Tarjeta de título generada que dice «Tencent Hy4 vs Qwen4-Max» con dos columnas de estadísticas: Hy4 con un Índice de Inteligencia de 34,6, 770B en total y 49B activos, pesos abiertos, 0,834 $/2,501 $ por millón de tokens; Qwen4-Max con 42,9, parámetros no divulgados, propietario, 1,50 $/4,50 $; pie de página que dice «Índice y precio según Artificial Analysis v5.0.1, consultado el 20 de noviembre de 2026».
Guides & Insights

Hy4 vs Qwen4-Max: las dos filas en las que Hy4 realmente gana

Autor

Elias Hawthorne

Fecha de publicación

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

En siete de las nueve evaluaciones que componen el Artificial Analysis Intelligence Index v5.0.1, Qwen4-Max supera a Tencent Hy4. Y era de esperar: el modelo insignia de Alibaba obtiene 42,9 frente a los 34,6 de Tencent, y cuenta con un presupuesto compartido de razonamiento y respuesta de 262.144 tokens por llamada. Pero hay dos filas que van en la dirección contraria, y son precisamente las dos que revelan para qué se diseñó realmente cada modelo. En FrontierCode-AA 2.0 —ingeniería de software dentro de repositorios reales de código abierto—, Tencent Hy4 obtiene un 31,4 % y Qwen4-Max un 26,5 %. En MLCR-AA, razonamiento médico de contexto largo, Hy4 obtiene un 32,8 % y Qwen4-Max un 19,4 %.

Eso es un extraño par de victorias para un modelo que está 8,3 puntos de índice por detrás, y es la razón por la que esta comparación vale más que un marcador. Qwen4-Max es el modelo general más potente y el que elegirías para razonamiento difícil, trabajo de conocimiento y cualquier cosa que incluya vídeo. T​encent Hy4 es el modelo más económico, el descargable y —por un margen estrecho, en trabajo con repositorios reales— el ingeniero más competente. La decisión entre ellos depende de cuál de esas cosas necesitas realmente y de una estructura de precios que hace que el modelo más económico sea más barato de lo que sugieren sus precios por token.

Siete filas a Qwen, dos a Hy4

Ambos conjuntos de cifras provienen de Artificial Analysis el 20 de noviembre de 2026, las mismas versiones de evaluación y el mismo harness:

• Razonamiento complejo, HLE-Diamond — Qwen4-Max 44,9 %, Hy4 32,7 %. La mayor diferencia de la tabla, 12,2 puntos.

• Física, subconjunto difícil de CritPt v2 — Qwen4-Max 43,0 %, Hy4 39,0 %.

• Codificación agéntica en una terminal limpia, Terminal-Bench 4.0 — Qwen4-Max 48,5 %, Hy4 37,4 %.

• Ciencia con agentes en una terminal, Terminal-Bench-Science — Qwen4-Max 23,3 %, Hy4 12,9 %.

• {{1}}ejecución de flujos de trabajo SaaS{{/1}}, {{2}}AutomationBench-AA{{/2}} — Qwen4-Max 72,6%, Hy4 65,6%.

• Razonamiento profesional sobre documentos, GDP.pdf aprobación total — Qwen4-Max 26,2 %, Hy4 21,6 %.

• Trabajo de conocimiento agéntico, AA-Briefcase Elo — Qwen4-Max 1,686.1, Hy4 1,445.9. Una brecha de 240 puntos Elo, la mayor de esta serie.

• Ingeniería de software en repositorios reales, FrontierCode-AA 2.0 — Hy4 31,4 %, Qwen4-Max 26,5 %.

• Razonamiento médico de contexto largo, MLCR-AA — Hy4 32,8 %, Qwen4-Max 19,4 %.

El patrón de las dos derrotas merece nombrarse con precisión, porque no es ruido. Qwen4-Max gana en los benchmarks de terminal, que son tareas de programación en entornos limpios con un objetivo definido. Hy4 gana en el benchmark de repositorios, que implica navegar por código que nadie escribió para la evaluación. Y gana en contexto largo médico por 13 puntos, que es la única capacidad que se corresponde con un objetivo de diseño declarado: T​encent entrenó Hy4 con documentos largos e investigación profunda, y lo indica en la ficha del modelo. Los propios materiales de A​libaba para Qwen4-Max, mientras tanto, destacan Work360, las afirmaciones de eficiencia de tokens y un presupuesto de razonamiento compartido — un buque insignia de propósito general, optimizado para la amplitud.

Generated two-column scoreboard comparing Tencent Hy4 and Qwen4-Max across six dimensions: Intelligence Index 34.6 versus 42.9, price $0.834/$2.501 versus $1.50/$4.50 per million tokens, context 1,048,576 versus 983,616 tokens, FrontierCode-AA 31.4% versus 26.5%, terminal coding Terminal-Bench 4.0 37.4% versus 48.5%, and cost per index task $1.03 versus $3.27, with a footer reading 'All figures per Artificial Analysis v5.0.1, 20 November 2026; terminal rows favour Qwen, repository rows favour Hy4.'

La brecha entre la relación de precios y la relación de costos

Qwen4-Max cuesta 1,8 veces el precio de entrada de Hy4 y 1,8 veces su precio de salida. Medido en coste por tarea del Intelligence Index, es 3,2 veces: 3,27 $ frente a 1,03 $. El multiplicador adicional es la eficiencia de tokens, y es la parte de esta comparación que la mayoría de la gente se salta.

• Entrada — Qwen4-Max $1.50 por millón de tokens, Hy4 $0.834. Qwen es un 80% más caro.

• Salida — Qwen4-Max $4.50, Hy4 $2.501. Mismo 80%.

• Lecturas de caché — Qwen4-Max $0.075 con un 95 % de descuento, Hy4 $0.042 al 95 %. Q​wen es un 79 % más caro, y los porcentajes de descuento son idénticos, por lo que el almacenamiento en caché no cierra la brecha.

• Tokens de salida por tarea de indexación — Qwen4-Max 104.940, Hy4 78.058. Qwen razona durante un tercio más de tiempo por tarea.

• Tiempo por tarea de indexación — Qwen4-Max 29,8 minutos, Hy4 14,0. Más del doble de tiempo.

• Velocidad de salida — Qwen4-Max 59 tokens por segundo, Hy4 93.

Multiplica los dos efectos y la relación de precios de 1,8x se convierte en una relación de costos de 3,2x. Para una carga de trabajo que ejecuta diez mil tareas de agente al mes, esa es la diferencia entre una partida que defiendes y una partida que renegocias —y se mantiene incluso aunque Qwen4-Max sea el modelo más capaz, porque la capacidad que no estás invocando también se factura.

Screenshot of the Artificial Analysis page for Tencent Hy4, captured 20 November 2026, showing its Intelligence, Performance, Cost and Verbosity rank tiles, 93 tokens per second output, 14.0 minutes per task, a 118.9-second time to first token and a 1M-token context window, with the header still labelling the model proprietary.

Hay un detalle de precios en el lado de Qwen que va en sentido contrario y es fácil pasar por alto. La tarjeta de precios por consumo de Alibaba depende de la región: $1.50 y $4.50 en Singapur, pero $1.413 y $4.24 en Pekín, Hong Kong, Fráncfort y Virginia (EE. UU.), con lecturas de caché a $0.071. Si tu tráfico termina en una de esas regiones, la diferencia en el precio de entrada se reduce a alrededor del 69 % en lugar del 80 %. No cambia la dirección de la respuesta.

Vídeo de entrada, pesos de salida

Los dos modelos no aceptan las mismas entradas, y esta es la diferencia que con mayor frecuencia decide una adquisición real:

• Modalidades de entrada: Qwen4-Max acepta texto, imagen y video. T​encent Hy4 acepta texto e imagen. Hy4 no ha perdido nada en el terreno de la visión desde el 4 de noviembre —la comprensión de imágenes y el uso de computadora fueron las novedades destacadas de esa versión—, pero no tiene una vía para video.

• Salida — ambos solo texto.

• Contexto — Hy4 1.048.576 tokens; Qwen4-Max 983.616 según el recuento de Artificial Analysis, aunque la documentación propia de Alibaba indica 1.000.000. La diferencia es de contabilidad, no de capacidad; ambos son modelos de un millón de tokens.

• Pesos — Hy4 está disponible para su descarga desde el 18 de noviembre de 2026 bajo la Licencia T​encent Hy, un checkpoint de 774 mil millones de parámetros en BF16 con una versión FP8 y una base preentrenada. Qwen4-Max no tiene ningún checkpoint publicado y los materiales de A​libaba lo describen como un modelo insignia propietario.

La línea de los pesos es la que tiene consecuencias más allá del precio. Un modelo descargable se puede ajustar con tus propias trazas, cuantizar para que encaje en tu hardware, auditar, fijar a una versión y ejecutar dentro de una red que no tiene ruta de salida. Uno propietario te da un contrato de API y una fecha de retirada. Por eso los anteriores análisis sobre Qwen4-Max en este blog volvían una y otra vez a la misma asimetría: los pesos abiertos con 770 mil millones de parámetros eliminan la barrera legal, no la barrera del hardware, pero para una empresa que ya posee el hardware, esa es toda la diferencia.

Donde un router cambia la aritmética

Tencent Hy4 se puede enrutar aquí como tencent/hy4 a $0,834 y $2,501 por millón de tokens, con lecturas de caché a $0,042 — la lista del propio proveedor, trasladada con 0 % de margen, de modo que cualquier cambio de precio de Tencent te llega el mismo día. Qwen4-Max no está en nuestro catálogo; Alibaba lo sirve a través de su propia API de Model Studio y de varias plataformas de terceros, y nosotros no lo enrutamos, así que nada en este artículo debe interpretarse como una oferta de hacerlo.

Lo que te aporta un único endpoint es la capacidad de dejar de tratar la elección como permanente. El DSL de enrutamiento puede enviar el trabajo según su forma: ingeniería a nivel de repositorio y análisis de documentos largos a tencent/hy4, razonamiento complejo y cualquier cosa con vídeo a Qwen4-Max mediante su propia API key, con conmutación por error automática entre ambos. Según las puntuaciones por componente anteriores, esa división no es un compromiso: es la asignación correcta, porque las evaluaciones débiles de los dos modelos apenas se solapan. La fusión de modelos iría aún más lejos: un panel de los dos pondría la puntuación HLE-Diamond de Qwen y la puntuación de repositorio de Hy4 frente a la misma respuesta.

Screenshot of the OrcaRouter model page for Hy4, captured 20 November 2026, showing the tencent/hy4 endpoint at $0.83 per million input tokens and $2.50 per million output tokens, a 1M-token context window, 65k maximum output, text and image input, vision, tools and JSON, zero data retention, and public benchmarks dated 4 November 2026.

¿Quién debería elegir cuál?

Elige Qwen4-Max si el trabajo es intensivo en razonamiento, si alguna parte implica video o si los resultados los juzgan personas en lugar de pruebas: la diferencia de 240 Elo en AA-Briefcase no es un error de redondeo. Presupuesta 3,2 veces el coste por tarea de Hy4 y un modelo que tarda el doble en terminar cada tarea.

Elige T​encent Hy4 si quieres poseer los pesos, si el trabajo es código a escala de repositorio o análisis de documentos extensos, o si la economía unitaria decide la adquisición. Es el modelo más barato en cada eje medido, es el que puedes ejecutar tú mismo y gana las dos evaluaciones que premian saber navegar material para el que nadie lo había preparado.

La cuestión abierta es si esa segunda lista crece. Los pesos de Hy4 son públicos desde hace dos días; un ajuste fino sobre las trazas del repositorio propio de una empresa atacaría una brecha de cinco puntos, lo que supone un fin de semana de cómputo a los precios actuales. A Qwen4-Max no se le puede atacar así en absoluto. Esa asimetría —un modelo que puedes mejorar y otro por el que solo puedes esperar— no aparece en ninguna tabla de benchmarks, y durante el próximo año importará más que los 8,3 puntos.

Comparados en este artículo1

Detectado en este artículo