Eine generierte Titelkarte mit der Aufschrift 'Hy4 flash hat offene Gewichte', drei Repository-Kacheln mit den Bezeichnungen 'Hy4 flash', 'Hy4 flash-FP8' und 'Hy4 flash-Base', eine Spezifikationsleiste mit der Angabe '220B gesamt / 12B aktiv / 1M Kontext / Bild-Eingabe, Text-Ausgabe' und eine Fußzeile mit dem Text 'Gewichte veröffentlicht am 17. November 2026 unter der Tencent Hy License v1.0.'
Guides & Insights

Hy4 flash ist jetzt Open Weight: Lies Abschnitt 10, bevor du es herunterlädst

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Die Tencent Hy License, Version 1.0, ist eine von Apache 2.0 abgeleitete Lizenz mit einem zusätzlichen Abschnitt, und genau dieser Abschnitt ist der Grund, diese Veröffentlichung sorgfältig zu lesen, statt einfach nur den Checkpoint herunterzuladen. Abschnitt 10.2 besagt: Wenn Sie ein Model-as-a-Service-Geschäft betreiben und Ihr weltweiter Bruttoumsatz in einem beliebigen Zwölfmonatszeitraum US$50 Millionen übersteigt – oder Ihr Produkt 100 Millionen monatlich aktive Nutzer erreicht –, benötigen Sie eine separate schriftliche Lizenz von Tencent, bevor Sie die Gewichte verwenden oder weiterverwenden. Abschnitt 10.3 nimmt die interne Nutzung aus. Die lizenzgebührenfreien Rechte finden sich in Abschnitt 2 der Apache-Gewährung, und Abschnitt 10.2 beginnt mit den Worten „Ungeachtet der Abschnitte 2 und 3“. Der Download ist also kostenlos, die Bereitstellung aber nicht bedingungslos kostenlos, und die Grenze zwischen beidem verläuft dort, ob Fremde über Ihre Infrastruktur auf das Modell zugreifen können.

Das ist der Rahmen für das, was Tencent am 17. November 2026 um 03:44 UTC veröffentlichte, als innerhalb von neunzig Sekunden drei Repositories auf Hugging Face erschienen: Hy4 flash, das für Anweisungen feinabgestimmte Chatmodell; Hy4 flash-FP8, dasselbe Modell in FP8; und Hy4 flash-Base, der vortrainierte Checkpoint ohne jegliches Post-Training. Das Instruktionsmodell umfasst 220 Milliarden Gesamtparameter, davon 64 Milliarden in Engram-Tabellen, 12 Milliarden pro Token aktiv; es ist auf der Eingabeseite nativ multimodal und für einen Kontext von 1.048.576 Token konfiguriert. Es ist dasselbe Modell, das Tencent zwei Tage zuvor, am 16. November, in seine API gestellt hat, mit dem Unterschied, dass Sie es jetzt auf Hardware ausführen können, die Ihnen gehört.

Was ist eigentlich in den drei Repositories enthalten?

Die Aufteilung ist sauberer als bei den meisten Open-Weight-Veröffentlichungen, weil die drei Checkpoints wirklich unterschiedliche Dinge sind und nicht drei Dateinamen für ein einziges Artefakt.

• Hy4 flash — das Instruct-Modell, Chat-Template und Reasoning-Modi inklusive. Unterstützt reasoning_effort bei high (Standard, Denken an) und no_think (direkte Antworten). Tencent empfiehlt temperature 0.9 und top_p 1.0.

• Hy4 flash-FP8 — dieselben Gewichte, quantisiert für den Produktionseinsatz. Das ist die Variante, auf die die offiziellen vLLM- und SGLang-Rezepte verweisen, und die laut Tencent auf einem Tensor-Parallel-8-Knoten mehr als 150 Tokens pro Sekunde schafft.

• Hy4 flash-Base — ausschließlich vorab trainiert. Die Model Card stellt ausdrücklich klar, dass es sich um „ein vorab trainiertes Basismodell handelt, kein instruction-getuntes Chat-Modell“, was wichtig ist, weil jede Benchmark-Tabelle im Release eine Base-gegen-Base-Tabelle ist. Die Zahlen des Instruct-Modells sind die WorkIndex- und Blindtest-Werte des Anbieters, keine öffentliche Eval-Suite.

Zwei Details in den Metadaten sind mehr wert, als sie auf den ersten Blick scheinen. Das erste ist, dass die Repositories auf Pipeline-Ebene als image-text-to-text gekennzeichnet sind, sodass der Vision-Encoder mit den Gewichten ausgeliefert wird, statt nachträglich downstream angeflanscht zu werden. Das zweite ist eine Zahlendiskrepanz: Tencent beschrieb das Modell in seinem Launch-Material vom 16. November als 224B, während sich die eigene Tabelle der Model Card auf 220,3B summiert – 155,5B Backbone, 63,5B Engram, 0,43B ViT, 0,85B DFly2-Drafter. Keine der beiden Zahlen ist im Kontext falsch; die 224B-Angabe scheint den DFly2-Drafter mitzuzählen und anders zu runden, während die Tabelle der Karte Engram, ViT und DFly2 aus ihrer eigenen 155,5B-Backbone-Zeile ausschließt und sie dann wieder hinzufügt. Wenn ein Anbieter zwei Gesamtsummen für ein Modell liefert, ist die Model Card diejenige, die man zitieren sollte.

A generated reference card headed 'What the three repositories actually contain', listing the three checkpoints with a one-line description each and a separate outlined panel headed 'Tencent Hy License v1.0, section 10.2' noting the separate written licence above US$50M annual gross revenue or above 100M monthly active users as a service.

Die Architektur ist ein Kostenargument im Gewand einer Architektur.

Wenn man dieses Design als Versuch liest, Fähigkeiten zu steigern, ergibt nur sehr wenig davon Sinn. Liest man es als Weg, den KV-Cache und den Decode-Schritt zu verkleinern, ergibt alles daran Sinn.

• Attention — sparse IndexPool-Attention, mit einer Sliding-Window-Attention über 512 Tokens im Verhältnis 1:3 verschränkt, auf Grundlage einer Multi-Head-Latent-Attention-(MLA)-Formulierung. Sparse-Layer wählen bis zu 2.048 Tokens durch Auswahl auf Gruppenebene aus; es gibt 12 Sparse-Layer und 30 SWA-Layer über den 42-Schichten-Backbone.

• Routing — 512 geroutete Experten plus ein gemeinsam genutzter Experte pro MoE-Schicht, 16 geroutete Experten pro Token aktiviert, die in einem LatentMoE-Raum der Dimension 1.536 statt in der vollen Expertenbreite operieren.

• Engram — gelernte Bigramm- und Trigramm-Repräsentationen, die durch Multi-Head-Hash-Lookups in den Backbone-Schichten 1, 11, 21 und 31 abgerufen werden. Das sind die 63,5B, die die Karte getrennt vom Backbone zählt.

• Drafter — DFly2, ein fünfschichtiges 0,85B-Modell für spekulatives Decoding, das den spärlichen KV-Cache und die Indexer-Auswahl des Zielmodells wiederverwendet, statt einen eigenen vorzuhalten. Tencent zufolge liegen die Entwurfskosten konstant bei etwa 2.048 Keys pro Draft-Token, unabhängig von der Kontextlänge, und es entsteht kein zusätzlicher KV-Speicher.

• Zentrale Effizienzkennzahl — KV-Cache bei 1/24 von Hy3 und 1/6 von Hy4, vom Anbieter angegeben und nicht unabhängig gemessen.

• Post-Training – Selbst-Distillation aus Hy4 plus Reinforcement Learning, was laut Tencent die durchschnittlichen End-to-End-Ausgabe-Tokens um 50 % senkt. Kürzere Ausgaben sind der Bereich, aus dem tatsächlich ein großer Teil der Kosteneinsparung stammt, und zugleich der Teil, der auf einer Preiskarte pro Token am wenigsten sichtbar ist.

Zusammengenommen ist das ein Modell, das so konstruiert wurde, dass ein 1M-Token-Kontext nicht das kostet, was ein 1M-Token-Kontext normalerweise für das Serving kostet. Die Kontextlänge ist die Marketingzeile; der KV-Cache-Anteil ist die technische Behauptung darunter.

Screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the three-model release line, the Model Links table and the quickstart snippet.

Was Tencent gemessen hat – und was nicht

Jede Zahl in diesem Abschnitt stammt von Tencent, wurde mit Tencents Testumgebung erzeugt, und keine davon wurde außerhalb des Unternehmens reproduziert. Artificial Analysis hat keine Seite für Hy4 flash – die Modell-URL liefert mit Stand 18. November 404 zurück – daher gibt es keinen Drittanbieter-Score, den man irgendeinem davon gegenüberstellen könnte.

Die Basismodell-Tabelle vergleicht Hy4 flash-Base mit Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base und DeepSeek-V4-Pro-Base, alle auf derselben Pipeline. Sie ist die ehrlichste Tabelle der Veröffentlichung, gerade weil sie Zeilen verliert: MMLU-Pro zeigt 71,1 für Hy4 flash-Base gegenüber 73,9 für Hy4 Base und 73,4 für DeepSeek-V4-Pro-Base; SimpleQA zeigt 37,5 gegenüber 57,2 und 52,1. Wo sie gewinnt, gewinnt sie bei chinesischsprachigen und mehrsprachigen Zeilen deutlich – C-Eval 92,0, CMMLU 91,6, AGIEval Chinese 90,6, Belebele 93,8, INCLUDE 82,8 –, was man von einem Modell erwarten würde, das zuerst für Tencent eigene Produkte gebaut wurde.

Lies das Kleingedruckte auf der Karte, bevor du die Scores liest. Tencent gibt an, dass eine starke Exposition gegenüber synthetischen Instruktionsdaten während des Mid-Trainings dazu führt, dass das Modell gelegentlich „das erwartete Antwortformat in Few-Shot-Evaluierungen nicht einhalten kann, was die Scores verzerren kann“ – ein Anbieter, der darauf hinweist, dass einige seiner eigenen Zeilen möglicherweise Formatkonformität statt Fähigkeit messen. Behandle jede Zahl unten als Obergrenze, bis dein eigener Harness zustimmt.

Das Instruct-Modell hat überhaupt keine öffentliche Benchmark-Tabelle. Stattdessen gibt es WorkIndex, eine interne Suite aus acht Aufgabenfamilien – Folienerstellung, Folienbearbeitung, gemeinsames Folien-Schreiben von Mensch und KI, Markdown-Co-Writing, Dokumentbearbeitung, Tabellenreparatur, Audio-/Videoverarbeitung und visuelles Verständnis. Hy4 flash erreicht dort 42,1 gegenüber 39,7 für Hy4 preview und 51,4 für Hy4 selbst, bei durchschnittlichen Kosten pro Aufgabe, die das Unternehmen auf 1/13 von Hy4 preview, 1/20 von Hy4 und 1/8 von DeepSeek-V4.1-Flash-1017 zu Preisen zur Hauptverkehrszeit beziffert. Und es gibt eine Blindbewertung mit 85 internen WorkBuddy-Nutzern bei 259 Aufgaben in 27 Kategorien, bei der Hy4 flash 2,79 von 4 Punkten bei der Zufriedenheit erreicht gegenüber 2,81 für Claude Haiku 5.5, bei einem Median von 6,7 Minuten und 0,26 RMB pro Aufgabe.

Das sind echte Messungen einer echten Grundgesamtheit. Es sind zugleich Messungen von Tencent-Mitarbeitern, die Tencent-typische Arbeit verrichten, bewertet anhand eines Bewertungsrasters, das Tencent selbst verfasst hat, und die Lücke von 0,02 Punkten zu dem Zufriedenheitswert eines Wettbewerbers liegt weit innerhalb jedes plausiblen Rauschbands. Betrachten Sie die WorkIndex-Reihenfolge als ein Richtungssignal des Anbieters und nichts weiter.

Die Lizenz ist der Punkt, an dem sich diese Veröffentlichung tatsächlich messen lassen muss.

Offene Gewichte sind nicht Open Source, und die Tencent Hy License macht den Unterschied ungewöhnlich konkret. Vier Klauseln entscheiden darüber, was ein bestimmtes Team tun kann:

• Grundgewährung — Die Berechtigungen von Apache 2.0, einschließlich kommerzieller Nutzung, Änderung und Weitergabe, gelten für die Gewichte, Parameter, Konfiguration, den Inferenzcode und die Dokumentation.

• Der MaaS-Auslöser — eine separate schriftliche Lizenz ist erforderlich, wenn Sie Dritten Remote-Zugriff auf Inference oder Fine-Tuning gewähren und in einem beliebigen Zwölfmonatszeitraum weltweit einen Bruttoumsatz von mehr als 50 Mio. US-Dollar erzielen. Umsätze, die aus dem Modell stammen, zählen, und ebenso Umsätze, die nichts damit zu tun haben: Die Klausel lautet „whether or not such revenue is derived from the Work“.

• Der Skalierungsauslöser – dieselbe Anforderung gilt vor der Nutzung der Gewichte in jedem Produkt mit mehr als 100 Millionen monatlich aktiven Nutzern in einem Kalendermonat, unabhängig vom Umsatzniveau.

• Zwei Ausnahmen – Endnutzerprodukte, deren Modellzugriff auf bestimmte Funktionen beschränkt und nicht auf allgemeines Prompting ausgelegt ist, fallen nicht unter die MaaS-Definition, und „das bloße Weiterleiten von Anfragen an einen unabhängig betriebenen Modellservice eines Drittanbieters“ ist ebenfalls ausgeschlossen. Die ausschließlich interne Nutzung ist gänzlich ausgenommen.

Vergleichen Sie das mit der Lizenz für den ERNIE 5.5 Flash Base Checkpoint, die die EU, das Vereinigte Königreich und Südkorea vollständig als Territorien ausschließt. Tencent schließt kein Territorium aus. Stattdessen besteuert es die Skalierung. Für ein Start-up, das ein Produkt auf den Gewichten aufbaut, ist das ein deutlich freundlicheres Dokument als ein territoriales Verbot. Für einen mittelgroßen Inferenzanbieter ist es ein Anruf bei [email protected] vor der Auslieferung.

So servieren wir es: drei echte Pfade, alle angepinnt

Die Deployment-Story ist vollständiger als die API-Story aus der Launch-Woche, und sie ist zugleich fragiler als ein unterstütztes Produkt – auf genau die Weise, wie frühe Framework-Unterstützung es immer ist.

• vLLM — das offizielle Image vllm/vllm-openai:hy4-flash, Tensor-Parallel 8, der FP8-Checkpoint, --attention-backend FLASHMLA_SPARSE, DFly-Speculative-Decoding mit 5 Tokens sowie die hy_v4-Tool-Call- und Reasoning-Parser.

• SGLang — lmsysorg/sglang:hy4-flash, Multi-Architektur über x86 und Arm hinweg, Tensor-Parallel 8, --speculative-algorithm DFLY mit Blockgröße 6.

• Transformers — noch in keinem Release enthalten. Die Karte weist dich an, bis zum erfolgten Merge aus einer Pull-Request-Ref (refs/pull/50903/head) zu installieren – das ist das denkbar klarste Signal dafür, wie neu das ist.

• Quantisierung — ein GGUF-Build aus dem AngelSlim-Toolkit ist für End-to-End-Tests verlinkt, und eine Fine-Tuning-Anleitung ist im Repository enthalten.

Festgepinnte Images und eine PR-Ref bedeuten, dass das Modell heute auf genau den Builds funktioniert, die Tencent getestet hat, und beim nächsten Minor-Release eines der beiden Frameworks möglicherweise nicht mehr funktioniert. Das sollte man wissen, bevor man es hinter einen Produktions-Endpunkt stellt, und deshalb sind die Framework-Rezepte für alle, die tatsächlich deployen, wichtiger als die Benchmark-Tabelle.

Was die offenen Gewichte mit dem API-Preis machen

Tencents Listenpreis für Hy4 flash auf dem chinesischen Festland beträgt ¥0,5 pro Million Eingabe-Tokens, ¥2 pro Million Ausgabe-Tokens und ¥0,02 pro Cache-Treffer – nach aktuellen Kursen etwa $0,070, $0,281 und $0,003. Das ist die Preisliste des Anbieters, keine Messung.

Dieser Preis ist nicht das, was sich ändert, wenn die Gewichte ausgeliefert werden. Was sich ändert, ist die Untergrenze darunter. Ein Modell, das man herunterladen kann, hat einen zweiten Preis – die Kosten für die GPUs, auf denen man es betreibt –, und die gesamte oben beschriebene Architektur ist ein Argument dafür, dass dieser zweite Preis für ein Modell mit 1-M-Kontext ungewöhnlich niedrig ist. Tencents eigene aufgabenbezogene Kostenverhältnisse von 1:8 bis 1:20 sind dieses Argument in Anbieterarithmetik.

OrcaRouter routet 200+ Modelle über eine einzige API und reicht den Listenpreis des Anbieters mit 0 % Aufschlag durch, sodass eine Preisänderung eines Herstellers bei uns noch am selben Tag live ist und nicht erst beim nächsten Katalog-Neuaufbau. Hy4 flash selbst ist noch nicht in diesem Katalog – was dort steht, ist tencent/hy4-preview, das 770B/49B-Lehrermodell, aus dem dieses hier destilliert wurde, zu 0,834 $ Eingabe und 2,501 $ Ausgabe pro Million bei einem Cache-Read-Tarif von 0,042 $. Wenn Sie die Modellfamilie evaluieren möchten, bevor Sie sich für ein selbst gehostetes FP8-Deployment entscheiden, ist die Preview das Modell, das Sie heute aufrufen können; auf die Gewichte wechseln Sie, wenn die Zahlen überzeugen. Automatisches Failover ist die andere Hälfte dieser Strategie, denn ein zwei Tage alter Checkpoint, der auf einem PR-Ref-Transformers-Build läuft, ist genau die Art von Abhängigkeit, hinter der man eine zweite Route haben möchte.

Screenshot of the tencent/hy4-preview model page, showing the per-million-token input, output and cache-read prices the routed preview model is listed at.

Was zu sehen

Drei Dinge werden entscheiden, ob dieses Release in sechs Monaten noch von Bedeutung ist, und keines davon ist die Benchmark-Tabelle.

Erstens: der 404. Hy4 flash hat keinen unabhängigen Score. Bis Artificial Analysis oder ein Äquivalent es bewertet, stammt jede Aussage zu den Fähigkeiten in diesem Beitrag von Tencent, und die ehrliche Haltung ist, dass das Modell nicht gemessen statt gut gemessen ist. Zweitens die Framework-Merges: Wenn die Transformers-Unterstützung Pull Request 50903 verlässt und die vLLM- und SGLang-Images nicht mehr gepinnt werden, hört das Modell auf, ein Forschungsartefakt zu sein, und wird Infrastruktur. Drittens die Lizenzinterpretationen – das erste Unternehmen, das mit diesen Gewichten ein MaaS-Geschäft im Wert von 60 Millionen Dollar betreibt, wird allen sagen, wie Abschnitt 10.2 tatsächlich ausgelegt wird.

Tencent beendete seine Ankündigung mit dem Satz „Bleiben Sie dran, als Nächstes kommt Hy4“, ein Versprechen, dass das Modell mit 51,4 auf dem WorkIndex in den Kostendiagrammen dieselbe Behandlung erfährt. Sollte das der Fall sein, ist die interessante Frage nicht mehr, ob Tencent ein günstiges Open-Weight-Flash-Modell ausliefern kann, sondern ob es ein teures Modell ausliefern kann, das eher über Leistungsfähigkeit als über den Preis konkurriert.

In diesem Artikel verglichen2

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert