WeLM - 微信推出的自研大语言模型

WeLM是什么

WeLM（WeChat Language Model）是微信自研的大语言模型，已迭代至V4。模型专为微信生态打造，参数约80B-130B，采用稀疏MoE架构，强调低成本与高效率。WeLM支持128K长上下文，能天然获取群聊、朋友圈等生态数据。通过Hidden Decoding技术隐藏推理过程，实现快速响应。WeLM不对外开放，是微信AI Agent 小微的智能底座。

WeLM的主要功能

• 微信生态专属智能服务：作为微信 AI Agent「小微」的底层模型，WeLM 深度嵌入微信生态，支持群聊消息总结、朋友圈动态查看、好友话术回复、公众号/视频号内容理解等场景。
• 低成本高效推理：采用高度稀疏 MoE（混合专家）架构，配合 GQA、KV-Mirror、Multi-Token Prediction 等技术，大幅降低推理成本，支撑微信 10 亿+ 日活用户的高频调用。
• 快速响应（Hidden Decoding）：通过 Hidden Decoding 技术隐藏推理过程，在保证输出质量的同时实现低延迟响应，避免用户长时间等待。
• 长上下文理解：支持 128K 超长上下文，天然获取群聊记录、朋友圈、收藏、点赞等生态数据，实现精准的意图识别和个性化回复。
• 多任务处理：覆盖内容总结、对话生成、信息检索、个性化推荐等多种任务，成为微信内 AI 能力的核心引擎。

如何使用WeLM

• 访问官方入口：微信搜索「小微」找到访问入口。
• 更新微信：将微信升级至最新版本，确保能接收「小微」内测推送或全量开放。
• 找到入口：在微信聊天列表、顶部搜索栏或发现页中找到「小微」AI Agent 入口。
• 发起对话：点击「小微」，直接输入文字或语音提出你的问题与任务需求。
• 授权数据：根据提示授权访问群聊记录、朋友圈、收藏等生态数据，以获得个性化、上下文感知的回复。
• 执行任务：使用「小微」进行群聊总结、内容推荐、话术生成、信息检索等操作。
• 优化交互：根据「小微」的反馈，通过多轮对话不断细化你的指令，提升结果质量。

WeLM的核心优势

• 微信生态原生融合：WeLM 是专为微信生态打造的”专用小模型”，天然获取群聊、朋友圈、公众号、视频号、收藏等上下文数据，无需用户手动上传或授权外部工具，能更精准理解用户意图。
• 极致成本控制：采用高度稀疏 MoE 架构（非超大稠密模型），配合 GQA、KV-Mirror、Multi-Token Prediction 等技术，大幅降低推理成本，支撑微信 10 亿+ 日活的高频调用。
• 快速响应体验：通过 Hidden Decoding 技术隐藏推理过程，在保证输出质量的同时实现低延迟，避免用户等待，适配微信即时通讯场景。
• 超长上下文记忆：支持 128K 长上下文，在群聊总结、朋友圈回顾、个性化推荐等长文本任务中表现优异。
• 稳定可控的封闭架构：不对外开放，专注服务微信内部场景，在稳定性、安全性、生态一致性上具备天然优势。

WeLM的同类竞品对比

WeLM的应用场景

• 群聊智能总结：WeLM 可自动梳理微信群聊中的海量历史消息，精准提取关键信息、核心决议与待办事项，帮助用户快速掌握群聊动态。
• 朋友圈互动辅助：WeLM 能基于好友的朋友圈动态内容，结合用户与好友的关系，智能生成贴切、个性化的评论或回复建议。
• 生态内容问答：WeLM 可对微信公众号文章、视频号等生态内容进行深度解读，即时回答用户关于文章细节、视频主题等方面的疑问。
• 个人记忆检索：WeLM 支持跨聊天记录、收藏夹、点赞历史等个人数据，帮助用户快速精准地定位并召回过往的重要信息。
• 智能话术生成：WeLM 能结合当前聊天上下文、好友关系及个人风格，为用户推荐得体、自然的回复措辞与沟通话术。