
Hy4 flash vs Qwen3.8-Flash : deux fois plus de paramètres actifs, moitié moins cher par token
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 138 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 175 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 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 · 44 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 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Le modèle le moins cher ici est le plus grand. Hy4 flash active 11,3 milliards de paramètres de texte à chaque token et affiche un tarif de 0,070 $ par million de tokens d’entrée. Qwen3.8-Flash en active environ 6 milliards et affiche un tarif de 0,15 $. Près de deux fois plus de calcul actif par token, moins de la moitié du prix d’entrée — et aucun de ces deux chiffres n’est celui qui détermine le modèle que vous devriez réellement appeler.
Hy4 flash a deux jours. Tencent l'a mis sur sa propre API le 16 novembre 2026, a publié les poids le lendemain et a livré trois dépôts pour celui-ci : le checkpoint instruct, une version FP8 et un modèle de base. Il s'agit d'un mélange d'experts de 220 milliards de paramètres avec 12 milliards actifs, une fenêtre de contexte de 1 048 576 jetons, une entrée image et une sortie texte, sous licence Tencent Hy. Qwen3.8-Flash est présent sur QwenCloud depuis qu'Alibaba l'a ouvert aux côtés des poids Qwen3.8-Flash-Next le 26 août 2026 : un corps d'experts de 125 milliards de paramètres activant environ 6 milliards, plus une table d'embeddings de n-grammes de 51 milliards de paramètres, acceptant du texte, des images et des vidéos en entrée et renvoyant du texte, avec un contexte de 1M et une sortie maximale de 131K.
La forme de cette comparaison est donc inhabituelle. Un modèle est le niveau économique le mieux documenté du marché, et l’autre est le moins documenté. L’un dispose d’une ligne de benchmark indépendante, et l’autre d’un 404. Et les deux grilles tarifaires sont libellées dans des devises différentes, vendues sur des marchés différents et encadrées par des quantités différentes de petits caractères. Ce qui est intéressant, ce n’est pas le 2,1x sur la ligne des entrées — c’est ce qu’il advient de cet écart une fois qu’on cesse de tarifer les tokens pour tarifer le travail fini.
L'inversion sur la grille tarifaire, avant toute chose
La grille tarifaire de Tencent pour la Chine continentale concernant Hy4 flash indique ¥0,5 par million de tokens d’entrée, ¥2 par million de tokens de sortie et ¥0,02 par million de tokens d’entrée mis en cache. Tencent affiche les mêmes trois lignes en dollars, à savoir 0,070 $, 0,281 $ et 0,003 $. La grille tarifaire de QwenCloud pour Qwen3.8-Flash indique 0,15 $ en entrée, 0,47 $ en sortie, 0,016 $ pour une lecture de cache et 0,20 $ par million pour la création explicite d’un cache de cinq minutes.
Entrée — 0,070 $ contre 0,15 $. Hy4 flash est 2,1 fois moins cher.
• Sortie — 0,281 $ contre 0,47 $. Hy4 flash est 1,7 fois moins cher.
• Entrée mise en cache — 0,003 $ contre 0,016 $. Hy4 flash est 5,3 fois moins cher sur le poste de coût qui domine chez tout agent renvoyant un prompt fixe.
• Tarification mixte selon un ratio de 3:1 entre entrées et sorties — environ 0,123 $ par million contre 0,230 $.
• Mixte à 1:3, à dominante output — environ 0,228 $ contre 0,390 $.
C'est un écart réel, et plus petit que ne le laisse entendre le ratio annoncé, car la colonne de sortie est celle où les deux modèles dépensent réellement de l'argent sur le travail agentique, et l'écart sur la sortie n'est que de 1,7x. Il est aussi plus petit que l'écart que chacun de ces modèles présente face à un modèle phare occidental, qui est l'entreprise que chacun d'eux maintient dans ce segment.
La mise en garde honnête vaut pour les cinq lignes : il ne s’agit pas du même type de prix. Celui de Tencent est un tarif catalogue en RMB pour la Chine continentale, que Tencent a converti pour les lecteurs anglophones, et Tencent a déjà appliqué des remises promotionnelles sur ce modèle lors de sa première semaine. Celui de QwenCloud est un tarif catalogue en USD sur un point de terminaison mondial. Une équipe qui achète en dollars depuis l’extérieur de la Chine continentale doit considérer les chiffres de Hy4 flash comme le plancher de ce qui est disponible, plutôt que comme le montant qui lui sera facturé, et doit relire la fiche tarifaire avant de baser quoi que ce soit dessus.
Lancez le volume quand même, car la structure tient. Dix millions de tokens d’entrée et deux millions de tokens de sortie par jour coûtent 1,26 $ sur Hy4 flash et 2,44 $ sur Qwen3.8-Flash — 461 $ contre 891 $ sur un an, soit une différence d’environ 430 $ pour une taille de charge de travail qu’une petite équipe peut réellement générer. Faites pencher le mélange vers le cache, comme le fait tout agent multi-tour, et l’écart se creuse : deux millions d’entrées fraîches, huit millions de lectures de cache et deux millions de sorties reviennent à 0,73 $ par jour contre 1,37 $, car le ratio de lectures de cache est de 5,3x plutôt que de 2,1x.

Les deux fournisseurs ont consacré près d’un tiers des paramètres à la même idée
C'est l'élément de la comparaison que ni l'un ni l'autre des articles de lancement des deux fournisseurs ne met en regard de celui de l'autre, et c'est la raison pour laquelle les deux modèles sont proposés à un prix dans un rapport de deux et non de dix.
Hy4 flash embarque 63,5 milliards de paramètres Engram — des représentations de bigrammes et de trigrammes apprises, récupérées via des recherches de hachage multi-têtes, puis injectées dans le backbone aux couches 1, 11, 21 et 31. Cela représente 28,9 % des 220 milliards de paramètres du modèle qui résident dans une table de correspondance plutôt que dans des experts. Qwen3.8-Flash embarque une table d'embeddings de n-grammes de 51 milliards de paramètres, indexée sur le token courant et plusieurs tokens précédents, sur environ 180 milliards de paramètres sur disque — 28,3 %.
Deux laboratoires, deux générations, la même conclusion : le moyen le moins coûteux d’ajouter des capacités à un modèle clairsemé est de cesser de payer du calcul par token pour cela. Les deux tables peuvent résider dans la mémoire de l’hôte et être préchargées de manière asynchrone, de sorte qu’aucune des deux n’occupe en permanence la mémoire du GPU. Aucune n’ajoute de multiplication matricielle à la passe avant. Toutes deux sont, en pratique, un pari selon lequel une grande partie de ce qu’un modèle de langage doit savoir est localement prévisible à partir des quelques derniers tokens, et selon lequel le corps d’experts clairsemé doit être réservé à ce qui ne l’est pas.
Les empilements d’attention riment eux aussi. Hy4 flash entrelace l’attention éparse IndexPool avec des fenêtres glissantes de 512 tokens selon un ratio de 1:3 sur 42 couches, et Tencent indique que le cache KV obtenu représente 1/24 de celui de Hy3 et 1/6 de celui de Hy4. Qwen3.8-Flash utilise Gated DeltaNet avec Qwen Sparse Attention, en compressant l’historique en états de taille fixe dans trois couches sur quatre et en acheminant le reste via un indexeur au niveau des blocs. Les deux répondent à la même question — comment servir une fenêtre d’un million de tokens sans payer un cache KV d’un million de tokens — et les deux réponses aboutissent à une variante de « ne pas appliquer l’attention à tout ».
La différence, c’est ce que les paramètres actifs supplémentaires apportent. Hy4 flash fait tourner 11,3 milliards de paramètres texte contre 6 milliards pour Qwen3.8-Flash, sur 41 couches MoE avec 16 experts routés sur 512, plus un expert partagé, dans un espace latent de 1 536 dimensions. Cela représente près du double du calcul par token, dans un modèle qui facture moins de la moitié par token. Quoi qu’il en soit par ailleurs, Tencent ne récupère pas ce coût auprès du client — il le récupère dans la pile de service : poids en 4 bits, mégakernels et DFly2, un modèle de draft de 0,85 milliard de paramètres qui réutilise les sélections creuses de KV et d’index du modèle cible afin que chaque token de draft ne prête attention qu’à environ 2 000 clés au maximum, quelle que soit la longueur du contexte. Tencent annonce un décodage à plus de 150 tokens par seconde avec ces trois éléments réunis.
Ce que 29,5 minutes par tâche permettent réellement d’obtenir
Les prix par token sont la mauvaise unité pour ces deux modèles, et les données indépendantes le rendent concret pour l’un des côtés de la comparaison.
Artificial Analysis attribue à Qwen3.8-Flash-Next — l’artefact à poids ouverts, et non le SKU hébergé — un score de 28,6 sur l’Intelligence Index v5.0.1, à 0,569 $ par tâche, en plus de 29,5 minutes par tâche, à 83,6 jetons de sortie par seconde, avec 2,5 secondes jusqu’au premier jeton et 68,3 secondes jusqu’au premier jeton de réponse.
Ces cinq nombres, une fois multipliés, donnent quelque chose de plus utile que chacun d’eux pris isolément. À 83.6 tokens par seconde pendant 1,768 secondes, une tâche produit environ 148,000 tokens de sortie. À $0.47 le million, cela représente environ sept cents de sortie. Les cinquante cents restants des $0.569 correspondent à l’entrée, ce qui, à $0.15 le million, implique au moins 3.3 millions de tokens d’entrée sur l’ensemble de la tâche — davantage si une partie a été servie depuis le cache au tarif moins élevé. Une entrée de 3.3 millions de tokens face à un contexte de 1M ne constitue pas un seul prompt. C’est une boucle : lire, agir, relire, sur vingt ou trente tours, avec le contexte reconstruit ou reporté à chaque fois.
C'est la charge de travail pour laquelle les deux modèles sont conçus, et c'est pourquoi les choix de conception de Hy4 flash se lisent comme ils le font. Le pipeline de post-entraînement de Tencent a réduit la production moyenne de bout en bout de 50 % grâce à l'apprentissage par renforcement, et son évaluation interne en aveugle rapporte un temps médian d'achèvement des tâches de 6,7 minutes à 0,26 RMB par tâche — environ 0,037 $ aux taux en vigueur. Sa suite interne WorkIndex place Hy4 flash à 42,1 contre 39,7 pour Hy4 preview, à un coût moyen par tâche que Tencent indique comme étant le treizième de celui de Hy4 preview, le vingtième de celui de Hy4 et le huitième de celui de DeepSeek-V4.1-Flash-1017 aux tarifs des heures de pointe.
Ne divisez pas ces chiffres par ceux d'Artificial Analysis. Une médiane de 6,7 minutes sur 259 tâches WorkBuddy auprès de 85 utilisateurs internes n'est pas une médiane de 29,5 minutes sur l'Intelligence Index, et un chiffre en RMB par tâche issu du banc d'essai propre à un fournisseur n'est pas un chiffre en dollars par tâche issu d'un banc d'essai indépendant. La comparaison qu'ils étayent est indicative et il vaut la peine de le dire clairement : le coût mesuré par tâche de Qwen3.8-Flash est dominé par le nombre de tokens qu'il dépense et par le temps qu'il prend, non par ce qu'il facture par token. Un modèle qui écrit deux fois moins et termine en un cinquième du temps peut être 1,7 fois moins cher par token de sortie et d'un ordre de grandeur moins cher par travail terminé. Savoir si Hy4 flash est réellement ce modèle est précisément ce que personne n'a encore mesuré.
Le tableau des scores ne comporte qu’une ligne, et elle ne concerne pas le modèle que vous appelleriez.
Deux révélations, qui changent toutes deux le poids que peuvent avoir les chiffres ci-dessus.
Premièrement : Hy4 flash n’a pas de page Artificial Analysis. Pas une note faible, pas une entrée non classée — https://artificialanalysis.ai/models/hy4-flash a renvoyé une erreur 404 le 18 novembre 2026, trois jours après l’ouverture de l’API et un jour après la mise à disposition des poids. Il n’existe absolument aucune mesure indépendante de ce modèle. Le tableau de benchmarks publié par Tencent couvre les checkpoints de base pré-entraînés, Hy4 flash Base face à Hy4 Base et aux modèles de base de DeepSeek, ce qui renseigne sur le pré-entraînement et rien sur le modèle d’instructions ni sur le mode de raisonnement que vous appelleriez réellement. Les seules preuves concernant le modèle d’instructions sont celles de Tencent : WorkIndex, le test à l’aveugle et un ratio de coût par tâche.
Deuxièmement : le 28,6 et le 0,569 $ concernent Qwen3.8-Flash-Next, le checkpoint téléchargeable. Le Qwen3.8-Flash hébergé sur QwenCloud est une version de service ajustée séparément ; Alibaba la commercialise comme le membre industrialisé de la gamme, et les deux ne sont pas interchangeables. Artificial Analysis enregistre également Qwen3.8-Flash-Next avec un contexte de 256 000 tokens — la fenêtre native du checkpoint avant extension YaRN — tandis que QwenCloud sert le modèle hébergé à 1M avec une entrée maximale de 991K. Si vous tarifiez le modèle hébergé, vous vous fiez à la fiche de QwenCloud et aux évaluations d'Alibaba pour tout, sauf le score d'intelligence, qui est celui du checkpoint.
L’asymétrie est criante d’une manière facile à énoncer et difficile à résoudre : un modèle dispose d’un score indépendant qui appartient à un autre artefact, et l’autre n’a aucun score indépendant. Tout article qui vous désigne un vainqueur sur la capacité ici en invente un. Ce que l’on peut dire est plus étroit et reste utile. Qwen3.8-Flash, à 28,6, se situe en dessous de Tencent Hy4, le modèle phare de 770 milliards de paramètres de la même famille, à 34,6, et en dessous de Claude Haiku 5.5 à 36,5 sur la même version de l’indice — un score solide de milieu de gamme, ce qu’un petit modèle flash devrait produire. Hy4 flash, sur la suite interne de Tencent, obtient un score supérieur à Hy4 preview et bien inférieur à Hy4, ce qui correspond à la même position relative selon un autre instrument.
La vidéo est la seule ligne qui se décide elle-même.
Tout ce qui précède est discutable. Ceci ne l'est pas.
• Entrée Hy4 flash — texte et images, via un encodeur dérivé de SigLIP2-So400m sur un projecteur MLP. La sortie est du texte.
• Entrée Qwen3.8-Flash — texte, image et vidéo. La sortie est du texte.
Si votre pipeline ingère un enregistrement d’écran, une capture d’appel ou un fichier vidéo, Hy4 flash ne peut pas l’accepter et Qwen3.8-Flash le peut. Les poids ouverts ne servent à rien, un adaptateur ne sert à rien, et aucun avantage tarifaire, aussi important soit-il, ne comble cet écart. Les deux disposent d’un million de tokens de contexte, les deux traitent les documents et les captures d’écran, et sur ce terrain commun la comparaison reste ouverte ; sur la vidéo, elle est close.
Les charges de travail recommandées par Tencent lui-même pour Hy4 flash sont cohérentes avec cette limite — recherche approfondie, traitement de documents, création de diapositives, démos front-end simples, utilisation d’un ordinateur — et ses propres recommandations orientent l’ingénierie logicielle à long horizon vers Hy4 à la place. C’est un fournisseur qui concède un plafond, ce qui est plus instructif que la plupart des textes de lancement et mérite d’être pris au pied de la lettre.
Les deux sont téléchargeables, et les téléchargements ne sont pas équivalents

Hy4 flash est sorti en poids ouverts le 17 novembre : tencent/Hy4-flash, tencent/Hy4-flash-FP8 et tencent/Hy4-flash-base. Une liste de fichiers datée du 18 novembre indique que le checkpoint BF16 fait 440,5 Go répartis sur 148 shards, et la version FP8 287,1 Go. Qwen3.8-Flash-Next est public depuis le 24 août et affiche 360,0 Go répartis sur 131 shards.
• Recette de service — Tencent publie des images épinglées, vllm/vllm-openai:hy4-flash et lmsysorg/sglang:hy4-flash, avec les options tensor-parallel-8 et speculative-decoding explicitement indiquées. Qwen3.8-Flash-Next bénéficie de la prise en charge de SGLang, vLLM et Transformers depuis la semaine de son lancement.
• Transformers — Hy4 flash nécessite une installation depuis une ref de pull-request, refs/pull/50903/head, car la prise en charge n'est pas encore sur main. Qwen3.8-Flash-Next se charge depuis main.
• Quantification — Tencent propose une version FP8 officielle et un GGUF AngelSlim ; l’écosystème Qwen a disposé de quatre mois pour produire ses propres quantifications communautaires.
• Signal écosystémique — Qwen3.8-Flash-Next a enregistré 2 983 542 téléchargements au cours du dernier mois et 7 276 mentions J’aime le 18 novembre. Hy4 flash, publié la veille, affichait 96 mentions J’aime et un nombre de téléchargements nul.
• Matériel — 440 Go de poids BF16 ne tiennent pas sur huit cartes de 80 Go ; la version FP8 à 287 Go répartie sur huit H100 est donc le déploiement mono-nœud réaliste, et c’est exactement la configuration TP=8 que spécifie la recette de Tencent elle-même.
Les images épinglées et une installation à partir d’une référence PR ne sont pas rédhibitoires ; elles signifient que vous exécutez les builds que Tencent a testés plutôt que des builds qui ont été publiés, ce qui change qui portera le prochain bug. L’avantage de Qwen ici tient entièrement aux quatre mois écoulés, et il s’effacera. Aujourd’hui, il est réel, et c’est le deuxième plus grand écart de cette comparaison après la ligne de benchmark manquante.
Les deux licences comportent toutes deux une clause de modèle en tant que service, et il s’agit de clauses différentes.
Les deux modèles sont gratuits à télécharger et aucun des deux n’est libre à la revente sans condition, mais les déclencheurs ne prennent pas la même forme et la différence compte si vous hébergez des modèles pour d’autres personnes.
• Licence Tencent Hy v1.0 — une déclinaison d’Apache 2.0. La section 10.2 exige une licence écrite distincte si vous exploitez une activité de modèle en tant que service et que votre chiffre d’affaires brut mondial dépasse 50 millions de dollars US au cours de toute période de douze mois, ou que votre produit dépasse 100 millions d’utilisateurs actifs mensuels. La section 10.3 exonère l’usage interne.
• Licence communautaire Qwen 1.0 — exige une licence distincte pour toute activité de type Model-as-a-Service ou d'assistant de travail IA, quelle qu'en soit la taille, l'usage interne étant exempté. Elle exige par ailleurs que le nom du modèle soit affiché de manière bien visible si vous dépassez 100 millions d'utilisateurs actifs mensuels ou 20 millions de dollars américains de chiffre d'affaires mensuel.
• L’exception de Qwen mérite d’être lue deux fois — la licence exclut explicitement de sa définition de Model as a Service « le simple relais de requêtes vers des modèles hébergés par d’autres tiers ». La licence de Tencent ne comporte aucune phrase équivalente.
Aucune des deux ne comporte de restriction territoriale, ce qui n’est pas le cas de plusieurs licences chinoises pour modèles à poids ouverts. Si vous développez un outil interne, toutes deux sont gratuites à toute échelle. Si vous développez un produit qui revend de l’inférence, le seuil de Tencent est plus simple et la dérogation de Qwen pour les relais est plus permissive pour un type précis d’intermédiaire, et celle qui vous lie dépend de laquelle de ces deux activités est la vôtre.
Qu’est-ce qui est appelable aujourd’hui, sur une seule touche ?

Qwen3.8-Flash figure au catalogue d'OrcaRouter sous qwen/qwen3.8-flash, à 0,15 $ par million de jetons d'entrée et 0,47 $ par million de jetons de sortie, avec une lecture de cache à 0,0184 $ — les tarifs d'invite et de complétion publiés par QwenCloud répercutés sans majoration, de sorte qu'une baisse de prix du fournisseur sur ce modèle vous parvient le jour même, et non lors de la prochaine synchronisation du catalogue.
Hy4 flash n'est pas encore au catalogue. Ce qui existe pour cette famille, c'est tencent/hy4-previewà 0,834 $ et 2,501 $ par million, avec une lecture de cache à 0,042 $ — le modèle dont Hy4 flash a été distillé, et la bonne base de comparaison à utiliser face à l'API de Tencent pendant que vous attendez que la route flash soit disponible. Dire le contraire reviendrait à revendiquer une route que nous n'avons pas.
Ce que cette asymétrie vous offre, c'est un moyen peu coûteux de trancher la question vous-même. Faites tourner vos vingt tâches les plus représentatives sur qwen/qwen3.8-flash avec la clé que vous possédez déjà, et sur Hy4 flash avec celle de Tencent. Notez les tokens d'entrée, les tokens de sortie, les hits de cache, le temps réel et si la sortie était exploitable. Le ratio par tâche obtenu est la seule version de l'affirmation de Tencent d'un coût divisé par treize qui s'applique à votre trafic, et elle vous coûte un après-midi plutôt qu'une migration.
Quand la route flash finit par arriver, le schéma utile est une règle de routage plutôt qu’un basculement : placez le niveau d’ingestion vidéo sur la route Qwen, car c’est la seule des deux à accepter la vidéo, et le niveau texte et documents sur le modèle que vos propres chiffres favorisent. Le DSL de routage exprime cette répartition dans un seul point de terminaison ; le basculement automatique fait qu’une route non éprouvée, vieille de deux jours, qui se dégrade n’emporte pas le pipeline avec elle, et la même clé donne accès à plus de 200 modèles sans second contrat.
La décision, énoncée en trois cas
Si vous avez besoin d'une entrée vidéo, la comparaison s'arrête là. Qwen3.8-Flash la prend en charge, Hy4 flash non, et aucun argument de prix ne tient face à une modalité manquante.
Si vous avez besoin d’un modèle doté d’un score indépendant avant qu’il n’atteigne un parcours destiné aux clients, vous avez déjà votre réponse, pour la même raison. 28,6 sur Intelligence Index v5.0.1 est un chiffre modeste — inférieur au 34,6 du modèle phare de Tencent lui-même et inférieur à Claude Haiku 5.5 à 36,5 — mais il est mesuré, public et reproductible, et Hy4 flash n’a rien de tel. Cela changera probablement ; c’est la chose la plus précieuse que quiconque pourrait publier à propos de ce modèle.
Si votre charge de travail se compose de textes et de documents à gros volume, est sensible à la latence et que vous pouvez réaliser votre propre évaluation, Hy4 flash vaut l’après-midi. Près du double de paramètres actifs pour moins de la moitié du prix des entrées, ce n’est pas un compromis habituel ; la ligne des entrées mises en cache à $0.003 rend presque gratuit le fait de relancer des agents de longue durée, et les poids signifient que le prix n’est qu’une option parmi d’autres, pas la seule. Sachez en vous lançant que vous êtes la première personne à le mesurer, que son tableau de benchmarks publié décrit un checkpoint différent de celui que vous allez appeler, et que 440 Go de poids BF16 ne tiendront pas sur un seul nœud sans la version FP8.
Le chiffre à surveiller n’est pas un autre article de lancement. C’est une ligne d’Artificial Analysis pour Hy4 flash, car elle convertit le ratio interne d’un fournisseur en une valeur que vous pouvez comparer directement aux 0,569 $ par tâche sur 29,5 minutes de Qwen3.8-Flash-Next. Si Hy4 flash se situe nettement sous ce niveau en coût par tâche tout en restant à quelques points d’indice près, l’écart de prix est toute l’histoire et ce segment se réorganise autour de lui. S’il est bon marché parce qu’il fait moins de travail par tâche, alors c’est un modèle de documents et de diapositives avec une grille tarifaire exceptionnellement avantageuse, et les propres recommandations de déploiement de Tencent le disent déjà.
Comparés dans cet article3
Détecté à partir de cet article
