Eine generierte Hero-Karte mit dem Titel „Hy4 flash vs Qwen3.8-Flash“, mit einer linken Kachel, die Tencent, 16. November 2026, $0.070 Eingabe und $0.281 Ausgabe pro Million, 220B gesamt, davon 11.3B aktiv, einen 1,048,576-Token-Kontext, Text und Bild als Eingabe mit Text als Ausgabe sowie noch keinen unabhängigen Score angibt; und einer rechten Kachel, die Alibaba, seit 26. August 2026 auf QwenCloud, $0.15 Eingabe und $0.47 Ausgabe pro Million, 125B MoE, davon rund 6B aktiv, einen 1M-Kontext und maximal 131K Ausgabe, Text, Bild und Video als Eingabe mit Text als Ausgabe sowie einen Intelligence Index von 28.6 für den Open-Weights-Build angibt. In einer Fußzeile steht, dass die Hy4-flash-Preise Tencent-Listenpreise sind, die Qwen3.8-Flash-Preise QwenCloud-Listenpreise sind und die Indexzahl Artificial Analysis v5.0.1 für Qwen3.8-Flash-Next ist.
Guides & Insights

Hy4 flash vs. Qwen3.8-Flash: Doppelt so viele aktive Parameter, halber Preis pro Token

Autor

jinhao.song

Veröffentlicht am

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

Das günstigere Modell ist hier das größere. Hy4 flash aktiviert bei jedem Token 11,3 Milliarden Textparameter und ist mit 0,070 US-Dollar pro Million Eingabetokens gelistet. Qwen3.8-Flash aktiviert etwa 6 Milliarden und ist mit 0,15 US-Dollar gelistet. Fast doppelt so viel aktive Rechenleistung pro Token, weniger als die Hälfte des Eingabepreises – und keiner dieser beiden Werte ist derjenige, der entscheidet, welches Modell du tatsächlich aufrufen solltest.

Hy4 flash ist zwei Tage alt. Tencent hat es am 16. November 2026 in die eigene API gestellt, die Gewichte am nächsten Tag veröffentlicht und drei Repositories dafür ausgeliefert: den Instruct-Checkpoint, einen FP8-Build und ein Basismodell. Es handelt sich um ein Mixture-of-Experts-Modell mit 220 Milliarden Parametern, von denen 12 Milliarden aktiv sind, einem Kontext von 1.048.576 Token, Bildeingabe und Textausgabe, unter der Tencent-Hy-Lizenz. Qwen3.8-Flash ist seit dem 26. August 2026 auf QwenCloud, als Alibaba es zusammen mit den Qwen3.8-Flash-Next-Gewichten öffnete: ein Expertenkörper mit 125 Milliarden Parametern, von denen etwa 6 Milliarden aktiv sind, plus eine N-Gramm-Embedding-Tabelle mit 51 Milliarden Parametern, nimmt Text, Bild und Video entgegen und gibt Text zurück, bei 1M Kontext und maximal 131K Ausgabe.

Die Form dieses Vergleichs ist also ungewöhnlich. Das eine Modell ist die am besten dokumentierte günstige Tarifstufe auf dem Markt, das andere die am wenigsten dokumentierte. Das eine hat eine unabhängige Benchmark-Zeile, das andere einen 404. Und die beiden Preisübersichten lauten auf unterschiedliche Währungen, richten sich an unterschiedliche Märkte und sind durch unterschiedlich viel Kleingedrucktes abgesichert. Interessant ist nicht der Faktor 2,1x in der Eingabezeile – interessant ist, was mit dieser Lücke passiert, sobald man aufhört, Tokens zu bepreisen, und anfängt, fertige Arbeit zu bepreisen.

Die Inversion auf der Preisliste, noch vor allem anderen.

Tencents Festland-Preisliste für Hy4 flash nennt ¥0,5 pro Million Input-Token, ¥2 pro Million Output-Token und ¥0,02 pro Million gecachter Input-Token. Tencent gibt dieselben drei Positionen in Dollar mit $0,070, $0,281 und $0,003 an. QwenClouds Preisliste für Qwen3.8-Flash nennt $0,15 für Input, $0,47 für Output, $0,016 für einen Cache-Lesevorgang und $0,20 pro Million für das explizite Erstellen eines Fünf-Minuten-Caches.

• Eingabe — 0,070 $ gegenüber 0,15 $. Hy4 flash ist 2,1-mal günstiger.

• Ausgabe — 0,281 $ gegenüber 0,47 $. Hy4 flash ist 1,7-mal günstiger.

• Zwischengespeicherte Eingabe — 0,003 $ gegenüber 0,016 $. Hy4 flash ist 5,3-mal günstiger bei dem Posten, der bei jedem Agenten dominiert, der einen festen Prompt erneut sendet.

• Gemischt im Verhältnis 3:1 von Eingabe zu Ausgabe — etwa 0,123 $ pro Million gegenüber 0,230 $.

• Gemischt im Verhältnis 1:3, output-dominiert – etwa 0,228 $ gegenüber 0,390 $.

Das ist eine echte Lücke – und eine kleinere, als das Verhältnis in der Überschrift vermuten lässt, denn in der Output-Spalte geben beide Modelle tatsächlich Geld für agentische Arbeit aus, und die Output-Lücke beträgt nur 1,7x. Sie ist außerdem kleiner als die Lücke, die jedes dieser Modelle gegenüber einem westlichen Flaggschiff zeigt, also dem Unternehmen, das jedes von ihnen in dieser Stufe hält.

Der ehrliche Vorbehalt bei allen fünf Zeilen: Diese Preise sind nicht von derselben Art. Der von Tencent ist ein Listenpreis in RMB für das chinesische Festland, den Tencent für englischsprachige Leser umgerechnet hat, und Tencent hat für dieses Modell bereits in seiner ersten Woche Rabattaktionen durchgeführt. Der von QwenCloud ist ein Listenpreis in USD auf einem globalen Endpunkt. Ein Team, das von außerhalb des chinesischen Festlands in US-Dollar einkauft, sollte die Hy4-flash-Zahlen als Untergrenze des Verfügbaren betrachten und nicht als den Betrag, der ihm in Rechnung gestellt wird, und sollte die Karte erneut lesen, bevor es irgendetwas darauf stützt.

Fahren Sie das Volumen trotzdem, denn die Form hält. Zehn Millionen Eingabe-Tokens und zwei Millionen Ausgabe-Tokens pro Tag kosten 1,26 $ auf Hy4 flash und 2,44 $ auf Qwen3.8-Flash – 461 $ gegenüber 891 $ über ein Jahr, ein Unterschied von etwa 430 $ bei einer Workload-Größe, die ein kleines Team tatsächlich erzeugen kann. Verschieben Sie die Mischung in Richtung Cache, wie es jeder Multi-Turn-Agent tut, und die Lücke wird größer: zwei Millionen frische Eingabe-Tokens, acht Millionen Cache-Lesevorgänge und zwei Millionen Ausgabe-Tokens ergeben 0,73 $ pro Tag gegenüber 1,37 $, weil das Cache-Lese-Verhältnis 5,3x statt 2,1x beträgt.

A generated two-column scoreboard for Hy4 flash and Qwen3.8-Flash across six shared dimensions: input price $0.070 against $0.15, output price $0.281 against $0.47, cached input $0.003 against $0.016, active parameters 11.3B of 220B against roughly 6B of 125B, video input no against yes, and independent score none against 28.6. A footer notes the prices are Tencent and QwenCloud list rates and the 28.6 is Artificial Analysis Intelligence Index v5.0.1 for Qwen3.8-Flash-Next.

Beide Anbieter verwendeten fast ein Drittel der Parameter für dieselbe Idee.

Dies ist der Teil des Vergleichs, den keiner der beiden Anbieter in seinem Launch-Post neben den des anderen stellt, und er ist der Grund, warum die beiden Modelle preislich nur um den Faktor zwei statt um den Faktor zehn auseinanderliegen.

Hy4 flash enthält 63,5 Milliarden Engram-Parameter – gelernte Bigramm- und Trigramm-Repräsentationen, die über Multi-Head-Hash-Lookups abgerufen und in den Backbone in den Schichten 1, 11, 21 und 31 eingebunden werden. Das sind 28,9 % der 220 Milliarden Parameter des Modells, die in einer Lookup-Tabelle statt in Experten liegen. Qwen3.8-Flash enthält eine n-Gramm-Embedding-Tabelle mit 51 Milliarden Parametern, die auf das aktuelle Token plus mehrere vorangehende Token abgestimmt ist, von insgesamt rund 180 Milliarden Parametern auf der Festplatte – 28,3 %.

Zwei Labore, zwei Generationen, dieselbe Schlussfolgerung: Der billigste Weg, einem Sparse-Modell zusätzliche Fähigkeiten zu verleihen, besteht darin, aufzuhören, dafür Rechenleistung pro Token zu bezahlen. Beide Tabellen können im Hostspeicher liegen und asynchron vorgeladen werden, sodass keine von beiden dauerhaft GPU-Speicher belegt. Keine von beiden fügt dem Forward-Pass eine Matrixmultiplikation hinzu. Beide sind effektiv eine Wette darauf, dass ein großer Teil dessen, was ein Sprachmodell wissen muss, aus den letzten wenigen Tokens lokal vorhersagbar ist, und dass der Sparse-Expertenkörper für das reserviert bleiben sollte, was es nicht ist.

Die Attention-Stacks reimen sich ebenfalls. Hy4 flash verschachtelt IndexPool-Sparse-Attention mit 512-Token-Sliding-Windows im Verhältnis 1:3 über 42 Schichten hinweg, und Tencent meldet, dass der resultierende KV-Cache 1/24 desjenigen von Hy3 und 1/6 desjenigen von Hy4 beträgt. Qwen3.8-Flash verwendet Gated DeltaNet mit Qwen Sparse Attention, komprimiert die Historie in drei von vier Schichten in Zustände fester Größe und leitet den Rest über einen Indexer auf Blockebene. Beide sind Antworten auf dieselbe Frage – wie bedient man ein Fenster mit einer Million Token, ohne für einen KV-Cache mit einer Million Token zu bezahlen – und beide Antworten landen bei irgendeiner Spielart von „nicht auf alles zu achten“.

Der Unterschied liegt darin, was die zusätzlichen aktiven Parameter bringen. Hy4 flash betreibt 11,3 Milliarden Textparameter gegenüber 6 Milliarden bei Qwen3.8-Flash, auf 41 MoE-Schichten mit 16 von 512 gerouteten Experten plus einem gemeinsamen Experten, in einem latenten Raum mit 1.536 Dimensionen. Das sind nahezu doppelte Rechenleistung pro Token in einem Modell, das weniger als die Hälfte pro Token berechnet. Was auch immer sonst stimmt: Tencent holt diese Kosten nicht vom Kunden zurück — sondern aus dem Serving-Stack: 4-Bit-Gewichte, Megakernel und DFly2, ein Drafter mit 0,85 Milliarden Parametern, der die sparse KV- und Index-Auswahlen des Zielmodells wiederverwendet, sodass jedes Entwurfs-Token unabhängig von der Kontextlänge auf höchstens etwa 2.000 Schlüssel zugreift. Mit diesen drei zusammen erreicht Tencent beim Decoding über 150 Token pro Sekunde.

Was 29,5 Minuten pro Aufgabe tatsächlich bringen

Preise pro Token sind für beide dieser Modelle die falsche Einheit, und die unabhängigen Daten machen das auf einer Seite des Vergleichs konkret.

Artificial Analysis bewertet Qwen3.8-Flash-Next – das Open-Weights-Artefakt, nicht die gehostete SKU – mit 28,6 auf dem Intelligence Index v5.0.1, bei 0,569 US-Dollar pro Aufgabe, über 29,5 Minuten pro Aufgabe, bei 83,6 Ausgabe-Tokens pro Sekunde, mit 2,5 Sekunden bis zum ersten Token und 68,3 Sekunden bis zum ersten Antwort-Token.

Diese fünf Zahlen multiplizieren sich zu etwas Nützlicherem, als jede für sich allein wäre. Bei 83,6 Tokens pro Sekunde über 1.768 Sekunden erzeugt eine Aufgabe rund 148.000 Ausgabe-Tokens. Bei 0,47 US-Dollar pro Million sind das etwa sieben Cent Ausgabe. Die übrigen fünfzig Cent der 0,569 US-Dollar sind Eingabe, was bei 0,15 US-Dollar pro Million mindestens 3,3 Millionen Eingabe-Tokens über die gesamte Aufgabe impliziert – mehr, wenn ein Teil davon aus dem Cache zum günstigeren Tarif bedient wurde. Eine Eingabe von 3,3 Millionen Tokens gegenüber einem Kontext von 1 Mio. ist kein einzelner Prompt. Es ist eine Schleife: lesen, handeln, erneut lesen, zwanzig oder dreißig Runden tief, wobei der Kontext jedes Mal neu aufgebaut oder fortgeführt wird.

Das ist die Arbeitslast, für die beide Modelle gebaut sind, und deshalb wirken die Designentscheidungen von Hy4 flash so, wie sie wirken. Die Post-Training-Pipeline von Tencent senkte die durchschnittliche End-to-End-Ausgabe durch Reinforcement Learning um 50 %, und ihre interne Blindbewertung meldet eine mediane Aufgabenabschlusszeit von 6,7 Minuten bei 0,26 RMB pro Aufgabe – etwa 0,037 USD zu aktuellen Kursen. Ihre interne WorkIndex-Suite setzt Hy4 flash auf 42,1 gegenüber 39,7 für Hy4 preview, bei durchschnittlichen Kosten pro Aufgabe, die Tencent als ein Dreizehntel von Hy4 preview, ein Zwanzigstel von Hy4 und ein Achtel von DeepSeek-V4.1-Flash-1017 zu Spitzenstundenpreisen angibt.

Teilen Sie diese Zahlen nicht durch die von Artificial Analysis. Ein Median von 6,7 Minuten bei 259 WorkBuddy-Aufgaben über 85 interne Nutzer hinweg ist kein Median von 29,5 Minuten im Intelligence Index, und eine RMB-Zahl pro Aufgabe aus dem eigenen Harness eines Anbieters ist keine Dollar-Zahl pro Aufgabe aus einem unabhängigen. Der Vergleich, den sie stützen, ist richtungsweisend, und es lohnt sich, ihn klar auszusprechen: Die gemessenen Kosten pro Aufgabe von Qwen3.8-Flash werden davon dominiert, wie viele Tokens es verbraucht und wie lange es braucht, nicht davon, was es pro Token berechnet. Ein Modell, das halb so viel schreibt und in einem Fünftel der Zeit fertig ist, kann pro Ausgabe-Token 1,7-mal günstiger und pro erledigter Aufgabe um eine Größenordnung günstiger sein. Ob Hy4 flash tatsächlich dieses Modell ist, ist genau das, was noch niemand gemessen hat.

Die Anzeigetafel hat eine einzige Zeile, und sie ist nicht für das Modell, das du anrufen würdest.

Zwei Offenlegungen, die beide daran ändern, wie viel Gewicht die oben genannten Zahlen tragen können.

Erstens: Hy4 flash hat keine Seite bei Artificial Analysis. Kein niedriger Wert, kein Eintrag ohne Ranking – https://artificialanalysis.ai/models/hy4-flash lieferte am 18. November 2026 einen 404-Fehler, drei Tage nach der Öffnung der API und einen Tag nach der Veröffentlichung der Gewichte. Es gibt überhaupt keine unabhängige Messung dieses Modells. Die von Tencent veröffentlichte Benchmark-Tabelle deckt die vorab trainierten Basis-Checkpoints ab – Hy4 flash Base gegen Hy4 Base und DeepSeeks Basismodelle –, was etwas über das Vortraining aussagt und nichts über das Instruction-Modell oder den Reasoning-Modus, den man tatsächlich aufrufen würde. Der einzige Beleg für das Instruction-Modell stammt von Tencent selbst: WorkIndex, der Blindtest und ein Kostenverhältnis pro Aufgabe.

Zweitens: Die 28,6 und die 0,569 $ gehören zu Qwen3.8-Flash-Next, dem herunterladbaren Checkpoint. Das gehostete Qwen3.8-Flash auf QwenCloud ist ein separat abgestimmter Serving-Build; Alibaba verkauft es als das produktionsreife Mitglied der Reihe, und die beiden sind nicht austauschbar. Artificial Analysis führt Qwen3.8-Flash-Next außerdem mit einem 256.000-Token-Kontext – dem nativen Fenster des Checkpoints vor der YaRN-Erweiterung –, während QwenCloud das gehostete Modell mit 1M und einer maximalen Eingabe von 991K bereitstellt. Wenn Sie das gehostete Modell bepreisen, stützen Sie sich für alles außer dem Intelligenz-Score, der vom Checkpoint stammt, auf die Modellkarte von QwenCloud und Alibabas eigene Evaluierungen.

Die Asymmetrie ist so deutlich, dass sie sich leicht benennen, aber schwer auflösen lässt: Das eine Modell hat eine unabhängige Bewertung, die zu einem anderen Artefakt gehört, und das andere hat überhaupt keine unabhängige Bewertung. Jeder Artikel, der Ihnen hier einen Sieger bei der Leistungsfähigkeit präsentiert, erfindet einen. Was sich sagen lässt, ist enger gefasst und dennoch nützlich. Qwen3.8-Flash liegt mit 28,6 unter Tencent Hy4, dem 770-Milliarden-Parameter-Flaggschiff aus derselben Familie, mit 34,6, und unter Claude Haiku 5.5 mit 36,5 auf derselben Indexversion – eine solide Mittelklasse-Wertung, die ein kleines Flash-Modell liefern sollte. Hy4 Flash erreicht in Tencent-eigenen internen Suite eine Bewertung über Hy4 Preview und deutlich unter Hy4, was dieselbe relative Position mit einem anderen Messinstrument ist.

Video ist die einzige Zeile, die sich selbst entscheidet.

Alles oben ist diskutabel. Das hier nicht.

• Hy4-Flash-Eingabe — Text und Bilder, über einen von SigLIP2-So400m abgeleiteten Encoder mittels eines MLP-Projektors. Die Ausgabe ist Text.

• Qwen3.8-Flash-Eingabe — Text, Bild und Video. Ausgabe ist Text.

Wenn Ihre Pipeline eine Bildschirmaufzeichnung, einen Anrufmitschnitt oder eine Videodatei aufnimmt, kann Hy4 flash sie nicht akzeptieren, Qwen3.8-Flash hingegen schon. Die offenen Gewichte helfen nicht, ein Adapter hilft nicht, und kein Preisvorteil gleicht das aus. Beide bieten eine Million Token Kontext, beide verarbeiten Dokumente und Screenshots, und auf dieser gemeinsamen Grundlage bleibt der Vergleich offen; bei Video ist er entschieden.

Die von Tencent selbst empfohlenen Workloads für Hy4 flash passen zu dieser Grenze – Deep Search, Dokumentverarbeitung, Folienerstellung, einfache Frontend-Demos, Computer Use – und die eigene Empfehlung verweist langfristig angelegte Softwareentwicklung stattdessen an Hy4. Das ist ein Anbieter, der eine Obergrenze einräumt, was aussagekräftiger ist als die meiste Launch-Copy und es wert ist, für bare Münze genommen zu werden.

Beide sind herunterladbar, und die Downloads sind nicht gleichwertig

A screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the Image-Text-to-Text pipeline tag, the Tencent Hy License, a 220B parameter model size in BF16 with F32 tensor type, mixture-of-experts, multimodal, instruct and conversational tags, 96 likes, and a table of contents covering model introduction, capability, cost efficiency, blind evaluation, benchmark results, the DFly2 speculative draft model and quantisation.

Hy4 flash wurde am 17. November als Open-Weights veröffentlicht: tencent/Hy4-flash, tencent/Hy4-flash-FP8 und tencent/Hy4-flash-base. Eine Dateiauflistung vom 18. November beziffert den BF16-Checkpoint auf 440,5 GB verteilt auf 148 Shards und den FP8-Build auf 287,1 GB. Qwen3.8-Flash-Next ist seit dem 24. August öffentlich und umfasst 360,0 GB verteilt auf 131 Shards.

• Serving-Rezept — Tencent veröffentlicht gepinnte Images, vllm/vllm-openai:hy4-flash und lmsysorg/sglang:hy4-flash, mit ausgeschriebenen Flags für Tensor-Parallel-8 und Speculative Decoding. Qwen3.8-Flash-Next wird seit seiner Veröffentlichungswoche von SGLang, vLLM und Transformers unterstützt.

• Transformers — Hy4 flash erfordert eine Installation aus einem Pull-Request-Ref, refs/pull/50903/head, da die Unterstützung noch nicht in main enthalten ist. Qwen3.8-Flash-Next lädt von main.

• Quantisierung — Tencent liefert einen offiziellen FP8-Build und ein AngelSlim-GGUF; das Qwen-Ökosystem hatte vier Monate Zeit, eigene Community-Quantisierungen zu erstellen.

• Ökosystem-Signal — Qwen3.8-Flash-Next verzeichnete im letzten Monat 2.983.542 Downloads und 7.276 Likes am 18. November. Hy4 flash, am Tag zuvor veröffentlicht, zeigte 96 Likes und null Downloads.

• Hardware — 440 GB an BF16-Gewichten passen nicht auf acht 80-GB-Karten, daher ist der FP8-Build mit 287 GB auf acht H100s die realistische Single-Node-Bereitstellung, und das ist genau die TP=8-Konfiguration, die Tencent in der eigenen Anleitung angibt.

Gepinnte Images und eine Installation per PR-Ref sind kein Ausschlusskriterium; sie bedeuten, dass du die von Tencent getesteten Builds ausführst statt veröffentlichter Builds, was ein Unterschied darin ist, wer den nächsten Bug verantwortet. Qwens Vorteil hier verdankt sich ausschließlich einem Zeitvorsprung von vier Monaten und wird schwinden. Heute ist er real, und er ist die zweitgrößte Lücke in diesem Vergleich, nach der fehlenden Benchmark-Zeile.

Beide Lizenzen enthalten eine Model-as-a-Service-Klausel, und diese Klauseln unterscheiden sich.

Beide Modelle sind kostenlos herunterladbar, und keines ist bedingungslos zum Weiterverkauf freigegeben, aber die Auslöser sind nicht gleich geartet, und dieser Unterschied ist wichtig, wenn Sie Modelle für andere hosten.

• Tencent Hy License v1.0 — eine Ableitung von Apache 2.0. Abschnitt 10.2 verlangt eine gesonderte schriftliche Lizenz, wenn Sie ein Model-as-a-Service-Geschäft betreiben und Ihr weltweiter Bruttoumsatz in einem beliebigen Zwölfmonatszeitraum 50 Millionen US-Dollar übersteigt oder Ihr Produkt 100 Millionen monatlich aktive Nutzer überschreitet. Abschnitt 10.3 nimmt interne Nutzung aus.

• Qwen Community License 1.0 — erfordert eine separate Lizenz für jedes Model-as-a-Service- oder AI-Work-Assistant-Geschäft unabhängig von der Größe, wobei die interne Nutzung ausgenommen ist. Separat wird verlangt, dass der Modellname prominent angezeigt wird, wenn Sie 100 Millionen monatlich aktive Nutzer oder 20 Millionen US-Dollar monatlichen Umsatz überschreiten.

• Die Qwen-Ausnahmeregelung sollte man zweimal lesen — die Lizenz schließt „die bloße Weiterleitung von Anfragen an Modelle, die von anderen Drittanbietern gehostet werden“, ausdrücklich aus ihrer Definition von Model as a Service aus. Die Lizenz von Tencent enthält keinen entsprechenden Satz.

Keine der beiden enthält eine territoriale Beschränkung, was man von mehreren chinesischen Open-Weight-Lizenzen nicht behaupten kann. Wenn Sie ein internes Tool entwickeln, sind beide in jedem Umfang kostenlos. Wenn Sie ein Produkt entwickeln, das Inferenz weiterverkauft, ist die Schwelle von Tencent einfacher und die Relay-Ausnahmeregelung von Qwen großzügiger für eine bestimmte Art von Intermediär, und welche Sie bindet, hängt davon ab, in welchem dieser beiden Geschäfte Sie tätig sind.

Was ist heute mit einer einzigen Taste abrufbar?

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, showing the Qwen3.8 Flash heading, a 1M-token context and 131K maximum output, text, image and video input with text output, vision, tools, JSON and reasoning capability tags attributed to Qwen with a 26 August 2026 date, zero data retention availability, a 10.00-second p50 time to first token, and the start of the model description as a multimodal reasoning model from Alibaba.

Qwen3.8-Flash ist im Katalog von OrcaRouter als qwen/qwen3.8-flashgelistet, zu 0,15 $ pro Million Input-Tokens und 0,47 $ pro Million Output-Tokens bei 0,0184 $ für Cache-Reads — die von QwenCloud veröffentlichten Prompt- und Completion-Preise werden zu 0 % Aufschlag weitergegeben, sodass eine Preissenkung des Anbieters für dieses Modell Sie am Tag ihres Inkrafttretens erreicht und nicht erst beim nächsten Katalogabgleich.

Hy4 flash ist noch nicht im Katalog. Was es für diese Familie gibt, ist tencent/hy4-preview zu $0,834 und $2,501 pro Million mit einem Cache-Read von $0,042 — das Modell, aus dem Hy4 flash destilliert wurde, und die richtige Baseline für Tests gegen Tencent's eigene API, während Sie darauf warten, dass die Flash-Route verfügbar wird. Etwas anderes zu behaupten, hieße, eine Route zu beanspruchen, die wir nicht haben.

Diese Asymmetrie bietet dir eine günstige Möglichkeit, den Streit selbst zu klären. Führe deine zwanzig repräsentativsten Aufgaben mit qwen/qwen3.8-flash über den Schlüssel aus, den du bereits hast, und mit Hy4 flash über den von Tencent aus. Erfasse Eingabe-Tokens, Ausgabe-Tokens, Cache-Treffer, die Wall-Clock-Zeit und ob die Ausgabe brauchbar war. Das Pro-Aufgabe-Verhältnis, das du erhältst, ist die einzige Variante von Tencents Behauptung, es sei ein Dreizehntel, die auf deinen Traffic zutrifft, und es kostet einen Nachmittag statt einer Migration.

Wenn die Flash-Route tatsächlich kommt, ist das nützliche Muster eine Routing-Regel statt eines Schalters: Setzen Sie die Video-Ingestion-Ebene auf die Qwen-Route, weil sie die einzige der beiden ist, die Video akzeptiert, und die Text-und-Dokument-Ebene auf das Modell, das Ihre eigenen Zahlen bevorzugen. Die Routing-DSL drückt diese Aufteilung in einem einzigen Endpunkt aus, automatisches Failover sorgt dafür, dass eine unerprobte, zwei Tage alte Route, die schlechter wird, die Pipeline nicht mitreißt, und derselbe Schlüssel erreicht mehr als 200 Modelle ohne einen zweiten Vertrag.

Die Entscheidung, als drei Fälle formuliert

Wenn Sie Videoeingabe benötigen, endet der Vergleich hier. Qwen3.8-Flash unterstützt sie, Hy4 flash nicht, und kein Preisargument wiegt eine fehlende Modalität auf.

Wenn Sie ein Modell mit einer unabhängigen Bewertung benötigen, bevor es in einen kundenseitigen Pfad gelangt, haben Sie aus demselben Grund bereits Ihre Antwort. 28.6 auf dem Intelligence Index v5.0.1 ist eine bescheidene Zahl – niedriger als die 34.6 von Tencents eigenem Flaggschiff und niedriger als Claude Haiku 5.5 mit 36.5 –, aber sie ist gemessen, öffentlich und reproduzierbar, und Hy4 flash hat nichts dergleichen. Das wird sich wahrscheinlich ändern; es ist das Wertvollste, was jemand über dieses Modell veröffentlichen könnte.

Wenn Ihre Workload aus sehr vielen Texten und Dokumenten besteht, latenzempfindlich ist und Sie Ihre eigene Evaluierung durchführen können, ist Hy4 flash den Nachmittag wert. Nahezu doppelt so viele aktive Parameter zu weniger als der Hälfte des Eingabepreises sind kein üblicher Deal, die Zeile für zwischengespeicherte Eingaben bei $0.003 macht das erneute Prompten lang laufender Agents nahezu kostenlos, und die Gewichte bedeuten, dass der Preis eine Option und nicht die einzige ist. Gehen Sie davon aus, dass Sie die erste Person sind, die es misst, dass seine veröffentlichte Benchmark-Tabelle einen anderen Checkpoint beschreibt als den, den Sie aufrufen werden, und dass 440 GB BF16-Gewichte ohne den FP8-Build nicht auf einen einzelnen Node passen.

Die Zahl, auf die zu achten ist, ist nicht ein weiterer Launch-Post. Es ist eine Zeile bei Artificial Analysis zu Hy4 flash, denn das verwandelt das interne Verhältnis eines Anbieters in eine Zahl, die man direkt den 0,569 US-Dollar pro Aufgabe von Qwen3.8-Flash-Next über 29,5 Minuten gegenüberstellen kann. Wenn Hy4 flash bei den Kosten pro Aufgabe deutlich darunter liegt und dabei innerhalb weniger Indexpunkte bleibt, ist die Preislücke die ganze Geschichte, und diese Stufe richtet sich darum neu aus. Wenn es billig ist, weil es pro Aufgabe weniger Arbeit leistet, dann ist es ein Dokument- und Folienmodell mit einer ungewöhnlich guten Preisliste, und Tencents eigener Bereitstellungsleitfaden sagt das bereits.

In diesem Artikel verglichen3

Aus diesem Artikel erkannt