Hu Han, jefe de IA multimodal de Tencent Hunyuan, deja la compañía y su equipo pasa a investigar world models

Hu Han, responsable del área de comprensión multimodal en Tencent Hunyuan, ha presentado su renuncia para fundar su propia startup. Lo informó el 23 de julio de 2026 el medio chino «Intellectual Emergence» (36Kr, 智能涌现). Según la publicación, Tencent planea reorientar a su antiguo grupo de investigación hacia el estudio de world models.

Quién es Hu Han

Antes de Tencent, Hu Han fue principal researcher en el grupo de computación visual de Microsoft Research Asia. Llegó a Tencent a principios de 2025 y pasó a dirigir la investigación de grandes modelos visuales. Tras una reorganización interna, se incorporó al grupo de investigación de vanguardia «Frontier» del departamento de modelos de lenguaje de gran tamaño y empezó a reportar a Yao Shunyu.

Según 36Kr, Hu Han se encargaba, entre otras cosas, del desarrollo de world models: sistemas que modelan la realidad física en lugar de limitarse a describir una imagen. El medio considera que este puede ser el nuevo foco de su antiguo equipo.

Por qué Tencent revisa su apuesta por la multimodalidad

Tencent está redistribuyendo recursos hacia los modelos de lenguaje base, y la investigación en comprensión multimodal pierde prioridad. La precisión del reconocimiento de texto, imágenes y vídeo en este ámbito ya supera el 85%, por lo que las inversiones adicionales ofrecen un retorno limitado, según señala un investigador citado por 36Kr.

Yao Shunyu, extinvestigador de OpenAI que dirige el departamento de modelos de lenguaje de gran tamaño de Tencent, desempeña un papel clave en este giro. Tras su llegada, la compañía disolvió el AI Lab e integró a sus principales desarrolladores en el departamento de LLM. Además, reforzó la contratación, en particular de personal procedente de los equipos Seed Infra y de post-entrenamiento de ByteDance.

• Hu Han ha presentado su renuncia y fundará una startup (información de 36Kr del 23 de julio de 2026)
• Antes fue principal researcher en Microsoft Research Asia; en Tencent desde principios de 2025
• Su sustituto al frente del área de VLM es Tian Yunlong, extinvestigador de OpenAI y PhD por el MIT, que se incorporó a Tencent a principios de julio de 2026
• Gasto de capital de Tencent en 2025: 79,2 mil millones de yuanes
• A modo de comparación: Alibaba, 126 mil millones de yuanes en el año fiscal hasta marzo de 2026; ByteDance prevé hasta $70 mil millones en infraestructura de IA en 2026 (datos de Bloomberg)

Qué pesa más: el reconocimiento o la monetización

La comprensión multimodal es difícil de monetizar directamente, y esa es una de las razones del cambio de prioridades. Los usuarios no están dispuestos a pagar por escenarios como el reconocimiento de imágenes o la «descripción a partir de una imagen». Sí pagan, en cambio, por el procesamiento de documentos y la creación de presentaciones e informes, porque detrás hay capacidades de reasoning, programación y agentic del modelo.

«Ningún usuario está dispuesto a pagar por el reconocimiento de imágenes: el mercado está lleno de alternativas gratuitas», explicó a 36Kr el product manager de la aplicación

Yuanbao al justificar la revisión de prioridades.

Yao Shunyu impone una disciplina estricta en su nuevo equipo. Un mes antes del lanzamiento del modelo Hy3, cuando se detectaron problemas con parte de los datos, advirtió al equipo, según el medio «LatePost»:

«Los datos son extremadamente importantes.

Si algo así vuelve a ocurrir, despido inmediato», Yao Shunyu, director del departamento de modelos de lenguaje de gran tamaño de Tencent.

Qué significa

Tencent frena de forma deliberada un área madura pero poco rentable, la comprensión multimodal, y concentra talento y capacidad de cómputo en los modelos base y en temas de vanguardia como los world models. El primer resultado de esta estrategia es el modelo Hy3, del 6 de julio de 2026, que según la valoración de 36Kr ya compite con GLM-5.2 y DeepSeek V4 Pro en la clase de tamaño medio.

Preguntas frecuentes

Qué son los world models y por qué se apuesta por ellos

Los world models son modelos que aprenden a representar el mundo físico y su dinámica, en lugar de limitarse a reconocer el contenido de una imagen. En Tencent consideran esta línea más prometedora que la comprensión multimodal ya madura, y según 36Kr es hacia ella hacia donde puede girar el antiguo grupo de Hu Han.

Quién sustituirá a Hu Han en Tencent

El área de modelos visuales y de lenguaje (VLM) pasará a dirigirla Tian Yunlong, extinvestigador de OpenAI y PhD por el MIT, que se incorporó al departamento de modelos de lenguaje de gran tamaño de Tencent a principios de julio de 2026 y reporta a Yao Shunyu.

Qué es el modelo Hy3

Hy3 es un modelo de lenguaje de gran tamaño de Tencent lanzado el 6 de julio de 2026, el primer resultado de peso de Yao Shunyu en la compañía. Según la valoración de 36Kr, en la clase de tamaño medio es comparable a GLM-5.2 y DeepSeek V4 Pro.