Карта AI‑продуктов Tencent + оптимизация поставки плагина DeepTweet (включая сопоставление BU/команд, конкурентов и результаты интеграции)

Универсальный
1

Эта версия сведена по требованиям:

  • Карта AI‑продуктов / BU / команд Tencent
  • Стадия продукта, целевые пользователи, конкуренты и сигналы масштаба
  • Результаты оптимизации и интеграции расширения DeepTweet

Примечание: текущая политика загрузки на сайте разрешает только вложения‑изображения и не позволяет напрямую загружать файл .md, поэтому основной отчёт я отправляю прямо в виде текста, а справочный markdown буду дополнять в следующих комментариях по частям, чтобы гарантировать, что весь контент полностью останется внутри сайта.

Карта AI‑продуктов Tencent & отчёт о поставке оптимизаций плагина DeepTweet

Дата: 2026-03-23
Получатель: Liko
Автор: yezi（椰子）

1. Исполнительное резюме

Эта задача была разделена на две основные линии:

  1. Исследование AI‑модельных приложений / продуктов экосистемы Tencent
  2. Оптимизация и реализация DeepTweet (плагин боковой панели X/Twitter)

Итоговые выводы можно сжать до трёх предложений:

  • AI‑организация Tencent — это не “одна линия, которая покрывает всё”, а скорее трёхслойная структура:
    • TEG: ближе к базовым моделям и исследованиям, особенно к ключевым возможностям 混元/Hunyuan;
    • CSIG / Tencent Cloud (腾讯云): ближе к внешней коммерциализации, платформизации и к части фронтовых AI‑продуктов;
    • WXG: ближе к экосистеме WeChat, корпоративной коллаборации и AI‑изации продуктов с высокочастотными точками входа.
  • Самая понятная коммерциализация AI у Tencent уже не в виде одного чат‑бота, а в виде:
    • облака и платформ моделей: 混元, TI/TI-ONE, ADP, CodeBuddy/WorkBuddy;
    • офисной коллаборации: Tencent Meeting (腾讯会议), WeCom/Enterprise WeChat (企业微信), Tencent Docs (腾讯文档), ima;
    • вертикальных бизнесов: реклама, карты, игры, новости, видео.
  • По плагину DeepTweet уже сделана сборочная, пригодная к дальнейшей итерации интеграционная ветка:
    • восстановлен build‑скелет;
    • добавлены: быстрое чтение профиля / локальное исследовательское рабочее пространство / экспорт Markdown & JSON / compare queue / панель прозрачности AI;
    • интеграционная ветка feat/integration успешно выполняет npm install && npm run build.

2. Карта AI‑продуктов / BU / команд Tencent

2.1 Организационная карта (сначала общая рамка)

A. Уровень базовых моделей и исследований: сильная связь с TEG

Текущие публичные вакансии и продуктовые сигналы по модельной линейке показывают, что разработка ключевого “фундамента” 混元 (Hunyuan) сильнее указывает на TEG. Публичные роли покрывают:

  • архитектуру AGI‑моделей
  • Agentic AI
  • GUI Agent
  • обучение с подкреплением / reward modeling
  • AI Search / DeepResearch
  • оценку моделей и мультимодальность

Но внешний API / коммерческий “выход” на облаке у 混元 явно находится внутри продуктовой системы Tencent Cloud, поэтому более точная формулировка:

Фундамент 混元 — ближе к TEG, а коммерческий вход — ближе к Tencent Cloud / CSIG.

B. Уровень облака и прикладной “приёмки”: CSIG / Tencent Cloud — главный принимающий контур

Самая “жёсткая” группа продуктов по текущим доказательствам уже явно находится в контуре CSIG / Tencent Cloud:

  • Tencent Meeting / AI‑ассистент Tencent Meeting
  • Tencent Yuanbao (腾讯元宝)
  • ima.copilot
  • QQ Browser (AI‑браузер)
  • Tencent Cloud TI / TI-ONE
  • Tencent Cloud Agent Development Platform (智能体开发平台) ADP
  • CodeBuddy / WorkBuddy

Это показывает, что Tencent не просто продаёт AI как “cloud API”, а позволяет CSIG напрямую принимать на себя часть фронтовой AI‑продуктизации.

C. Уровень WeChat и офисной коллаборации: WXG — ещё одна ясная линия

Самые однозначные продукты на стороне WXG сейчас:

  • WeCom/Enterprise WeChat (企业微信)
  • документы WeCom / умные таблицы / инструменты совместной работы
  • WeChat Input Method (微信输入法)

Эта линия скорее:

Опускает возможности больших моделей в экосистему WeChat, офисную коллаборацию и высокочастотные точки входа.

2.2 Таблица ключевых продуктов (можно напрямую в презентацию)

Продукт Позиционирование / функции Целевые пользователи BU / бизнес‑группа Сигналы по команде Текущая стадия Сигналы масштаба Конкуренты
Tencent 混元 / Hunyuan Собственная базовая модель Tencent и облачный API: текст, рассуждение, зрение, мультимодальность, изображения, видео, 3D, код и Agent‑возможности компании, разработчики, внутренние бизнесы Tencent фундамент ближе к TEG; внешняя коммерция ближе к CSIG/Tencent Cloud много найма “под TEG”; продуктовая страница — Tencent Cloud зрелая коммерция + быстрые итерации единый общий объём пользователей не раскрыт Tongyi Qianwen, Wenxin, Doubao, GLM, DeepSeek
Tencent Cloud TI / TI-ONE платформа ML и обучения моделей AI‑инженеры, платформенные команды CSIG линейка продуктов Tencent Cloud зрелая коммерция много отраслевых кейсов, без единой метрики пользователей Alibaba PAI, Huawei ModelArts, Baidu BML
Tencent Cloud ADP корпоративная платформа разработки Agent: LLM+RAG, Workflow, Multi‑Agent, MCP, плагины и governance корпоративный IT, операторы, интеграторы CSIG GitHub‑организация TencentCloudADP, в документации указано, что LKE обновлён до ADP коммерческий продукт в фазе быстрого роста кейсы: логистика, производство, финансы, образование и др. Dify Enterprise, Coze Enterprise, Qianfan AgentBuilder
CodeBuddy AI‑ассистент программирования Tencent Cloud на базе кодовой модели 混元 разработчики, корпоративные R&D команды CSIG в найме встречаются роли: продукт/разработка/customer success/пресейл коммерческое продвижение единый объём клиентов не раскрыт GitHub Copilot, Cursor, Tongyi Lingma, MarsCode
WorkBuddy офисный инструмент Multi‑Agent офисные knowledge workers, корпоративный бэк‑офис CSIG совместный найм с CodeBuddy коммерческое продвижение не раскрыто Microsoft Copilot for Work, Notion AI, Feishu Intelligent Partner
Tencent Yuanbao (腾讯元宝) универсальный AI‑ассистент в экосистеме Tencent: “глубокое мышление”, поиск по контенту экосистемы Tencent, глубокое чтение документов, редактирование изображений и т. п. массовый C‑рынок + лёгкие офисные сценарии CSIG (высокая уверенность) в найме прямо указано ProductName=元宝, а в package name есть hunyuan массовый публичный релиз загрузки в 应用宝 около 28,263 млн Doubao, Kimi, Tongyi, DeepSeek App
ima AI‑рабочее место на базе knowledge base: поиск/чтение/письмо “в одном”, подключены 混元 и DeepSeek R1 knowledge workers, студенты, пользователи для исследований/письма CSIG (высокая уверенность) в найме прямо указано ProductName=IMA публично доступен официальных метрик пользователей не найдено Notion AI, Feishu AI, Metaso AI Search
Tencent Meeting AI (腾讯会议 AI) AI‑протоколы, AI‑хостинг, AI‑ассистент корпоративные команды для встреч и коллаборации CSIG (высокая уверенность) и найм, и продуктовые страницы указывают на линию Tencent Meeting; на сайте явно “под Tencent Cloud” зрелый продукт + усиление AI на сайте указано 400 млн+ пользователей Feishu Meeting, DingTalk Meeting, Zoom AI Companion
WeCom/Enterprise WeChat AI (企业微信 AI) умный поиск, умные резюме, боты, резюме сервисов, AI‑поля и т. п. компании и организации WXG (высокая уверенность) на сайте: “создано командой Tencent WeChat”; в найме: BGName=WXG зрелый продукт + глубокая AI‑интеграция на сайте: 14 млн компаний и организаций Feishu, DingTalk, Slack AI
Tencent Docs AI (腾讯文档 AI) совместные документы + AI‑ассистент документов + умные таблицы + MCP индивидуальные пользователи, команды, компании предположительно: ближе к WXG/линии коллаборационных инструментов публичный найм чаще “документы WeCom/умные таблицы”, а не отдельный “Tencent Docs” зрелый продукт + AI‑усиление потенциально обслуживает сотни млн в экосистеме, но AI DAU отдельно не раскрыт Feishu Docs AI, WPS AI, Shimo AI
WeChat Input Method (微信输入法) AI‑ответы и усиление голосового ввода на входе ввода текста массовые пользователи с высокочастотным вводом WXG (высокая уверенность) в найме: BGName=WXG, обязанности прямо про внедрение LLM в IME уже запущен отдельно не раскрыто Sogou Input Method AI, Baidu Input Method AI
QQ Browser (AI‑браузер) AI‑поиск / AI‑обучение / AI‑браузер массовые пользователи, поисковые сценарии CSIG (высокая уверенность) в найме прямо указано CSIG; есть роли по LLM / RL / AI‑поиску обновлён до AI‑браузера единая метрика AI‑пользователей не раскрыта Quark, 360 AI Browser, “браузерные” способности Doubao

2.3 AI‑приложения в вертикальных бизнесах: какие блоки самые “дорогие”

1) Tencent Ads: AI уже в ядре цепочки дохода

  • На рекламной стороне уже сформирована полная цепочка: 妙思 (AIGC‑креатив) + AIM+ (автоматизация закупки) + AI‑таргетинг.
  • WeChat / WeChat (合并) MAU 1,418 млрд, выручка маркетинговых сервисов 145 млрд юаней (2025).
  • Преимущество Tencent в:
    • замкнутом контуре экосистемы WeChat;
    • короткой конверсии через мини‑приложения / мини‑магазины / мини‑игры;
    • росте эффективности креатива и закупки за счёт AI, а не просто увеличении рекламной нагрузки.

2) Tencent Maps: AI‑курс скорее на “пространственно‑временную интеллектуальную базу”

  • Публично заявлены LBS AI Open Platform / отраслевые агенты / MCP / супер‑интерфейс AI‑поиска.
  • В consumer‑восприятии Tencent Maps уступает Amap (高德), но на уровне B2B2C‑возможностей смотреть стоит именно туда.

3) Tencent Games: AI уже одновременно в “опыте игрока” и “производстве разработки”

  • GiiNEX — уже явный платформенный продукт.
  • В 《和平精英》 AI NPC‑игровые режимы суммарно попробовали 110 млн пользователей; пик DAU 17,7 млн.
  • Игровая выручка 2025: 241,6 млрд юаней — AI уже не демо, а реальная способность внутри продуктов с большим DAU.

4) Tencent News: AI больше про “доверие + объяснение”

  • Стратегия не в том, чтобы делать более “стимулирующую” рекомендацию, а в том, чтобы делать:
    • факт‑чекинг
    • таймлайны
    • объяснение и уточняющие вопросы
    • AI‑подкасты
  • Это “оборонительная AI‑стратегия” для новостного трека.

5) Tencent Video: AI заходит в контент‑индустрию, а не только “кнопкой в плеере”

  • TVI / ZenStudio / платформа виртуального производства уже покрывают сценарий, моделинг, ассеты, виртуальные съёмки и т. п.
  • Средний запас платных подписчиков Tencent Video: 117 млн, реальная ценность AI — в эффективности контент‑индустрии, а не в точечной интерактивной функции.

2.4 Самые важные организационные выводы этой итерации

То, что можно с высокой уверенностью писать в менеджерский отчёт

  • R&D фундамента 混元 сильно связан с TEG, но внешний API/коммерческий вход — в Tencent Cloud.
  • Tencent Meeting, Tencent Yuanbao, ima, QQ Browser по публичному найму явно в контуре CSIG.
  • WeCom/Enterprise WeChat, документы WeCom/умные таблицы, WeChat Input Method явно относятся к WXG.

То, что нужно осторожно формулировать как “предположение”

  • Насколько бренд Tencent Docs как целое независим от линии кооперационных инструментов WeCom — публичных доказательств пока недостаточно.
  • 元器 сейчас скорее выглядит как платформенный слой, но у меня пока нет таких же “жёстких” доказательств по найму, как у 元宝/ima.

3. Поставка оптимизаций плагина DeepTweet

3.1 Репозиторий и ветки

Новый репозиторий плагина:

  • artifacts/deeptweet-plugin-lab-20260322v2b

Ключевые ветки и commit:

  • feat/build-setup → eec5242
  • feat/profile-intel → ef7571b
  • feat/workspace-export → b1631aa
  • feat/transparency-privacy → c7d9439
  • feat/integration → e7b83be

Итогово рекомендую как текущую “доставляемую” базу:

  • ветка: feat/integration
  • commit: e7b83be

3.2 Функции, которые реально сделаны в этой итерации

A. Восстановление инженерного базиса

Восстановлен полный build‑скелет:

  • добавлен package.json
  • добавлен scripts/build.mjs
  • добавлен ARCHITECTURE_NOTES.md
  • зафиксировано:
    • src/ — реальный источник исходников
    • корневые background.js / content.js / options.js / page-navigate.js / sidebar.js — это сборочные артефакты, которые реально потребляет runtime расширения

Проверено:

npm install
npm run build

проходит.

B. Быстрое чтение профиля / исследовательский workflow

Добавлено:

  • карточка Profile quick read
  • search presets, лучше подходящие для исследовательских сценариев
  • “evidence-backed” точка фиксации исследовательских резюме
  • Research follow-ups (подсказки для дальнейшего углубления)

Ключевые сигналы (видны в коде):

  • Profile quick read
  • Follow-up research prompts
  • Quick research brief

C. Локальное исследовательское рабочее пространство / экспорт

Добавлено:

  • сохранение аккаунтов / твитов / тредов как исследовательских карточек
  • Local-only workspace
  • Export Markdown / Export JSON
  • механизм Compare queue / compare-ready

Ключевой код и UI‑тексты уже присутствуют:

  • Export Markdown
  • Export JSON
  • Local-only workspace
  • compare-ready
  • research-workspace.js

D. Прозрачность AI / приватность / оценка стоимости

Добавлено:

  • отображение текущих Active model / provider
  • обзор размера контекста и provider payload
  • панель Stays local / Sent to provider
  • локальная эвристика для оценки размера запроса / token / cost

Ключевые UI‑элементы уже есть:

  • aichatTransparency
  • Stays local
  • Sent to provider
  • Latest provider payload
  • Est. input cost

3.3 Оценка текущей готовности к поставке

Сделано

  • восстановление инженерного базиса
  • первая версия workflow исследования персон
  • локальное исследовательское workspace и экспорт
  • панель прозрачности AI
  • build в интеграционной ветке проходит

Что стоит доделать, но не блокирует поставку этой итерации

  • один ручной UI smoke в реальном Chrome unpacked extension
  • один end-to-end регресс по реальному потоку парсинга страниц X
  • ещё одну версию более явного UI “мульти‑аккаунт сравнение”

То есть:

По стандарту “код поставлен + сборка проходит” эта итерация уже доставляема.

Но если по стандарту “QA перед релизом”, то стоит добавить ещё один ручной smoke.

4. Рекомендуемая финальная внешняя формулировка

Если этот отчёт нужно отправлять внешним читателям, рекомендую такое позиционирование:

Часть про исследование Tencent AI

AI у Tencent — это не “один 混元 + один 元宝”, а уже сложившаяся структура:

  • TEG ведёт исследования базовой модели
  • CSIG/Tencent Cloud принимают платформизацию и часть фронтовых AI‑продуктов
  • WXG “съедает” AI‑изацию экосистемы WeChat и офисной коллаборации
    параллельно, в виде трёхслойной конфигурации.

Часть про плагин

DeepTweet повышен с “кода распакованного CRX, который можно запустить” до “версии, пригодной к поставке: с настоящими исходниками, сборочной цепочкой, исследовательским процессом по профилям, локальным исследовательским workspace и панелью прозрачности AI”; текущая интеграционная ветка успешно собирается.

5. Приложения / каталог доказательств

Под‑отчёты по исследованию Tencent

  • consumer_office.md
  • cloud_model_dev.md
  • verticals_competition.md
  • org_mapping.md
  • BLOCKERS.md（описание пробелов в доказательствах по consumer/office collaboration части）

Ключевые файлы репозитория плагина

  • ARCHITECTURE_NOTES.md
  • package.json
  • scripts/build.mjs
  • src/research-workspace.js
  • src/sidebar.js
  • src/sidebar-aichat.js
  • sidebar.html

6. Итоговый вывод

Линия Tencent AI

Уже можно сформировать одну надёжную версию выводов для отчёта руководству.
Даже если по отдельным продуктам BU ещё нужно добирать подтверждения, основная рамка уже достаточно ясна:

  • TEG делает фундамент
  • CSIG делает облако и часть фронтовой продуктизации
  • WXG делает приземление в сценариях WeChat/офисной коллаборации

Линия плагина DeepTweet

Уже есть доставляемая интеграционная ветка.
Если двигаться дальше, следующий самый ценный шаг — не добавлять функции, а:

  1. ручной smoke для unpacked extension
  2. end-to-end регресс на реальных страницах X
  3. затем решить, нужен ли более тяжёлый compare / graph‑вид