Una tarjeta de título generada que dice «Hy4 flash vs GLM-5.3-Flash» con el subtítulo «El modelo más barato es el que no puedes descargar», una línea de precios que dice «$0.070 / $0.281 / $0.003 frente a $0.15 / $0.50 / $0.03 por millón de tokens», y un pie de página que dice «Hy4 flash se lanzó el 16 de noviembre de 2026; GLM-5.3-Flash se publicó como código abierto el 26 de agosto de 2026».
Guides & Insights

Hy4 flash vs GLM-5.3-Flash: el modelo más barato es el que no puedes descargar

Autor

jinhao.song

Fecha de publicación

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

Hy4 flash y GLM-5.3-Flash están dirigidos al mismo comprador —alguien que quiere una ventana de contexto de un millón de tokens, entrada de imágenes e invocación de herramientas de nivel agente sin pagar las tarifas de los modelos insignia—, y responden con tablas de precios casi idénticas. Hy4 flash, lanzado por Tencent el 16 de noviembre de 2026, cobra $0,070 por millón de tokens de entrada y $0,281 por millón de salida, con $0,003 en caché. GLM-5.3-Flash, que Zhipu lanzó y publicó como código abierto el 26 de agosto de 2026, cobra $0,15, $0,50 y $0,03 a precio de lista. Tencent cuesta aproximadamente la mitad en entrada y un poco más de la mitad en salida, y diez veces menos en entrada en caché, que es la partida que decide la mayoría de los presupuestos de agentes. También es el modelo sin pesos, sin licencia, sin ficha de modelo y sin benchmark independiente, frente a uno que tiene licencia MIT en Hugging Face y obtiene 27,8 en el Artificial Analysis Intelligence Index.

Esa es toda la comparación en una sola frase, y no se resuelve de forma limpia. Lo más barato pero no verificable frente a lo más caro pero inspeccionable es una disyuntiva real, no un problema de marketing, y qué lado gana depende de cosas que ninguno de los dos proveedores te dirá. A continuación se presenta lo que cada uno ha publicado realmente, qué permite obtener y qué cuesta la diferencia de precio, y en qué punto se inclina la decisión.

Dos tarjetas de precios, leídas línea por línea

Empieza por las cifras tal como se publicaron, porque son las únicas cifras de esta comparación que ambas empresas declaran claramente y que cualquiera puede verificar contra una factura.

• Entrada, por millón de tokens — Hy4 flash $0.070; GLM-5.3-Flash $0.15.

Salida, por millón de tokens — Hy4 flash $0.281; GLM-5.3-Flash $0.50.

• Entrada en caché, por millón de tokens — Hy4 flash $0.003; GLM-5.3-Flash $0.03.

• Ventana de contexto — Hy4 flash 1,048,576 tokens; GLM-5.3-Flash 1,000,000 tokens.

• Parámetros activos por token — Hy4 flash 12B de 224B en total, incluidos 64B de parámetros de Engram; GLM-5.3-Flash 18B de 320B en total en 45 capas.

• Pesos — Hy4 flash anunciado como un plan sin fecha; GLM-5.3-Flash MIT en Hugging Face desde el día de su lanzamiento.

• Puntuación de inteligencia independiente — Hy4 flash: ninguna publicada; GLM-5.3-Flash 27.8 en el Artificial Analysis Intelligence Index, con un 71.5 en el Coding Index del mismo laboratorio.

La línea de entrada en caché merece más atención de la que suele recibir. A $0.003 por millón, la caché de Hy4 flash es diez veces más barata que GLM-5.3-Flash y cien veces más barata que su propio buque insignia, Tencent HY4. Para un agente que reenvía un mensaje de sistema fijo, un esquema de herramientas y un documento recuperado en cada paso, la tarifa de caché es la tarifa que realmente pagas la mayor parte del tiempo, y una diferencia de diez veces ahí supera la diferencia de dos veces en la entrada nueva. Si tu carga de trabajo es intensiva en recuperación, la ventaja de Hy4 flash es mayor de lo que sugiere el precio anunciado. Si tu carga de trabajo es generación de una sola vez sin reutilización, la ventaja se reduce a las proporciones de entrada y salida.

Ambas tarjetas de precios son en parte promocionales. TokenHub de Tencent Cloud ofrece un 50 % de descuento durante un periodo limitado no especificado, y WorkBuddy es gratis hasta el 30 de noviembre. La tarifa de lanzamiento con un 50 % de descuento de Zhipu expiró el 9 de septiembre de 2026 y no se prorrogó, por lo que las cifras de $0,075 y $0,25 que circularon a finales de agosto ya no son aplicables; la tarifa indicada arriba es la vigente. Suponga que la promoción de Tencent terminará de la misma manera y presupueste la tarifa de lista.

La brecha de parámetros es menor que la brecha de precios.

A generated comparison card titled 'Two cheap models, two designs' with a left column for Hy4 flash reading 224B total, 12B active, 64B Engram parameters, 1M context, $0.070 / $0.281 / $0.003, no weights published, and a right column for GLM-5.3-Flash reading 320B total, 18B active, 45 layers, 1M context, $0.15 / $0.50 / $0.03, MIT weights on Hugging Face. A footer reads 'Hy4 flash figures are Tencent's, published 16 November 2026; GLM-5.3-Flash price and licence per Zhipu, 26 August 2026.'

Hy4 flash activa 12 mil millones de parámetros por token frente a los 18 mil millones de GLM-5.3-Flash, un tercio menos de cómputo por token, y esa es la razón mecánica por la que puede venderse a la mitad de precio. Lo interesante es el total: 224 mil millones frente a 320 mil millones, con 64 mil millones del total de Tencent en parámetros Engram que contienen asociaciones aprendidas en lugar de ejecutarse en cada pasada hacia adelante como lo hace un experto enrutado. Tencent no ha publicado un recuento de capas, un recuento de expertos ni un ancho de enrutamiento para Hy4 flash, así que lo más parecido a una comparación arquitectónica es que ambos son modelos dispersos de mezcla de expertos con una pequeña fracción activa y ambos proveedores eligieron ese diseño por la misma razón: el coste de servicio escala con los parámetros activos, no con los totales.

El diseño de GLM-5.3-Flash está documentado con más detalle, y esa documentación es verificable porque los pesos son públicos: 45 capas, atención híbrida dispersa y lineal, un enfoque de las conexiones residuales que Zhipu llama Manifold-Constrained Hyper-Connections, y un mecanismo IndexPool que comprime cuatro vectores de clave del indexador en un único pool ponderado para reducir la latencia en contextos largos. El preentrenamiento se realizó con un corpus multimodal de 30 billones de tokens. Nada de eso ha sido auditado de forma independiente, pero al menos es una descripción lo bastante específica como para que cualquiera que descargue el checkpoint pueda refutarla.

La asimetría no es que Zhipu publicara y Tencent no. Ambos publicaron; publicaron tipos distintos de cosas. Zhipu describió un modelo, que es una afirmación sobre la estructura que un checkpoint puede confirmar o refutar. Tencent describió un resultado —una caché KV de una sexta parte del tamaño de la de su buque insignia, una longitud de salida reducida a la mitad mediante autodestilación, más de 150 tokens por segundo de decodificación a partir de cuantización de cuatro bits y un megakernel—, que es una afirmación sobre el comportamiento que solo la reproducción puede zanjar. Los resultados son las afirmaciones más interesantes comercialmente y las más difíciles de comprobar. En un modelo con pesos públicos, una afirmación sobre el despliegue se pone a prueba por desconocidos en cuestión de semanas; en un modelo sin ellos, se queda como una frase en una página de investigación durante todo el tiempo que el proveedor quiera.

Uno de estos lo puedes descargar

Esta es la diferencia decisiva para una parte significativa de los compradores, y no hay punto de comparación. GLM-5.3-Flash tiene licencia MIT, está en FP8 y BF16, en zai-org/GLM-5.3-Flash en Hugging Face, y así ha sido desde el 26 de agosto de 2026. MIT permite el uso comercial, la modificación, el ajuste fino y la redistribución sin umbral de ingresos. El modelo lleva casi tres meses en uso público amplio, lo que significa que el stack de inferencia ya se ha encontrado con él: existen cuantizaciones, existen recetas de servicio, y cualquier afirmación sobre su comportamiento puede ponerse a prueba ejecutándolo.

No hay nada parecido para Hy4 flash. El compromiso que hay allí es una frase sobre planes futuros, matizada con la intención de seguir iterando, y no menciona ninguna licencia ni ninguna fecha. Tencent ya lo ha hecho bien antes —la versión preliminar de agosto se publicó bajo Apache 2.0 con pesos en cuatro sitios de alojamiento y recetas para vLLM y SGLang desde el primer día—, así que el patrón no está en duda. Lo que está en duda es la timidez de la redacción actual, que parece un compromiso con un proceso más que con un artefacto. Cualquiera que planee hacer ajuste fino, alojar por cuenta propia o construir un modelo de costes en torno a ejecutar su propia inferencia debería considerar que Hy4 flash solo está disponible vía API hasta que aparezca un repositorio.

La misma asimetría se aplica a la evidencia. GLM-5.3-Flash tiene dos cifras de un harness que ninguno de los dos proveedores escribió: 27,8 en el Artificial Analysis Intelligence Index y 71,5 en su Coding Index. Ambas son verificables, y el par dice algo concreto: un 71,5 en programación frente a un 27,8 en el índice general describe un modelo que es genuinamente bueno en una cosa y ordinario en todo lo demás, que es exactamente lo que debería ser un nivel barato. Ese es el tipo de distinción que borra una única puntuación de titular, y es por eso que las cifras restantes de los proveedores en este artículo se presentan como afirmaciones y no como resultados. Hy4 flash no tiene puntuación independiente, y sus resultados de benchmark —DeepSWE, Terminal-Bench 4.0, APEX-Agents, OSWorld 2.1 y las suites internas de Tencent— existen solo como imágenes de gráficos en la página de investigación del proveedor. Eso no es motivo para desconfiar de ellos. Es motivo para tratarlos como hipótesis.

Qué midió cada proveedor y a quién superó

Ambas empresas publicaron comparaciones, y se compararon con cosas distintas, lo que revela qué consideraba cada una que era su punto débil.

El titular de Tencent es una prueba a ciegas: 85 usuarios de WorkBuddy, 27 categorías de tareas, 259 tareas reales del trabajo diario, y se informa de que Hy4 flash queda cerca de Claude Haiku 5.5 en satisfacción, a la vez que presenta el menor coste por tarea y la menor duración por tarea del panel. Nótese "cerca de", no "mejor que", y nótese que el panel son los propios empleados del proveedor dentro del propio producto del proveedor. La afirmación que lo respalda es el coste por tarea en WorkIndex, el benchmark interno de ocho suites de Tencent: un treceavo de Hy4 preview, un veinteavo de Tencent HY4, un octavo de DeepSeek-V4.1-Flash-1017. Frente a GLM-5.3-Flash, la única cifra publicada es una mejora del 2,52% en chat general dentro de 元宝, que es una métrica de producto de una sola aplicación de consumo y no es trasladable a nada de lo que usted vaya a ejecutar.

El posicionamiento de Zhipu es diferente: vende el modelo como una capacidad cercana a la frontera a coste de flash, lo compara en precio con su propio buque insignia de 743B y señala los pesos abiertos y un resultado de evaluación de exploits como prueba de que el modelo barato no es un juguete. Sus cifras internas ya han recibido una corrección independiente, y el número de AA es el que hay que citar.

La consecuencia práctica es que ninguno de los dos proveedores ha publicado una comparación directa en un arnés de evaluación neutral, y la comparación que de verdad querrías —las mismas tareas, los mismos prompts, el mismo arnés, ambos modelos— no existe. Tendrás que ejecutarla tú mismo. Diez tareas que ya haces, con los recuentos de tokens registrados, bastan para resolverlo para tu tráfico y valen más que cualquiera de las dos páginas de lanzamiento.

Dos apuestas distintas sobre la multimodalidad

GLM-5.3-Flash acepta entrada de texto, imagen y vídeo de forma nativa y fue el primer modelo GLM-5 en hacerlo en lugar de canalizar la visión a través de un adaptador independiente. Es una afirmación documentada y comprobable, y los pesos son públicos, así que puede verificarse sin pedir permiso.

Hy4 flash se describe como multimodal, y la suite WorkIndex sobre la que se midió incluye la comprensión visual como uno de ocho tipos de tareas. Tencent no ha dicho si la ruta de visión es nativa o un adaptador, no ha publicado el tamaño del codificador y no ha dicho si se admite vídeo en absoluto. Lo máximo que se puede afirmar es que la entrada de imágenes forma parte de la propuesta y que el predecesor del modelo en la familia —Tencent HY4, disponibilidad general el 4 de noviembre de 2026— añadió visión nativa y uso de computadora como su característica principal, por lo que la capacidad es plausible para un modelo destilado a partir de él. Plausible no es documentado.

Si las capturas de pantalla, los gráficos, los documentos escaneados o los fotogramas de vídeo resultan fundamentales en tu flujo de procesamiento, GLM-5.3-Flash es el modelo cuyo comportamiento multimodal puedes verificar antes de comprometerte. Si las imágenes son ocasionales, esa diferencia importa menos que el precio.

Donde gira la decisión

Elige Hy4 flash cuando el volumen sea el problema y la tarea tenga forma de oficina. Procesamiento de documentos, recuperación sobre un corpus extenso, generación de diapositivas, trabajo sencillo de frontend, bucles de uso de computadora: estas son las cargas de trabajo para las que Tencent lo creó, las que cubren los datos de sus productos internos y aquellas en las que un descuento del diez por ciento en la caché y una reducción del 50 % en la longitud de salida se combinan para resultar en algo un orden de magnitud más barato. Ejecútalo primero en tus propias tareas y observa los tokens de salida: si el modelo es realmente más conciso, tu factura caerá más de lo que predice la tarifa, y si es más conciso porque es más superficial, lo verás en esa misma medición.

Elige GLM-5.3-Flash cuando necesites el artefacto, la auditoría o la modalidad. El ajuste fino, el servicio en las instalaciones, los datos regulados, una licencia que puedas mostrarle a un abogado, la entrada de vídeo o una puntuación de un banco de pruebas que nadie en Zhipu escribió: todo esto apunta en una sola dirección. A $0,15 y $0,50 no es caro; es aproximadamente una décima parte del precio de lista de GLM-5.3 para un modelo que ya ha superado una medición independiente.

Elige ambos cuando la carga de trabajo sea mixta. La lectura honesta de los dos lanzamientos es que no son realmente sustitutos: uno es un modelo de API optimizado en costes para trabajo diario de alto volumen, y el otro es un checkpoint abierto con arquitectura documentada para cualquier cosa que necesite salir del control del proveedor. Un enrutador que da acceso a ambos es una respuesta más barata que elegir uno y equivocarse.

A screenshot of the OrcaRouter model page for GLM 5.3 Flash, slug z-ai/glm-5.3-flash, credited to Z.ai and dated 2026-08-26, describing a 320B-total, 18B-active native multimodal model with a 1M-token context that takes text, image and video in and returns text. The specification strip reads max output 128K, input $0.15 and output $0.50 per million tokens, p50 time to first token 3.82 seconds and p95 10.00 seconds. The pricing panel lists $0.150 input, $0.500 output and $0.030 cache read per million tokens, and the public benchmark panel shows 71.5 on the AA Coding index and 27.8 on AA Intelligence. A button reads 'Get the GLM 5.3 Flash API'.

¿Qué es realmente invocable hoy?

Aquí es donde los dos modelos difieren tanto en lo operativo como en lo comercial. GLM-5.3-Flash está en el catálogo de OrcaRouter como z-ai/glm-5.3-flash al precio de lista del proveedor de 0,15 $ por millón de tokens de entrada y 0,50 $ por millón de tokens de salida, con un nivel gratuito con límite de velocidad junto a él para evaluación. Hy4 flash no se enruta aquí —Tencent no nos lo ha puesto a disposición—, así que cualquiera que compare los dos necesita el TokenHub propio de Tencent para el lado flash y puede usar la misma clave de OrcaRouter para el lado de GLM.

Merece la pena aprovechar esa división en lugar de lamentarla. OrcaRouter traslada el precio de lista del proveedor sin aplicar ningún margen, lo que significa que el lado GLM de tu comparación se factura exactamente a la tarifa de Zhipu y sigue siendo correcto si Zhipu la modifica; no hay ninguna tabla de revendedor que quede obsoleta. Y para la propia evaluación, tener tencent/hy4-preview en la misma clave que z-ai/glm-5.3-flash resulta útil aunque no sea el modelo en cuestión: el preview es el modelo del que se destiló Hy4 flash, así que es el control natural cuando compruebas si las respuestas del modelo pequeño se sostienen. Una clave, más de 200 modelos y una ruta de conmutación por error si un endpoint de la semana del lanzamiento resulta poco fiable, lo cual, para un modelo lanzado hace seis días y sin historial público de disponibilidad, es algo razonable de querer.

A generated decision card titled 'Pick by constraint' with three rows: high volume office-shaped work points to Hy4 flash on price per task; fine-tuning, on-premises serving or a named licence points to GLM-5.3-Flash under MIT; mixed workloads point to routing both from one key. A footer reads 'GLM-5.3-Flash scores 27.8 on the Artificial Analysis Intelligence Index; Hy4 flash has none published.'

El precio no es la cuestión.

Tencent ha construido el modelo más barato y, según las cifras, es más barato por un margen que importa: la mitad en entrada, un poco más de la mitad en salida y una décima parte en caché. Lo que no ha construido es un modelo que puedas inspeccionar. Sin pesos, sin licencia, sin detalles de arquitectura, sin puntuación independiente, benchmarks detrás de píxeles y una comparación de titular extraída de un panel de su propio personal. Zhipu construyó el más caro y publicó lo suficiente como para que sus debilidades —incluido un índice de proveedor que la medición independiente redujo en quince puntos— estén documentadas donde puedas sopesarlas.

Seis días después del lanzamiento, esa es la forma de la elección: un descuento demostrado frente a un modelo sin documentar, o un modelo documentado a un precio que sigue siendo muy bajo. El descuento es probablemente real y la falta de documentación es probablemente temporal. Ninguna de las dos cosas es segura, y la manera de averiguarlo es dedicar una tarde a medir en lugar de un trimestre a elegir.

Comparados en este artículo2

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