Eine generierte Hero-Karte, die Hy4 flash und Claude Haiku 5.5 vergleicht, mit einer großen Zahl „2.79 vs 2.81“, beschriftet mit „Zufriedenheit auf einer Skala von 4 in Tencent’s eigenem Blindtest mit 85 Nutzern“, und einer Fußzeile mit dem Text „Beide Zufriedenheitswerte sind Tencent-Messungen. Hy4 flash-Gewichte veröffentlicht am 17. November 2026.“
Guides & Insights

Hy4 flash vs. Claude Haiku 5.5: Tencent hat diesen Vergleich selbst durchgeführt – und die Niederlage veröffentlicht.

Autor

jinhao.song

Veröffentlicht am

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

Jemand bei Tencent entschied, dass der richtige Gegner für Hy4 flash Claude Haiku 5.5 sei, stellte beide Modelle 85 der eigenen WorkBuddy-Nutzer des Unternehmens bei 259 Aufgaben gegenüber und veröffentlichte das Ergebnis, obwohl es verliert. Hy4 flash erreichte 2,79 von 4 Punkten bei der Nutzerzufriedenheit. Claude Haiku 5.5 erreichte 2,81. Das ist eine Differenz von zwei Hundertstelpunkten auf einer Vier-Punkte-Skala, gemessen vom Herausforderer, bei den eigenen Aufgaben des Herausforderers – und es ist die interessanteste einzelne Zahl in der Veröffentlichung von Hy4 flash, weil sie verrät, was Tencent tatsächlich zu verkaufen glaubt. Kein besseres Modell. Ein günstigeres, das nah genug herankommt, dass der Unterschied den Kontakt mit einer Zufriedenheitsumfrage nicht übersteht.

Der Rest der Veröffentlichung stützt diese Lesart. Hy4 flash wurde am 17. November 2026 als offene Gewichte veröffentlicht, zwei Tage nachdem es am 16. November in die Tencent-API aufgenommen wurde: 220 B Gesamtparameter, 12 B aktive pro Token, ein Kontext von 1 Mio. Token, Bildeingabe mit Textausgabe. Claude Haiku 5.5 ist seit dem 7. Oktober 2026 allgemein verfügbar, zu 0,10 US-Dollar und 0,50 US-Dollar pro Million Token. Keines der beiden Modelle ist im Katalog von OrcaRouter, und dieser Beitrag wird nicht so tun, als wäre es anders; was routbar ist, wird gegen Ende erörtert, und es handelt sich um ein anderes Modellpaar.

Der Blindtest, richtig gelesen

Tencents Bericht über die Evaluation besteht aus drei Sätzen und einem Diagramm, und das Diagramm macht etwas Bestimmtes: Es trägt die Zufriedenheit gegen die mediane End-to-End-Fertigstellungszeit und die Kosten pro Aufgabe auf, sodass das Modell, das bei zwei Achsen gewinnt, auf einen Blick sichtbar ist. Die Zahlen sind 2,79/4 für Hy4 flash gegenüber 2,81/4 für Claude Haiku 5.5, eine mediane Fertigstellungszeit von 6,7 Minuten für Hy4 flash und RMB 0,26 pro Aufgabe. Tencents Behauptung ist, dass Hy4 flash sowohl die niedrigsten Kosten pro Aufgabe als auch die kürzeste mediane Fertigstellungszeit unter den evaluierten Modellen verzeichnete.

Was der Bericht nicht liefert, ist die vollständige Menge der bewerteten Modelle, die Aufschlüsselung nach Kategorien oder die Bewertungsrubrik. Er nennt jedoch die Grundgesamtheit: 85 interne Nutzer, 27 Kategorien, 259 Aufgaben, alle aus WorkBuddy, dem eigenen Produktivitätsassistenten von Tencent. Das ist eine kohärente Bewertung, und sie ist keine neutrale. Mitarbeitende, die das Modell ihres Arbeitgebers bewerten, wissen, welches Modell ihr eigenes ist, und selbst in einer blinden Oberfläche sind es die Aufgaben, die Tencent ausgewählt hat, weil sie dem Produkt von Tencent ähneln.

Das Nützliche an der 0,02-Lücke ist, was sie in beide Richtungen mit dem Argument macht. Wenn Sie geneigt sind, dem Test zu vertrauen, haben Sie Tencents Zusage, dass der Leistungsunterschied gegenüber Claude Haiku 5.5 für Büroarbeit vernachlässigbar ist, was eine Aussage gegen das eigene Interesse ist. Wenn Sie geneigt sind, ihm zu misstrauen, liefert Ihnen derselbe Test keinen Grund zu glauben, dass Hy4 flash besser ist, und Sie bleiben mit der Kostenspalte zurück, auf die Tencent ohnehin Ihre Aufmerksamkeit lenken will.

Wo sich die beiden Modelle tatsächlich unterscheiden

Die Datenblätter weichen auf Weise voneinander ab, die der Zufriedenheitswert nicht zeigen kann. Jede unten stehende Angabe ist die vom Anbieter selbst veröffentlichte Spezifikation, sofern sie nicht als Messung von Artificial Analysis gekennzeichnet ist.

• Gesamt- und aktive Parameter — Hy4 flash 220B insgesamt, davon 64B in Engram-Tabellen, 12B aktiv pro Token; die Parameterzahlen von Claude Haiku 5.5 sind nicht offengelegt, was bei Anthropic normal ist.

• Kontextfenster — 1.048.576 Tokens für Hy4 flash; 1.000.000 für Claude Haiku 5.5.

• Maximale Ausgabe — 64.000 Token auf Hy4 flash gemäß der Serving-Konfiguration; 128.000 Token auf Claude Haiku 5.5, doppelt so viele.

• Eingabemodalität — Hy4 flash nimmt Text und Bilder über einen von SigLIP2 abgeleiteten 27-Schicht-Encoder entgegen; das Release-Material von Claude Haiku 5.5 konzentriert sich auf Text und Tool-Nutzung, und sein veröffentlichtes Fähigkeitsspektrum ist auf der Vision-Seite schmaler.

• Lizenz — Hy4 flash wird unter der Tencent-Hy-Lizenz vertrieben, deren Abschnitt 10.2 bei über 50 Millionen US-Dollar MaaS-Umsatz oder 100 Millionen MAU einen separaten Vertrag erfordert; Claude Haiku 5.5 ist proprietär und verfügt über keinerlei Gewichte.

• Unabhängige Bewertung — Hy4 flash hat keine, und seine Artificial Analysis-URL gibt 404 zurück; Claude Haiku 5.5 erreicht 36 Punkte im Intelligence Index v5.0.1 bei Max effort.

• Gemessene Kosten pro Index-Aufgabe — $0.41 für Claude Haiku 5.5 laut Artificial Analysis; für Hy4 flash nicht gemessen, das nicht auf dem Board vertreten ist.

Die Ausgabegrenze ist der Punkt, der sich in der Praxis am ehesten bemerkbar machen dürfte. Ein Modell mit 1M Kontext und 64k Ausgabe ist darauf ausgelegt, sehr viel zu lesen und eine moderate Menge zu schreiben; ein Workflow zur Dokumenterstellung, der mehr als 64.000 Token in einer Antwort ausgeben soll, kann es nicht nutzen. Die von Tencent selbst empfohlenen Anwendungsfälle – Deep Search, Dokumentverarbeitung, Folienerstellung, einfache Frontend-Demos, Computer Use – passen zu dieser Obergrenze. Die Generierung langer Texte steht nicht auf der Liste.

Der Preisvergleich ist nicht eine Zahl gegen eine andere.

Tencents Festlandstarif für Hy4 flash beträgt ¥0,5 pro Million Eingabe-Tokens, ¥2 pro Million Ausgabe-Tokens und ¥0,02 pro zwischengespeichertem Eingabe-Token – etwa $0,070, $0,281 und $0,003. Die veröffentlichte Preiskarte von Claude Haiku 5.5 beginnt bei $0,10 pro Million Eingabe-Tokens und $0,50 pro Million Ausgabe-Tokens, wobei Cache-Schreibvorgänge $0,125 und $0,625 für Fünf- und Ein-Stunden-Caches kosten und Cache-Lesevorgänge $0,01.

Bei diesen Listenpreisen ist Hy4 flash etwa 30 % günstiger bei der Eingabe, 44 % günstiger bei der Ausgabe und 70 % günstiger bei einem Cache-Treffer. Beide sind Pauschalpreise für die ersten hunderttausend Token. Der Unterschied zeigt sich danach: In Anthropics Preisliste steigt der Eingabepreis von Claude Haiku 5.5 von 0,10 $ auf 0,50 $ pro Million und der Ausgabepreis von 0,50 $ auf 2,50 $, sobald eine Anfrage 100.000 Eingabe-Token überschreitet. Bei einem Dokument mit 200.000 Token wird Claude Haiku 5.5 mit dem Fünffachen seines Listenpreises für Eingaben berechnet, was diesen Vergleich auf 0,50 $ gegenüber 0,070 $ von Tencent bringt — eine Lücke von 7x statt 30 %.

Das ist eine Designentscheidung, kein Trick, und sie hat eine vertretbare Logik: Lange Eingaben verursachen höhere Prefill-Kosten, deshalb berechnet der Anbieter mehr dafür. Aber es bedeutet, dass die beworbene Zahl genau für die Arbeitslast die falsche Zahl ist, für die beide Modelle eigenen Angaben zufolge gut geeignet sind. Dokumentenverarbeitung mit 1M Kontext ist per Definition eine Arbeitslast mit >100.000 Tokens. Wenn Ihr Anwendungsfall die Arbeit mit langen Dokumenten ist, bepreisen Sie beide Modelle anhand der Zeilen, die für Ihre Prompt-Länge gelten, nicht anhand der Angabe oben auf der Preiskarte.

Latenz: Die von Tencent gemessene Metrik ist nicht die, die Anthropic veröffentlicht.

Tencent meldet eine mediane End-to-End-Abschlusszeit von 6,7 Minuten für Hy4 flash bei einer WorkBuddy-Aufgabe. Artificial Analysis meldet Claude Haiku 5.5 mit 14,7 Minuten pro Intelligence-Index-Aufgabe bei Max effort, bei 192 Sekunden bis zum ersten Antwort-Token — und das Board kennzeichnet das Modell als „auffallend langsam pro Aufgabe und sehr ausführlich“, bei 298 Mio. Ausgabe-Tokens für den Indexlauf.

Diese beiden Zahlen sind nicht vergleichbar und sollten nicht voneinander subtrahiert werden. Unterschiedliche Aufgaben, unterschiedliche Harnesses, unterschiedliche Definitionen von „fertig“. Was sie jedoch belegen, ist, dass die Effort-Einstellung von Claude Haiku 5.5 ein Latenzregler mit einer sehr großen Bandbreite ist und dass dessen oberes Ende in Wanduhrzeit teuer ist:

• Max — Index 36, 14,7 Minuten pro Aufgabe, 192 Sekunden bis zum ersten Token, 298 Mio. Ausgabe-Token.

• Xhigh — Index 35, 9,6 Minuten, 44 Sekunden bis zum ersten Token, 151 Mio. Token.

• Hoch — Index 30, 6,4 Minuten, 21 Sekunden bis zum ersten Token, 89,8 Mio. Tokens.

• Mittel — Index 25, 3,9 Minuten, 10 Sekunden bis zum ersten Token, 52,7 Mio. Token.

• Niedrig — Index 19, 2,2 Minuten, 5,8 Sekunden bis zum ersten Token, 29,9 Mio. Tokens.

A generated reference card headed 'The effort ladder Artificial Analysis measured', with five horizontal bars for Claude Haiku 5.5 at Max, Xhigh, High, Medium and Low effort, each carrying its Intelligence Index score, minutes per task and seconds to first token, and a vertical marker at the High row labelled 'the setting most products would ship'.

Alle fünf Zeilen sind Messungen von Artificial Analysis auf v5.0.1. Der Zweck, sie abzudrucken, besteht darin, dass „Claude Haiku 5.5 erzielt 36“ eine Aussage über die teuerste Konfiguration ist, die Anthropic anbietet. In ihrer hohen Einstellung erzielt sie 30 und ist in weniger als der Hälfte der Zeit fertig. Wer ein latenzsensitives Produkt mit dem Max-Wert vergleicht, vergleicht mit einer Einstellung, die er nicht ausliefern wird.

Hy4 flash hat denselben Regler, in gröberer Form: reasoning_effort auf high, was der Standard ist, oder no_think. Zwei Positionen gegen fünf. Wenn Ihre Arbeitslast eine mittlere Einstellung braucht – Denken an, aber nicht maximal –, gibt Claude Haiku 5.5 Ihnen den Regler, und Hy4 flash größtenteils nicht.

Screenshot of the Artificial Analysis model page for Claude Haiku 5.5, showing the five effort rows from Max down to Low with their Intelligence Index scores, time per task and output token counts.

Drei Dinge, die darüber entscheiden und auf keinem der beiden Datenblätter stehen.

Die API-Oberfläche. Das Anfrageformat von Claude Haiku 5.5 ist strenger als das seines Vorgängers – und zwar auf eine Weise, die Code bricht. Die Dokumentation von Anthropic lehnt temperature, top_p und top_k bei jedem vom Standard abweichenden Wert ab, verwirft Assistant-Prefill, entfernt manuelles budget_tokens und erfordert eine bestimmte Version des Computer-Use-Toolsets. Hy4 flash akzeptiert den vollständigen Sampling-Satz, empfiehlt Temperatur 0,9 mit top_p 1.0 und liefert hy_v4 Tool-Call- und Reasoning-Parser für vLLM. Wenn Sie eine Prompt-Bibliothek haben, die mit Temperatur-Sweeps abgestimmt wurde, wird eines dieser Modelle sie unverändert ausführen und das andere wird 400 zurückgeben.

Die Bereitstellungsform. Claude Haiku 5.5 ist eine API und sonst nichts. Hy4 flash ist eine API, ein Hugging-Face-Repository, ein FP8-Build, ein Basis-Checkpoint, eine GGUF-Quantisierung und eine Fine-Tuning-Anleitung. Das ist nicht automatisch ein Vorteil – ein Modell, das man selbst hostet, ist ein Modell, das man betreiben, patchen und kapazitätsplanen muss –, aber es ist der Unterschied zwischen einer Anbieterbeziehung und einem Asset, und für ein Team mit Anforderungen an den Datenstandort oder Fine-Tuning-Bedarf entscheidet das den Vergleich, noch bevor irgendein Benchmark herangezogen wird.

Die Messlücke. Claude Haiku 5.5 ist seit Oktober bei Artificial Analysis und wurde von jedem Vergleichsblog im Internet auseinandergenommen, diesen hier eingeschlossen. Bei Hy4 flash steht an der Stelle, an der seine Punktzahl stehen sollte, eine 404. Nicht, weil das Modell schlecht ist, sondern weil es zwei Tage alt ist und niemand Unabhängiges es getestet hat. Die oben stehende Zufriedenheitsbewertung ist eine Messung einer echten Population – und sie ist zugleich die einzige Messung dieses Modells durch jemanden außer seinem Hersteller.

Ehrlich gesagt, einen von beiden anzurufen

Weder Hy4 flash noch Claude Haiku 5.5 stehen zum Zeitpunkt dieses Textes im OrcaRouter-Katalog, daher gibt es keine Version dieses Abschnitts, in der wir Ihnen sagen, sie hier aufzurufen. Was es gibt, ist die Generation auf beiden Seiten: tencent/hy4-preview, das 770B/49B-Modell, aus dem Hy4 flash destilliert wurde, zu 0,834 $ für Eingabe und 2,501 $ für Ausgabe pro Million bei einer Cache-Read-Rate von 0,042 $; und anthropic/claude-haiku-4.5 zu 1,00 $ für Eingabe und 5,00 $ für Ausgabe pro Million bei einem Cache-Read von 0,10 $ — die vorherige Generation, nicht die 5.5 in diesem Vergleich.

Diese Kombination ist nützlicher, als sie klingt. Wenn Sie entscheiden, ob es sich lohnt, eine Pipeline wegen des Kostenprofils von Hy4 flash umzustrukturieren, liefert das Vorschau-Modell das Verhalten der Familie zu einem Preis, bei dem das Experiment günstig ist – mit demselben Schlüssel und demselben Endpunkt wie alles andere im Katalog, wobei der Listenpreis des Anbieters mit 0 % Aufschlag weitergegeben wird, sodass eine Preisänderung von Tencent Sie am Tag ihres Eintretens erreicht. Die Routing-DSL ist der Teil, der zählt, sobald Sie zwei Kandidaten haben: Leiten Sie die Langdokument-Stufe an das Modell, das in Ihrer eigenen Evaluierung gewinnt, und behalten Sie das andere als Fallback, statt einen Anbieter für alles zu wählen, weil ein Wechsel einen Vertrag kostet.

Und wenn Hy4 flash in einem Katalog auftaucht – in irgendeinem Katalog, auch in unserem –, dann ist nicht der Zufriedenheitswert das, was getestet werden muss. Es ist die Anzahl der Output-Tokens bei Ihren eigenen Aufgaben. In Tencents Post-Training wird eine Reduktion der durchschnittlichen End-to-End-Output-Tokens um 50 % behauptet, und wenn das für Ihre Workload gilt, ist das mehr wert als ein Rabatt von 30 % pro Token, denn Output-Tokens sind die teure Hälfte jeder Rechnung bei beiden Modellen.

Screenshot of the anthropic/claude-haiku-4.5 model page, showing the per-million-token input, output and cache-read prices the previous generation is listed at.

Was würde es klären

Ein unabhängiger Durchlauf auf einer gemeinsamen Testumgebung. Schick Hy4 flash und Claude Haiku 5.5 durch denselben Intelligence Index mit neun Evaluierungen und schau dir zwei Zeilen an: die Punktzahl und die Kosten pro abgeschlossener Aufgabe. Tencent hat dir bereits gesagt, was diese Zeilen seiner Erwartung nach aussagen sollen – dass Hy4 flash bei der Leistungsfähigkeit nahe an Claude Haiku 5.5 heranreicht und bei den Kosten weit darunter liegt. Solange niemand außerhalb von Tencent dieses Paar veröffentlicht, ist diese Erwartung eine Hypothese, hinter der das Marketingbudget eines Unternehmens steht, kein Ergebnis.

Was Sie heute umsetzen können, ist enger gefasst und nützlicher. Wenn Ihre Arbeitslast aus langen Dokumenten besteht, bepreisen Sie die >100,000-token-Zeile noch vor allem anderen, denn dort weichen die beiden Karten am stärksten voneinander ab. Wenn es latenzempfindlich ist, vergleichen Sie Claude Haiku 5.5 bei hohem Aufwand statt Max. Wenn Fine-Tuning oder On-Premises-Inferenz nötig ist, ist die Entscheidung bereits gefallen, und kein Benchmark wird sie ändern. Die Zufriedenheitslücke von 0,02 Punkten ist kein Grund, in die eine oder andere Richtung zu wechseln, und dass Tencent sie veröffentlicht, ist das Glaubwürdigste an der Veröffentlichung.