Una tarjeta de título generada que dice «Hy4 flash tiene pesos abiertos», con tres tarjetas de repositorio etiquetadas «Hy4 flash», «Hy4 flash-FP8» y «Hy4 flash-Base», una franja de especificaciones que dice «220B en total / 12B activos / 1M de contexto / imagen de entrada, texto de salida», y un pie de página que dice «Pesos publicados el 17 de noviembre de 2026 bajo la Tencent Hy License v1.0».
Guides & Insights

Hy4 flash ya es Open Weight: lee la sección 10 antes de descargarlo

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

La Licencia Tencent Hy, Versión 1.0, es una derivada de Apache 2.0 con una sección adicional, y esa sección es la razón para leer esta versión con atención en lugar de limitarse a descargar el checkpoint. La Sección 10.2 establece que, si opera un negocio de modelo como servicio y sus ingresos brutos mundiales superan los US$50 millones en cualquier período de doce meses —o su producto supera los 100 millones de usuarios activos mensuales—, necesita una licencia por escrito separada de Tencent antes de usar los pesos, o de seguir usándolos. La Sección 10.3 exime el uso interno. La Sección 2 de la concesión de Apache es donde residen los derechos libres de regalías, y la Sección 10.2 comienza con las palabras «Notwithstanding Sections 2 and 3». Por lo tanto, la descarga es gratuita y el despliegue no lo es de forma incondicional, y la línea entre ambos se traza según si personas ajenas pueden acceder al modelo a través de su infraestructura.

Ese es el marco de lo que Tencent publicó el 17 de noviembre de 2026 a las 03:44 UTC, cuando tres repositorios aparecieron en Hugging Face con noventa segundos de diferencia entre sí: Hy4 flash, el modelo de chat ajustado por instrucciones; Hy4 flash-FP8, el mismo modelo en FP8; y Hy4 flash-Base, el checkpoint preentrenado sin ningún postentrenamiento. El modelo de instrucciones tiene 220 mil millones de parámetros totales, de los cuales 64 mil millones están en tablas Engram, 12 mil millones activos por token, es multimodal de forma nativa en la entrada y está configurado para un contexto de 1.048.576 tokens. Es el mismo modelo que Tencent puso en su API dos días antes, el 16 de noviembre, con la diferencia de que ahora puedes ejecutarlo en hardware que tú mismo posees.

¿Qué hay realmente en los tres repositorios?

La división es más limpia que en la mayoría de los lanzamientos de pesos abiertos, porque los tres checkpoints son cosas genuinamente distintas y no tres nombres de archivo para un mismo artefacto.

• Hy4 flash — el modelo instruct, la plantilla de chat y los modos de razonamiento incluidos. Admite reasoning_effort en high (el valor predeterminado, pensamiento activado) y no_think (respuestas directas). Tencent recomienda temperatura 0.9 y top_p 1.0.

• Hy4 flash-FP8: los mismos pesos cuantizados para el servicio en producción. Esta es la versión a la que apuntan las recetas oficiales de vLLM y SGLang, y la que Tencent afirma que supera los 150 tokens por segundo en un nodo con paralelismo tensorial de 8.

• Hy4 flash-Base — solo preentrenado. La ficha indica explícitamente que este "es un modelo base preentrenado, no un modelo de chat ajustado a instrucciones", lo cual importa porque cada tabla de benchmark del lanzamiento es una tabla de base contra base. Las cifras del modelo instruct son los datos de WorkIndex y de pruebas ciegas del proveedor, no una suite de evaluación pública.

Dos detalles de los metadatos valen más de lo que parecen. El primero es que los repositorios están marcados como imagen-texto-a-texto a nivel de pipeline, por lo que el codificador de visión se distribuye junto con los pesos en lugar de añadirse después. El segundo es una discrepancia de numeración: el material de lanzamiento de Tencent del 16 de noviembre describía el modelo como 224B, y la propia tabla de la ficha del modelo suma 220,3B: 155,5B de backbone, 63,5B de Engram, 0,43B de ViT y 0,85B de borrador DFly2. Ninguna de las dos cifras es incorrecta en su contexto; la cifra de 224B parece contar el borrador DFly2 y redondear de forma distinta, mientras que la tabla de la ficha excluye Engram, ViT y DFly2 de su propia línea de backbone de 155,5B y luego los vuelve a sumar. Cuando un proveedor publica dos totales para un mismo modelo, la ficha es la que hay que citar.

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.

La arquitectura es un argumento de costes vestido con ropas de arquitectura.

Casi nada de este diseño tiene sentido si se interpreta como una apuesta por capacidades. Si se interpreta como una forma de reducir la caché KV y el paso de decodificación, todo tiene sentido.

• Atención — atención IndexPool dispersa intercalada con atención de ventana deslizante de 512 tokens en una proporción de 1:3, sobre una formulación de atención latente multicabeza (MLA). Las capas dispersas seleccionan hasta 2.048 tokens mediante selección a nivel de grupo; hay 12 capas dispersas y 30 capas SWA en el backbone de 42 capas.

• Enrutamiento — 512 expertos enrutados más un experto compartido por capa MoE, 16 enrutados activados por token, operando en un espacio LatentMoE de dimensión 1,536 en lugar del ancho completo de los expertos.

• Engram — representaciones aprendidas de bigramas y trigramas, recuperadas mediante búsquedas hash multicabezal en las capas 1, 11, 21 y 31 del backbone. Esos son los 63.5B que la tarjeta cuenta por separado del backbone.

• Borrador — DFly2, un modelo de decodificación especulativa de 5 capas y 0,85B que reutiliza la caché KV dispersa del modelo objetivo y la selección del indexador en lugar de mantener la suya propia. La afirmación de Tencent es un costo de borrador constante de aproximadamente 2048 claves por token de borrador, independientemente de la longitud del contexto, y cero memoria KV adicional.

• Cifra de eficiencia destacada: caché KV a 1/24 de la de Hy3 y 1/6 de la de Hy4, según el proveedor y no medida de forma independiente.

• Post-entrenamiento: autodestilación a partir de Hy4 más aprendizaje por refuerzo, que, según Tencent, reduce los tokens de salida promedio de extremo a extremo en un 50%. Una gran parte del ahorro de costes procede en realidad de las salidas más cortas, y es la parte menos visible en cualquier tarjeta de precios por token.

En conjunto, se trata de un modelo diseñado para que un contexto de 1 M de tokens no cueste lo que normalmente cuesta servir un contexto de 1 M de tokens. La longitud del contexto es la frase de marketing; la fracción de caché KV es la afirmación de ingeniería que subyace.

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.

Lo que Tencent midió, y lo que no.

Cada cifra de esta sección es de Tencent, producida en el sistema de pruebas de Tencent, y nada de ello se ha reproducido fuera de la empresa. Artificial Analysis no tiene página para Hy4 flash —la URL del modelo devuelve 404 a 18 de noviembre—, así que no hay ninguna puntuación de terceros que poner junto a ninguna de ellas.

La tabla de modelos base compara Hy4 flash-Base con Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base y DeepSeek-V4-Pro-Base, todos con un mismo pipeline. Es la tabla más honesta de la publicación precisamente porque pierde filas: MMLU-Pro marca 71,1 para Hy4 flash-Base frente a 73,9 para Hy4 Base y 73,4 para DeepSeek-V4-Pro-Base; SimpleQA marca 37,5 frente a 57,2 y 52,1. Donde gana, gana por mucho en las filas de chino y multilingües —C-Eval 92,0, CMMLU 91,6, AGIEval Chinese 90,6, Belebele 93,8, INCLUDE 82,8—, que es lo que cabría esperar de un modelo creado primero para los propios productos de Tencent.

Lee la letra pequeña de la ficha antes de leer las puntuaciones. Tencent afirma que una exposición intensa a datos sintéticos de instrucciones durante el entrenamiento intermedio deja al modelo ocasionalmente incapaz de seguir "el formato de respuesta esperado en las evaluaciones con pocos ejemplos, lo que puede distorsionar las puntuaciones" — un proveedor que advierte que algunas de sus propias filas podrían estar midiendo el cumplimiento del formato en lugar de la capacidad. Considera cada número que aparece a continuación como un límite superior hasta que tu propio arnés de evaluación coincida.

El modelo instruct no tiene ninguna tabla de referencia pública. Lo que tiene en su lugar es WorkIndex, una suite interna de ocho familias de tareas —creación de diapositivas, edición de diapositivas, coescritura de diapositivas entre humanos e IA, coescritura de Markdown, edición de documentos, reparación de hojas de cálculo, procesamiento de audio/vídeo y comprensión visual. Hy4 flash obtiene 42,1 allí frente a 39,7 de Hy4 preview y 51,4 de Hy4, con un coste medio por tarea que la empresa sitúa en 1/13 del de Hy4 preview, 1/20 del de Hy4 y 1/8 del de DeepSeek-V4.1-Flash-1017 con precios de hora punta. Y hay una evaluación a ciegas con 85 usuarios internos de WorkBuddy en 259 tareas de 27 categorías, en la que Hy4 flash obtiene 2,79 sobre 4 en satisfacción frente a 2,81 de Claude Haiku 5.5, con una mediana de 6,7 minutos y 0,26 RMB por tarea.

Esas son mediciones reales de una población real. También son mediciones de empleados de Tencent haciendo un trabajo al estilo de Tencent, puntuadas con una rúbrica redactada por Tencent, y la diferencia de 0,02 puntos respecto a la puntuación de satisfacción de un competidor queda muy dentro de cualquier banda de ruido plausible. Considera el orden del WorkIndex únicamente como una señal direccional del proveedor, y nada más.

La licencia es donde realmente se juzgará este lanzamiento.

Los pesos abiertos no son código abierto, y la Licencia Tencent Hy hace que la distinción sea inusualmente concreta. Cuatro cláusulas deciden lo que un equipo determinado puede hacer:

• Concesión base — los permisos de Apache 2.0, incluidos el uso comercial, la modificación y la redistribución, se aplican a los pesos, los parámetros, la configuración, el código de inferencia y la documentación.

• El desencadenante de MaaS: se requiere una licencia por escrito separada si proporcionas acceso remoto de terceros a la inferencia o al ajuste fino y superas los 50 millones de USD en ingresos brutos mundiales en cualquier período de doce meses. Cuentan los ingresos derivados del modelo y también los ingresos que no tienen nada que ver con él: la cláusula dice "independientemente de que dichos ingresos se deriven o no de la Obra".

• El desencadenante de escala — el mismo requisito se aplica antes de usar los pesos en cualquier producto con más de 100 millones de usuarios activos mensuales en un mes calendario, en cualquier nivel de ingresos.

• Dos excepciones: los productos para usuarios finales cuyo acceso a modelos se limita a funciones específicas en lugar de a la formulación de prompts de propósito general quedan fuera de la definición de MaaS, y "la mera transmisión de solicitudes a un servicio de modelos de terceros operado de forma independiente" también queda excluida. El uso exclusivamente interno queda exento sin más.

Compáralo con la licencia del checkpoint ERNIE 5.5 Flash Base, que excluye por completo a la UE, el Reino Unido y Corea del Sur como territorios. Tencent no excluye ningún territorio. En cambio, grava la escala. Para una startup que construye un producto sobre los pesos, ese es un documento sustancialmente más favorable que una prohibición territorial. Para un proveedor de inferencia de tamaño medio, es una llamada a [email protected] antes de enviar.

Sirviéndolo: tres rutas reales, todas ellas fijadas.

La historia del despliegue está más completa de lo que estaba la historia de la API en la semana del lanzamiento, y también es más frágil que un producto con soporte, de la manera específica en que siempre lo es el soporte temprano de un framework.

• vLLM — la imagen oficial vllm/vllm-openai:hy4-flash, tensor-parallel 8, el checkpoint FP8, --attention-backend FLASHMLA_SPARSE, decodificación especulativa DFly con 5 tokens, y los analizadores de llamadas a herramientas y de razonamiento de hy_v4.

• SGLang — lmsysorg/sglang:hy4-flash, multiarquitectura en x86 y Arm, tensor-parallel 8, --speculative-algorithm DFLY con tamaño de bloque 6.

• Transformers — aún no está en una versión publicada. La tarjeta te indica que instales desde una referencia de pull request (refs/pull/50903/head) hasta que se complete la fusión, lo que constituye la señal más clara posible de lo reciente que es esto.

• Cuantización: se enlaza una compilación GGUF del kit de herramientas AngelSlim para pruebas de extremo a extremo, y se incluye una guía de ajuste fino en el repositorio.

Las imágenes fijadas y una referencia de PR implican que el modelo funciona hoy con las compilaciones exactas que Tencent probó y puede que no funcione con la próxima versión menor de cualquiera de los dos frameworks. Vale la pena saberlo antes de ponerlo detrás de un endpoint de producción, y por eso las recetas de frameworks importan más que la tabla de benchmarks para cualquiera que realmente vaya a desplegarlo.

Qué le hacen los pesos abiertos al precio de la API

El precio de lista de Tencent en China continental para Hy4 flash es de ¥0,5 por millón de tokens de entrada, ¥2 por millón de salida y ¥0,02 por acierto de caché —aproximadamente $0,070, $0,281 y $0,003 a los tipos de cambio actuales. Esa es la tarifa del proveedor, no una medición.

Ese precio no es lo que cambia cuando se distribuyen los pesos. Lo que cambia es el suelo que hay debajo. Un modelo que puedes descargar tiene un segundo precio, que es el coste de las GPU en las que lo ejecutas, y toda la arquitectura descrita arriba es un argumento de que ese segundo precio es inusualmente bajo para un modelo de contexto de 1M. Las propias proporciones de coste por tarea de Tencent, de 1/8 a 1/20, son ese argumento en aritmética de proveedor.

OrcaRouter enruta más de 200 modelos detrás de una sola API con el precio de lista del proveedor transferido con un 0% de margen, de modo que un cambio de precio del proveedor se refleja en nuestro lado el mismo día en lugar de en la próxima reconstrucción del catálogo. Hy4 flash en sí aún no está en ese catálogo; lo que sí está es tencent/hy4-preview, el modelo profesor de 770B/49B del que se destiló este, con $0.834 de entrada y $2.501 de salida por millón y una tarifa de lectura de caché de $0.042. Si quieres evaluar la familia antes de comprometerte con un despliegue FP8 autoalojado, la versión de vista previa es el modelo que puedes invocar hoy; a los pesos te pasas cuando los números se sostienen. La conmutación por error automática es la otra mitad de esa postura, porque un checkpoint de hace dos días ejecutándose sobre una compilación de Transformers de una PR de referencia es exactamente el tipo de dependencia detrás de la cual quieres una segunda ruta.

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.

Qué ver

Tres cosas decidirán si este lanzamiento importa dentro de seis meses, y ninguna de ellas es la tabla de benchmarks.

Primero, el 404. Hy4 flash no tiene una puntuación independiente. Hasta que Artificial Analysis o un equivalente lo evalúe, cada afirmación sobre capacidades en este artículo es de Tencent, y la postura honesta es que el modelo está sin medir, en lugar de estar bien medido. Segundo, las fusiones del framework: cuando el soporte de Transformers salga del pull request 50903 y las imágenes de vLLM y SGLang dejen de estar fijadas, el modelo deja de ser un artefacto de investigación y se convierte en infraestructura. Tercero, las interpretaciones de la licencia: la primera empresa que opere un negocio de MaaS de 60 millones de dólares con estos pesos les dirá a todos cómo se lee realmente la Sección 10.2.

Tencent cerró su anuncio con la frase «stay tuned for Hy4 coming up next», que es una promesa de que el modelo con 51.4 en WorkIndex de los gráficos de costes recibirá el mismo tratamiento. Si lo hace, la pregunta interesante deja de ser si Tencent puede lanzar un modelo flash de pesos abiertos y barato y pasa a ser si puede lanzar uno caro que compita por capacidad en lugar de por precio.

Comparados en este artículo2

Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario