
Hy4 flash débarque à 0,070 $ le million de tokens d'entrée : le modèle Hy le moins cher de Tencent est aussi le moins documenté
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 90 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 87 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 133 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 par million de tokens · 219 tok/s
Tencent a publié Hy4 flash le 16 novembre 2026, et la fiche technique se lit davantage comme un exercice d’ingénierie des coûts que de capacités : 224 milliards de paramètres au total, dont 64 milliards de paramètres Engram, 12 milliards actifs par token, une multimodalité native, un contexte de 1 048 576 tokens, et un prix catalogue en Chine continentale de 0,5 ¥ par million de tokens d’entrée contre 2 ¥ par million de tokens de sortie. La présentation de l’entreprise est qu’il égale Claude Haiku 5.5 sur le travail quotidien lors d’un test en aveugle mené auprès de ses propres employés, pour environ un dix-huitième du coût par tâche. Le test en aveugle est réel et le prix est réel ; la comparaison entre les deux relève de l’arithmétique de Tencent, et la différence entre ces deux affirmations constitue l’essentiel de ce que quiconque déploie ce modèle doit savoir.
Il n’y a pas de fiche modèle. Pas d’article d’architecture, pas de licence, pas de dépôt de poids et pas d’exécution de benchmark indépendante. Ce que Tencent a publié à la place, c’est une page de recherche avec des résultats de benchmark intégrés dans des graphiques PNG, une série de témoignages internes d’équipes produit et une promesse d’open-sourcer le modèle plus tard. C’est un dossier plus mince que celui avec lequel la preview de Hy4 est arrivée en août, et l’écart compte davantage ici que pour un modèle phare, car tout l’argument de vente de Hy4 flash est l’efficacité — et les affirmations d’efficacité sont précisément celles qu’on ne peut pas vérifier depuis un tableau de prix.
Ce que dit réellement la grille tarifaire
Pour un million de tokens, sur la carte continentale : 0,5 ¥ en entrée, 2 ¥ en sortie, 0,02 ¥ en entrée mise en cache. Tencent annonce le même modèle en dollars à 0,070 $ en entrée, 0,281 $ en sortie et 0,003 $ en cache, chiffre que l’article de lancement a mis en avant. Placez-le à côté du reste de la famille et le positionnement est sans ambiguïté.
• Hy4 flash — 0,5 ¥ en entrée / 2 ¥ en sortie / 0,02 ¥ en cache, 224B au total dont 12B actifs.
• Tencent HY4 — 6 ¥ en entrée / 18 ¥ en sortie / 0,3 ¥ en cache, 770 Md de paramètres au total dont 49 Md actifs, la version en disponibilité générale du 4 novembre 2026.
• Aperçu de Hy4 — le même tarif de ¥6 / ¥18 / ¥0,3, Apache 2.0, poids téléchargeables depuis le 28 août 2026.
Cela représente une division par douze des coûts d'entrée et par neuf des coûts de sortie par rapport à son propre modèle phare, d'une génération à l'autre, sans modification de la fenêtre de contexte. L'entrée mise en cache est divisée par quinze, ce qui est le poste de coût qui décide de l'économie de tout agent qui renvoie un long prompt système à chaque étape. Pour une charge de travail qui lit un grand document une fois puis lui pose vingt questions, le taux de cache est le taux qui compte, et à 0,003 $ par million, ce schéma est tarifé pour être presque gratuit.
Deux promotions s'ajoutent au prix catalogue et toutes deux sont temporaires. TokenHub de Tencent Cloud propose une remise de 50 % pour une durée limitée, sans date de fin annoncée, et WorkBuddy est gratuit jusqu'au 30 novembre. Ni l'une ni l'autre ne doit être intégrée à un budget de production ; le tarif catalogue est le chiffre qui subsistera après décembre.
D'où viennent les 12 milliards de paramètres actifs

La répartition des paramètres est la première chose à comprendre, car 64 milliards de paramètres Engram au sein d’un modèle de 224 milliards de paramètres ne constitue pas une disposition normale. Engram, dans l’usage de Tencent, est un composant de type mémoire qui conserve des associations apprises plutôt que de participer à chaque passe avant comme le fait un expert. La conséquence pratique est qu’une grande part de la taille totale du modèle n’est pas imputée au calcul par token : 12 milliards de paramètres s’activent par token, soit un quart de ce qu’active GLM-5.3 Flash et environ un quart des 49 milliards de Tencent HY4.
Tencent identifie quatre leviers, et chacun s’attaque à une partie différente de la facture.
Pré-entraînement. Attention hybride combinée à LatentMoE et aux paramètres Engram. Le résultat annoncé par Tencent est un cache KV faisant un vingt-quatrième de la taille de celui de Hy3 et un sixième de celle de Hy4. En service à long contexte, c'est la différence entre une requête qui tient sur un nœud et une requête qui nécessite un cluster, et c'est le chiffre le plus déterminant de cette version pour quiconque loue des GPU à l'heure.
Post-entraînement. Auto-distillation à partir de Tencent HY4, puis apprentissage par renforcement. Le résultat annoncé est une réduction de 50 % de la longueur de sortie de bout en bout. C’est là qu’un modèle flash rétrocède généralement une partie de son avantage tarifaire — des réponses plus courtes peuvent signifier un travail plus superficiel — et c’est aussi là que les affirmations sur le coût par tâche ci-dessous trouvent l’essentiel de leur levier. Les tokens de sortie sont les plus coûteux, à 0,281 $ par million, donc les diviser par deux divise par deux le poste le plus lourd de la facture avant même que la baisse de prix ne s’applique.
Inférence. Un mégakernel, une quantification en quatre bits et un chemin de décodage que Tencent appelle DFly, qui soutiennent ensemble plus de 150 jetons par seconde en décodage. Un décodage rapide modifie le comportement des agents autant que l'expérience utilisateur : une boucle d'appels d'outils qui consomme moins de temps d'horloge par étape peut se permettre davantage d'étapes dans le même budget de latence.
Détail de l’architecture. Aucun détail publié. Le nombre de couches, le nombre d’experts, la largeur de routage, la taille de l’encodeur visuel et le fait que la multimodalité soit native ou greffée après coup sont tous absents. Les chiffres de 224B et 12B proviennent de la page de recherche ; tout ce qui est plus granulaire n’existe pas publiquement.
Le test à l'aveugle, et ce que recouvre la mention « correspond à Claude Haiku 5.5 »
L’affirmation qui a circulé est le test à l’aveugle. Tencent l’a mené auprès de 85 utilisateurs de son produit WorkBuddy, sur 27 catégories de tâches et 259 tâches réelles du quotidien professionnel, en comparant Hy4 flash à plusieurs alternatives non nommées et en indiquant que la satisfaction des utilisateurs s’est révélée proche de celle de Claude Haiku 5.5, que Hy4 flash avait le coût par tâche le plus faible de tous les modèles du panel et qu’il terminait les tâches dans le temps le plus court.
Lisez attentivement la formulation, car l’article de lancement et la page de recherche ne disent pas la même chose. L’article indique que le modèle « égale » Claude Haiku 5.5. La page indique que la satisfaction était proche de la sienne. Proche ne veut pas dire égal, et un fournisseur qui résume son propre panel choisira la présentation qui le flatte. Plus important encore, le panel est composé de 85 salariés de l’entreprise qui a construit le modèle, travaillant sur des tâches que l’entreprise a sélectionnées, dans une interface que l’entreprise construit aussi. C’est une façon raisonnable de décider s’il faut déployer un modèle en interne. Ce n’est pas une preuve que les résultats d’un tiers seront équivalents, et cela n’établit pas la parité sur les types de tâches qui ne se trouvaient pas, par hasard, parmi les 27 catégories.
Ce que le test établit est plus étroit, et reste néanmoins utile : sur des tâches de type bureautique — documents, présentations, tableurs, le genre de choses pour lesquelles WorkBuddy est conçu —, un modèle à 12B de paramètres actifs n’était pas manifestement inférieur à un concurrent proche de l’état de l’art, selon l’avis de personnes qui utilisent les deux quotidiennement. Si cela se généralise, l’argument économique est écrasant. Savoir si cela se généralise reste la question ouverte, et aucun benchmark public dans la publication ne permet d’y répondre.
Tracé du 18x
La « réduction du coût par tâche de 18x » dans le billet de lancement n’est pas un ratio de prix. Hy4 flash coûte douze fois moins par token d’entrée que Tencent HY4 ; une simple comparaison par token donne donc 12x, et non 18x. L’écart provient de WorkIndex de Tencent, un benchmark interne composé de huit suites couvrant la création PowerPoint, la révision PowerPoint, la coécriture homme-machine, la coécriture Markdown, l’édition de documents, la réparation de tableaux, le traitement audio et vidéo, ainsi que la compréhension visuelle. Sur cette suite, au palier maximal et aux tarifs des heures de pointe, Tencent indique un coût par tâche d’un treizième de celui de Hy4 preview, d’un vingtième de celui de Tencent HY4 et d’un huitième de celui de DeepSeek-V4.1-Flash-1017.
Un vingtième face à son propre modèle phare et un dix-huitième face au modèle que cite le billet relèvent du même ordre de grandeur, donc le 18x est un chiffre rond défendable — mais c’est un chiffre par tâche, ce qui signifie qu’il intègre la longueur de sortie, le taux de réessai et le nombre d’étapes en plus du prix. Deux de ces trois entrées sont des paramètres que Tencent contrôle via le post-entraînement et ne communique qu’en pourcentage. Un modèle qui répond en deux fois moins de tokens à un douzième du prix n’est pas 18x moins cher à cause du prix ; il est 18x moins cher parce qu’on le fait aussi parler moins. Si votre tâche exige la réponse plus longue, vous obtenez moins de 18x, et l’article que vous lisez ne peut pas vous dire de combien vous êtes en dessous.
La même mise en garde s’applique à chaque chiffre par tâche de la publication, y compris aux chiffres internes de produits que Tencent a communiqués de son propre chef : une réduction de 70 % du temps de tâche et un coût d’environ un quinzième dans WorkBuddy par rapport à Tencent HY4, un gain de 2,52 % en conversation générale face à GLM-5.3-Flash dans 元宝, 29 % de tokens de sortie en moins et 6 % d’étapes en moins dans les flux d’agents de 微信支付 par rapport à DeepSeek-V4.1-Flash-1017, une sortie 88 % plus rapide et 60 % de tokens de réflexion en moins dans 企业微信, et 22 % à 39 % de requêtes en moins avec 40 % à 61 % de tokens en moins dans l’analyse des causes racines de 王者荣耀. Ce sont les chiffres les plus crédibles du lot, car ils proviennent de systèmes de production avec de vrais utilisateurs et de vraies factures. Ils sont aussi non audités et diffusés de manière sélective, et aucun produit ne publie les flux dans lesquels le modèle a perdu.
Ce que la version ne contient pas
Aucun poids ouvert. Tencent déclare prévoir de rendre Hy4 flash open source et de l'itérer fréquemment. Un projet n'est pas une licence. Hy4 preview est sorti sous Apache 2.0 dès le premier jour avec un dépôt Hugging Face, des recettes vLLM et SGLang et des paramètres d'échantillonnage par défaut publiés ; Hy4 flash n'a rien de tout cela, et la formulation autour de l'engagement open source est moins ferme que celle de la preview.
Aucune évaluation indépendante. À la date de publication, Artificial Analysis n'a publié aucun score pour Hy4 flash, et aucun tiers n'a reproduit un seul chiffre de l'annonce. Tous les chiffres ci-dessus proviennent de Tencent.
Aucun tableau de référence lisible par machine. Les résultats de DeepSWE, Terminal-Bench 4.0, APEX-Agents, AutomationBench, HLE et OSWorld 2.1 existent sous forme d'images de graphiques sur la page du fournisseur, et non sous forme de texte. C'est un choix étrange pour un lancement dont tout l'argument repose sur une efficacité mesurable, et cela signifie que les chiffres ne peuvent être ni copiés, ni comparés par diff, ni vérifiés sans lire des pixels.
Aucune fiche de sécurité ni fiche système. De plus, aucune déclaration concernant le comportement de refus, le traitement des données ou la disponibilité régionale au-delà des produits de Chine continentale nommés.
Où cela s’exécute, et comment l’essayer à moindre coût
La disponibilité le jour du lancement se limite aux propres services de Tencent : TokenHub sur Tencent Cloud pour l'accès API, WorkBuddy pour les tâches bureautiques, gratuit jusqu'au 30 novembre, et 元宝, 企业微信, QQ, ima et Marvis côté grand public et entreprises. Aucune autre annonce.

Sur OrcaRouter, Hy4 flash n'est pas encore dans le catalogue — la route qui existe pour cette famille est tencent/hy4-preview, à 0,834 $ par million de tokens d'entrée et 2,501 $ par million de tokens de sortie, avec en plus un palier gratuit à débit limité. C'est le modèle à partir duquel Hy4 flash a été distillé, c'est donc la bonne référence pour comparer en attendant : exécutez les mêmes tâches sur les deux une fois que la route flash sera disponible et vous obtiendrez le ratio par tâche que laisse entendre le WorkIndex de Tencent, sans avoir à lui faire confiance.
La raison de se soucier de l'endroit où il est servi tient au modèle tarifaire. OrcaRouter répercute le prix catalogue du fournisseur avec une marge de 0 %, ce qui n'est pas une remise mais un engagement sur ce qui se passe lorsqu'un fournisseur baisse un prix : Tencent a déjà appliqué deux remises promotionnelles sur ce modèle au cours de sa première semaine, et une route de répercussion reflète la suivante dès le jour où elle apparaît plutôt que lorsqu'un revendeur met à jour un tableau. Le basculement de secours compte pour la même raison, en sens inverse — un modèle non éprouvé à 12 B de paramètres actifs sur une infrastructure de semaine de lancement est exactement le modèle depuis lequel vous voulez pouvoir basculer sans réécrire un client, et la même clé donne accès à plus de 200 modèles si vous devez le faire.
Sur quoi le pointer en premier
{{1}}Les recommandations de déploiement de Tencent répartissent clairement les modèles de la famille, ce qui est plus utile que la plupart des conseils de fournisseurs, car elles reconnaissent une faiblesse : Hy4 flash pour la recherche approfondie, le traitement de documents, la génération de PowerPoint, les tâches front-end simples et l’utilisation d’un ordinateur ; {{2}}Tencent HY4 pour l’ingénierie logicielle sur long horizon{{/2}}. L’aveu se trouve dans la dernière proposition — le modèle économique n’est pas présenté comme un remplacement du modèle coûteux pour le codage, et les données internes de WorkBuddy montrent une légère baisse sur les tâches de codage longues, même s’il atteint la parité sur le travail quotidien.{{/1}}

Cela correspond à un plan de test simple. Prenez vingt tâches que vous exécutez déjà, dont la plupart sont de type document ou agent et quelques-unes sont de véritables tâches d’ingénierie difficiles. Enregistrez les jetons d’entrée, les jetons de sortie, les succès du cache, le temps réel d’exécution et si la sortie était exploitable. Exécutez-les sur Hy4 flash et sur la baseline que vous utilisez aujourd’hui. Vous saurez en un après-midi si le facteur 18x s’applique à votre trafic, ce qui vous en dira plus que la release elle-même.
Le modèle Hy le moins cher est le moins lisible.
Tencent a construit quelque chose qui mérite attention : un modèle dont un quart des paramètres est actif, avec une fenêtre d’un million de tokens, un cache KV assez petit pour changer les calculs économiques du service, et un prix inférieur d’un ordre de grandeur à celui de son propre modèle phare. L’ingénierie décrite — paramètres Engram, réduction de 50 % de la longueur de sortie grâce à l’auto-distillation, inférence en quatre bits à plus de 150 tokens par seconde — est le genre de travail qui apparaît sur une facture plutôt que dans un classement, ce qui explique sans doute pourquoi Tencent a mis en avant le coût par tâche.
Mais la version publiée demande qu’on la croie précisément sur les quantités qu’elle refuse de documenter. Aucun poids, aucune fiche modèle, aucun score indépendant, des chiffres de benchmark derrière des pixels, et une comparaison phare tirée d’un panel de ses propres employés. Rien de tout cela n’est malhonnête. Tout cela signifie que le résumé honnête est « c’est probablement le meilleur rapport qualité-prix de la famille Hy et personne en dehors de Tencent ne l’a vérifié », et que la bonne réponse est un essai de deux semaines avec comptage des tokens, pas une migration.
La promesse open source est le point à inscrire à votre agenda. Si Tencent publie les poids comme il l’a fait pour Hy4 preview — Apache 2.0, dès le premier jour, avec des recettes de serving — les allégations d’efficacité deviennent vérifiables et le modèle devient une option sérieuse pour quiconque veut exécuter lui-même des inférences à bas coût. D’ici là, Hy4 flash est un très bon prix attaché à un dossier très mince, et c’est sur l’écart entre ces deux constats que doit se porter votre budget d’évaluation.
Comparés dans cet article3
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
