微信团队公布 WeLM 大模型：80B 版已用于“小微”，更大规模 MoE 模型开发中

据 IT之家 8 月 13 日消息，腾讯微信团队近日在 X 平台公布了由微信团队打造的大语言模型 WeLM。来源显示，该系列模型强调资源利用效率，目前已披露的规格包括 WeLM-80B 与更大规模版本。其中，WeLM-80B 已经部署到微信原生 AI 助手“小微”中，用于支撑聊天、搜索以及调用微信原生能力连接小程序服务等场景。与此同时，微信团队还在开发更大规模的混合专家模型（MoE），目标是面向微信生态内更复杂的任务。

WeLM 已披露两档规格，重点放在“总参数”和“激活参数”效率

从官方海报信息看，WeLM 系列目前明确提到的一个重要特征，是在较大总参数规模下控制实际激活参数，从而兼顾能力与推理成本。来源摘要显示，WeLM-80B 拥有 800 亿总参数、30 亿激活参数；另一款更大规模版本披露为 6170 亿总参数、230 亿激活参数。来源标题称其为 WeLM-617B，而摘要中又出现 WeLM-671B 的表述，具体命名仍以微信团队后续官方说明为准。

这类设计思路与近年来大模型产业中常见的 MoE 路线相近：模型整体参数规模很大，但每次推理只激活其中一部分专家网络，以减少单次计算负担。对于微信这样拥有高频、广泛用户入口的产品而言，单纯追求模型参数堆叠并不现实，响应速度、稳定性和成本控制同样关键。因此，“资源利用效率”成为 WeLM 对外展示的核心信息，也符合大规模产品落地的实际约束。

• WeLM-80B：已用于微信原生 AI 助手“小微”，总参数 800 亿，激活参数 30 亿。
• 更大规模版本：来源显示总参数为 6170 亿、激活参数 230 亿，仍在开发中。
• 能力方向：聊天、搜索、微信原生功能调用、小程序服务连接，以及面向复杂任务的工具生成与开发辅助。

“小微”成为微信 AI 能力的前台入口

WeLM-80B 已部署在“小微”上，意味着微信的 AI 助手并非只是独立聊天机器人，而是在尝试与微信内部能力进行更深结合。根据来源信息，小微目前支持聊天与搜索，也可以使用微信原生功能调用小程序服务。这一点对于微信生态尤其重要：微信内已经沉淀了小程序、公众号、支付、社交关系与内容分发等多类服务，AI 助手如果能够理解用户意图并调用合适服务，就有机会从“回答问题”进一步走向“完成任务”。

例如，传统搜索主要返回信息入口，而 AI 助手更可能把自然语言请求转化为服务调用；传统小程序需要用户主动查找和操作，而 AI 助手则可能在对话中完成推荐、跳转或生成操作步骤。来源并未披露具体交互细节和开放范围，但从“小微”承担的功能看，微信正在把大模型能力嵌入到原生产品体验之中，而不是只做一个外置 AI 应用。

影响解读：微信生态内的 AI 落地更看重“可调用、可生成、可规模化”

对中文 AI 行业而言，WeLM 的看点不只在参数规模，更在于其落地场景。微信拥有庞大的日常使用场景，大模型一旦与原生功能、小程序和工具链结合，可能直接影响用户获取信息、使用服务和开发轻量应用的方式。来源提到，更大规模 MoE 模型将面向微信生态内复杂任务，包括智能小程序开发和小微工具生成，这说明微信团队关注的不只是对话能力，也在探索面向开发与自动化的生产力场景。

这一路线与当前国内外大模型应用趋势一致：模型从单纯问答走向 Agent 化和工具调用，平台方则希望把 AI 能力嵌入已有生态，降低用户使用门槛。对于开发者来说，如果未来微信进一步开放相关能力，小程序开发、服务编排和内容生成可能会出现新的工作流；对于普通用户而言，AI 助手可能逐步承担更多搜索、推荐、写作和轻量操作任务。

不过，WeLM 后续仍需要面对多方面挑战，包括复杂任务的可靠性、工具调用的安全边界、模型成本控制，以及在高并发社交产品中的体验一致性。总体来看，微信公布 WeLM，释放了一个明确信号：大模型正在从通用产品竞争，进入超级应用内部的深度集成阶段。在微信这样的生态中，AI 能否真正提升效率，关键将不只是模型“会不会回答”，而是能否稳定理解意图、调用服务并完成可验证的任务。