Una tarjeta destacada generada que compara Hy4 flash y Claude Haiku 5.5, con una gran cifra '2.79 vs 2.81' etiquetada como 'satisfacción sobre 4 en la propia prueba ciega de Tencent con 85 usuarios', y un pie que dice 'Ambas puntuaciones de satisfacción son la medición de Tencent. Los pesos de Hy4 flash se publicaron el 17 de noviembre de 2026.'
Guides & Insights

Hy4 flash vs Claude Haiku 5.5: Tencent hizo esta comparación por sí misma y publicó la derrota

Autor

jinhao.song

Fecha de publicación

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

Alguien en Tencent decidió que el oponente adecuado para Hy4 flash era Claude Haiku 5.5, puso ambos modelos frente a 85 usuarios de WorkBuddy de la propia empresa en 259 tareas y publicó el resultado aunque pierde. Hy4 flash obtuvo 2,79 sobre 4 en satisfacción del usuario. Claude Haiku 5.5 obtuvo 2,81. Esa es una diferencia de dos centésimas de punto en una escala de cuatro puntos, medida por el retador, en las propias tareas del retador —y es el dato más interesante del lanzamiento de Hy4 flash, porque te dice lo que Tencent cree realmente que está vendiendo. No un modelo mejor. Uno más barato que está lo bastante cerca como para que la diferencia no sobreviva al contacto con una encuesta de satisfacción.

El resto del anuncio respalda esa lectura. Hy4 flash se publicó como pesos abiertos el 17 de noviembre de 2026, dos días después de llegar a la API de Tencent el 16 de noviembre: 220B parámetros totales, 12B activos por token, un contexto de 1M tokens, entrada de imagen con salida de texto. Claude Haiku 5.5 está disponible de forma general desde el 7 de octubre de 2026 a $0,10 y $0,50 por millón de tokens. Ninguno de los dos modelos está en el catálogo de OrcaRouter, y este artículo no pretenderá lo contrario; lo que se puede enrutar se trata cerca del final, y es otro par de modelos.

El test ciego, leído correctamente

El informe de evaluación de Tencent consta de tres frases y un gráfico, y el gráfico hace algo concreto: representa la satisfacción frente al tiempo medio de finalización de extremo a extremo y el coste por tarea, de modo que el modelo que gana en dos ejes se vea de un vistazo. Las cifras son 2,79/4 para Hy4 flash frente a 2,81/4 para Claude Haiku 5.5, un tiempo medio de finalización de 6,7 minutos para Hy4 flash y 0,26 RMB por tarea. La afirmación de Tencent es que Hy4 flash registró tanto el coste por tarea más bajo como el tiempo medio de finalización más corto entre los modelos evaluados.

Lo que el informe no te da es el conjunto completo de modelos evaluados, el desglose por categoría ni la rúbrica. Lo que sí indica es la población: 85 usuarios internos, 27 categorías, 259 tareas, todas extraídas de WorkBuddy, el asistente de productividad de la propia Tencent. Se trata de una evaluación coherente, y no es neutral. Los empleados que evalúan el modelo de su empleador saben cuál es el suyo, y aun en una interfaz a ciegas las tareas son las que Tencent eligió porque se parecen al producto de Tencent.

Lo útil de la brecha de 0,02 es lo que le hace al argumento en cualquier caso. Si te inclinas a confiar en la prueba, tienes la palabra de Tencent de que la diferencia de capacidad frente a Claude Haiku 5.5 es insignificante para trabajo de oficina, lo cual es una afirmación contra su propio interés. Si te inclinas a desconfiar de ella, la misma prueba no te da ninguna razón para creer que Hy4 flash sea mejor, y te quedas con la columna de costos, que es donde Tencent quiere que te fijes de todos modos.

En qué se diferencian realmente los dos modelos

Las hojas de especificaciones divergen de formas que la puntuación de satisfacción no puede mostrar. Cada cifra a continuación es la especificación publicada por el propio proveedor, a menos que esté marcada como una medición de Artificial Analysis.

• Parámetros totales y activos: Hy4 flash 220B en total, de los cuales 64B corresponden a tablas Engram, y 12B activos por token; los recuentos de parámetros de Claude Haiku 5.5 no se divulgan, lo cual es normal en Anthropic.

• Ventana de contexto — 1.048.576 tokens para Hy4 flash; 1.000.000 para Claude Haiku 5.5.

• Salida máxima: 64,000 tokens en Hy4 flash según la configuración de servicio; 128,000 tokens en Claude Haiku 5.5, el doble.

• Modalidad de entrada — Hy4 flash acepta texto e imágenes mediante un codificador de 27 capas derivado de SigLIP2; el material de lanzamiento de Claude Haiku 5.5 se centra en texto y uso de herramientas, y su conjunto de capacidades publicadas es más limitado en el aspecto visual.

• Licencia — Hy4 flash se distribuye bajo la Tencent Hy License con una Sección 10.2 que exige un acuerdo independiente por más de 50 millones de dólares en ingresos de MaaS o 100 millones de MAU; Claude Haiku 5.5 es propietario y no tiene pesos en absoluto.

• Puntuación independiente — Hy4 flash no tiene ninguna, y su URL de Artificial Analysis devuelve 404; Claude Haiku 5.5 obtiene 36 en Intelligence Index v5.0.1 con esfuerzo máximo.

• Coste medido por tarea de Index — $0.41 para Claude Haiku 5.5 según Artificial Analysis; no medido para Hy4 flash, que no figura en la tabla.

La fila del límite de salida es la que más probablemente cause problemas en la práctica. Un modelo con 1M de contexto y 64k de salida está configurado para leer mucho y escribir una cantidad moderada; un flujo de trabajo de redacción de documentos que espere emitir más de 64.000 tokens en una sola respuesta no puede usarlo. El uso recomendado por Tencent —búsqueda profunda, procesamiento de documentos, creación de diapositivas, demos de frontend sencillas y uso de computadora— es coherente con ese techo. La generación de textos largos no está en la lista.

La comparación de precios no es un número frente a otro.

La tarifa 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 token de entrada en caché — aproximadamente $0,070, $0,281 y $0,003. La tarjeta de precios publicada de Claude Haiku 5.5 comienza en $0,10 por millón de entrada y $0,50 por millón de salida, con escrituras en caché a $0,125 y $0,625 para cachés de cinco horas y de una hora, y lecturas de caché a $0,01.

Con esas tarifas anunciadas, Hy4 flash es aproximadamente un 30 % más barato en entrada, un 44 % más barato en salida y un 70 % más barato en un acierto de caché. Ambas son tarifas planas para los primeros cien mil tokens. La diferencia está en lo que ocurre después: la ficha de Anthropic eleva el precio de entrada de Claude Haiku 5.5 de 0,10 USD a 0,50 USD por millón y su precio de salida de 0,50 USD a 2,50 USD cuando una solicitud supera los 100.000 tokens de entrada. En un documento de 200.000 tokens, Claude Haiku 5.5 se factura a cinco veces su tarifa de entrada anunciada, lo que sitúa esa comparación en 0,50 USD frente a los 0,070 USD de Tencent: una diferencia de 7 veces en lugar del 30 %.

Eso es una decisión de diseño, no un truco, y tiene una lógica defendible: las entradas largas cuestan más de prellenar, así que el proveedor cobra más por ellas. Pero significa que la cifra destacada es la cifra equivocada justo para la carga de trabajo en la que ambos modelos afirman ser buenos. El procesamiento de documentos con contexto de 1M es, por definición, una carga de trabajo de más de 100.000 tokens. Si tu caso de uso es el trabajo con documentos largos, calcula el precio de ambos modelos con las filas que se aplican a la longitud de tu prompt, no con la parte superior de la ficha.

Latencia: la métrica que midió Tencent no es la que publica Anthropic

Tencent informa un tiempo medio de finalización de extremo a extremo de 6,7 minutos para Hy4 flash en una tarea de WorkBuddy. Artificial Analysis informa que Claude Haiku 5.5 tarda 14,7 minutos por tarea del Intelligence Index con esfuerzo Max, con 192 segundos hasta el primer token de respuesta, y el ranking señala que el modelo es «notablemente lento por tarea y muy verboso», con 298M de tokens de salida para la ejecución del índice.

Esos dos números no son comparables y no deberían restarse. Tareas diferentes, arneses diferentes, definiciones diferentes de "hecho". Lo que sí establecen es que el ajuste de esfuerzo de Claude Haiku 5.5 es un control de latencia con un rango muy amplio, y que su máximo es costoso en tiempo de reloj:

• Max — Índice 36, 14,7 minutos por tarea, 192 segundos hasta el primer token, 298 M de tokens de salida.

• Xhigh — Índice 35, 9,6 minutos, primer token a los 44 segundos, 151M tokens.

• Alto — Índice 30, 6,4 minutos, primer token en 21 segundos, 89,8 M de tokens.

• Medio — Índice 25, 3,9 minutos, primer token en 10 segundos, 52,7 M de tokens.

• Bajo — Índice 19, 2,2 minutos, primer token en 5,8 segundos, 29,9 M 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'.

Las cinco filas son mediciones de Artificial Analysis sobre v5.0.1. El objetivo de imprimirlas es que «Claude Haiku 5.5 obtiene 36» es una afirmación sobre la configuración más cara que ofrece Anthropic. En su ajuste alto obtiene 30 y termina en menos de la mitad del tiempo. Cualquiera que compare un producto sensible a la latencia con la cifra de Max está comparando con un ajuste que no lanzarán.

Hy4 flash tiene el mismo dial, pero en una forma más tosca: reasoning_effort en high, que es el valor predeterminado, o no_think. Dos posiciones frente a cinco. Si tu carga de trabajo necesita un ajuste intermedio —el razonamiento activado, pero no al máximo—, Claude Haiku 5.5 te ofrece esa perilla y Hy4 flash, en general, no.

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.

Tres cosas que deciden esto y que no están en ninguna de las dos fichas técnicas

La superficie de la API. El formato de solicitud de Claude Haiku 5.5 es más estricto que el de su predecesor en formas que rompen el código. La documentación de Anthropic rechaza temperature, top_p y top_k con cualquier valor distinto del predeterminado, descarta el prefill del asistente, elimina el budget_tokens manual, y exige una versión específica del conjunto de herramientas de uso de computadora. Hy4 flash acepta el conjunto completo de muestreo, recomienda temperature 0.9 con top_p 1.0, e incluye hy_v4 analizadores de llamadas a herramientas y de razonamiento para vLLM. Si tienes una biblioteca de prompts ajustada mediante barridos de temperature, uno de estos modelos la ejecutará sin cambios y el otro devolverá 400.

La forma de despliegue. Claude Haiku 5.5 es una API y nada más. Hy4 flash es una API, un repositorio de Hugging Face, una compilación FP8, un checkpoint base, una cuantización GGUF y una guía de ajuste fino. Eso no es automáticamente una ventaja —un modelo que alojas tú mismo es un modelo que operas, parcheas y cuya capacidad planificas—, pero es la diferencia entre una relación con un proveedor y un activo, y para un equipo con un requisito de residencia de datos o una necesidad de ajuste fino, resuelve la comparación antes de consultar cualquier benchmark.

La brecha de medición. Claude Haiku 5.5 lleva en Artificial Analysis desde octubre y ha sido analizado en detalle por todos los blogs de comparativas de internet, incluido este. Hy4 flash tiene un 404 donde debería estar su puntuación. No porque el modelo sea malo, sino porque tiene dos días de vida y nadie independiente lo ha probado. La puntuación de satisfacción anterior es una medición de una población real y, además, es la única medición de este modelo hecha por alguien que no sea su creador.

Llamar a cualquiera de los dos, sinceramente

Ni Hy4 flash ni Claude Haiku 5.5 están en el catálogo de OrcaRouter en el momento de escribir esto, así que no hay ninguna versión de esta sección en la que te digamos que los llames aquí. Lo que sí hay es la generación de cada lado: tencent/hy4-preview, el modelo 770B/49B del que se destiló Hy4 flash, con $0.834 de entrada y $2.501 de salida por millón, y una tarifa de lectura de caché de $0.042; y anthropic/claude-haiku-4.5 con $1.00 de entrada y $5.00 de salida por millón, y una lectura de caché de $0.10 — la generación anterior, no la 5.5 de esta comparación.

Esa combinación es más útil de lo que parece. Si estás decidiendo si el perfil de costes de Hy4 flash merece reestructurar un pipeline, el modelo de vista previa te da el comportamiento de la familia a un precio en el que el experimento sale barato, con la misma clave y el mismo endpoint que todo lo demás del catálogo, con el precio de lista del proveedor trasladado con un 0 % de margen, de modo que un cambio de precio de Tencent te llega el mismo día en que se produce. El DSL de enrutamiento es la parte que importa cuando ya tienes dos candidatos: envía el nivel de documentos largos al modelo que gane tu propia evaluación y mantén el otro como respaldo, en lugar de elegir un único proveedor para todo porque cambiar cuesta un contrato.

Y cuando Hy4 flash llegue a un catálogo —cualquier catálogo, incluido el nuestro—, lo que hay que probar no es la puntuación de satisfacción. Es el recuento de tokens de salida en tus propias tareas. El post-entrenamiento de Tencent afirma una reducción del 50 % en los tokens de salida promedio de extremo a extremo, y si eso se cumple en tu carga de trabajo, vale más que un descuento del 30 % por token, porque los tokens de salida son la mitad cara de cada factura en ambos modelos.

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.

¿Qué lo zanjaría?

Una ejecución independiente en un arnés compartido. Somete a Hy4 flash y Claude Haiku 5.5 al mismo Intelligence Index de nueve evaluaciones y fíjate en dos filas: la puntuación y el coste por tarea completada. Tencent ya te ha dicho qué espera que digan esas filas: que Hy4 flash se sitúa cerca de Claude Haiku 5.5 en capacidad y muy por debajo en coste. Hasta que alguien externo a Tencent publique la pareja, esa expectativa es una hipótesis con el presupuesto de marketing de una empresa detrás, no un resultado.

Lo que puedes aprovechar hoy es más limitado y más útil. Si tu carga de trabajo consiste en documentos largos, calcula el costo de la fila de más de 100.000 tokens antes que cualquier otra cosa, porque es ahí donde más difieren las dos tarjetas. Si es sensible a la latencia, compara Claude Haiku 5.5 con esfuerzo alto en lugar de Max. Si necesita ajuste fino o inferencia en las instalaciones, la decisión ya está tomada y ningún benchmark la cambiará. La diferencia de satisfacción de 0,02 puntos no es motivo para cambiar en ninguna dirección, y que Tencent lo publique es lo más creíble del lanzamiento.