索性替代。
三、「AI 为先的生态」：超级 App 的入口逻辑
刘炽平在业绩会上的阐述，为小微提供了战略注脚：PC 时代 QQ 主要是一个通信和社交工具，到了移动互联网时代，微信把 QQ 的价值放大了 10 倍以上；而到了 AI 时代，微信将成为「以 AI 为先的生态系统」。他强调，如果腾讯能在控制成本的同时提供这种体验，并满足用户隐私需求与成本效益，就能为微信赋予强大能力，未来微信生态会因此扩大并转化为巨大价值。这条路线与海外对照鲜明：Gemini 依托 Android 预装与谷歌全家桶导流，ChatGPT 靠独立应用获客，而微信走的是「超级 App 内嵌 Agent」——不新增应用，把智能体塞进十亿级用户已有的高频入口，天然避开冷启动难题。腾讯本季的投入力度也佐证了这一方向：二季度资本开支达 527.8 亿元（同比 +176%）；混元大模型完成 Hy3 从预览到正式版的迭代（总参 2950 亿、动态激活 210 亿、支持 256K 上下文，上线一周调用量较上一代增长超 68 倍），更大规模的 Hy4 计划近期发布。
四、客观看：放量之后的三道考题
几点客观边界需要标注。其一，「有序放量」未披露具体用户规模、留存与任务完成率等运营数据，灰度阶段的真实体验行业暂未公开——小微距离「国民级 Agent」仍有距离；其二，模型细节（WeLM-80B 的评测成绩、Hidden Decoding 的实际收益）来自论文与官方口径，跨厂商横向对比缺乏公开独立基准；其三，合规与信任：小微将触碰微信内的支付、小程序等敏感能力，在《人工智能拟人化互动服务管理暂行办法》《网络安全标识管理办法》等监管框架下，其身份明示、隐私边界与审计机制如何落地尚待观察——刘炽平本人也把「满足隐私需求」列为前提条件；其四，多模型混合策略中外部模型（如 DeepSeek）的调用规模、数据流向与成本分摊，行业暂未披露。总体而言，WeLM 的曝光说明腾讯把「十亿级调用成本」当作微信 AI 化的第一工程问题——超级 App 的 Agent 之战，远不止模型能力之争，更是成本工程、生态权限与信任治理的综合较量。