Tencent Hunyuan : Hu Han, responsable de l'IA multimodale, s'en va — son équipe se tourne vers les world models

Hu Han, responsable de la compréhension multimodale chez Tencent Hunyuan, a présenté sa démission pour fonder sa propre start-up, a rapporté le 23 juillet 2026 le média chinois « Intelligent Emergence » (36Kr, 智能涌现). Selon la publication, son ancien groupe de recherche chez Tencent doit être réorienté vers l'étude des world models.

Qui est Hu Han

Avant Tencent, Hu Han était principal researcher dans le groupe de calcul visuel de Microsoft Research Asia. Il a rejoint Tencent début 2025 et y a pris la tête de la recherche sur les grands modèles visuels. Après une réorganisation interne, il est passé dans le groupe de recherche avancée « Frontier » du département des grands modèles de langage et a commencé à rendre compte à Yao Shunyu.

D'après 36Kr, Hu Han s'occupait notamment du développement de world models, des systèmes qui modélisent la réalité physique au lieu de se contenter de décrire une image. C'est ce domaine qui, selon le média, pourrait devenir le nouveau centre d'intérêt de son ancienne équipe.

Pourquoi Tencent revoit sa stratégie multimodale

Tencent redistribue ses ressources en faveur des modèles de langage de base, et la recherche sur la compréhension multimodale perd en priorité. La précision de reconnaissance du texte, des images et de la vidéo dépasse déjà 85 % dans ce domaine, si bien que les investissements supplémentaires offrent un rendement limité, selon un chercheur cité par 36Kr.

Yao Shunyu, ancien chercheur d'OpenAI à la tête du département des grands modèles de langage de Tencent, joue un rôle clé dans ce virage. Après son arrivée, l'entreprise a dissous AI Lab et fait basculer ses principaux développeurs vers le département LLM. Elle a aussi intensifié ses recrutements, notamment au sein des équipes Seed Infra et post-training de ByteDance.

• Hu Han a présenté sa démission et fonde une start-up (information de 36Kr du 23 juillet 2026)
• Auparavant principal researcher chez Microsoft Research Asia, chez Tencent depuis début 2025
• Son remplaçant à la tête des VLM est Tian Yonglong, ex-OpenAI et PhD du MIT, arrivé chez Tencent début juillet 2026
• Dépenses d'investissement de Tencent en 2025 : 79,2 Md de yuans
• À titre de comparaison : Alibaba a investi 126 Md de yuans sur l'exercice clos en mars 2026 ; ByteDance prévoit jusqu'à 70 Md de dollars pour l'infrastructure d'IA en 2026 (données Bloomberg)

Reconnaissance ou monétisation : qu'est-ce qui compte le plus ?

La compréhension multimodale se monétise mal directement, ce qui explique en partie le changement de priorités. Des usages comme la reconnaissance d'images ou la « description à partir d'une image » ne trouvent pas preneur auprès des utilisateurs, alors qu'ils paient pour le traitement de documents ou la création de présentations et de rapports, car ces tâches reposent sur les capacités de reasoning, de code et d'agent du modèle.

«

Aucun utilisateur n'est prêt à payer pour la reconnaissance d'images : le marché regorge d'équivalents gratuits », a expliqué à 36Kr le product manager de l'application Yuanbao pour justifier la révision de la stratégie.

Yao Shunyu impose une discipline stricte à sa nouvelle équipe. Un mois avant la sortie du modèle Hy3, alors que des problèmes étaient apparus sur une partie des données, il a prévenu l'équipe, selon le média « LatePost » :

« Les données sont d'une importance cruciale.

Si cela se reproduit, ce sera le licenciement immédiat », a déclaré Yao Shunyu, responsable du département des grands modèles de langage de Tencent.

Ce que cela signifie

Tencent freine délibérément un domaine mature mais peu monétisable, la compréhension multimodale, et concentre talents et puissance de calcul sur les modèles de base et sur des sujets de pointe comme les world models. Premier résultat de cette stratégie : le modèle Hy3, sorti le 6 juillet 2026, qui concurrence déjà, selon 36Kr, GLM-5.2 et DeepSeek V4 Pro dans la catégorie des modèles de taille intermédiaire.

Questions fréquentes

Que sont les world models et pourquoi parier dessus ?

Les world models sont des modèles qui apprennent à représenter le monde physique et sa dynamique, au lieu de simplement reconnaître le contenu d'une image. Chez Tencent, ce domaine est jugé plus prometteur que la compréhension multimodale, désormais mature, et c'est vers lui que pourrait se tourner l'ancien groupe de Hu Han, selon 36Kr.

Qui remplacera Hu Han chez Tencent ?

Le domaine des modèles vision-langage (VLM) sera dirigé par Tian Yonglong, ancien chercheur d'OpenAI et PhD du MIT, arrivé début juillet 2026 dans le département des grands modèles de langage de Tencent et placé sous l'autorité de Yao Shunyu.

Qu'est-ce que le modèle Hy3 ?

Hy3 est un grand modèle de langage de Tencent, sorti le 6 juillet 2026, premier résultat majeur de Yao Shunyu dans l'entreprise. Selon 36Kr, il est comparable à GLM-5.2 et DeepSeek V4 Pro dans la catégorie des modèles de taille intermédiaire.