Une carte de titre générée portant « Hy4 flash vs Tencent HY4 », avec le sous-titre « Une seule famille, deux niveaux, un écart de prix de douze fois », deux pastilles portant « Hy4 flash : 224B au total, 12B actifs, $0.070 / $0.281 » et « Tencent HY4 : 770B au total, 49B actifs, $0.834 / $2.501 », et un pied de page indiquant « Hy4 flash publié le 16 novembre 2026 ; Tencent HY4 en disponibilité générale le 4 novembre 2026. »
Guides & Insights

Hy4 flash vs Tencent HY4 : une même famille, deux niveaux et un écart de prix de douze fois

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Tencent HY4 est entré en disponibilité générale le 4 novembre 2026 en tant que modèle de 770 milliards de paramètres avec 49 milliards actifs par token, vision native, utilisation de l'ordinateur et un prix de 0,834 $ en entrée / 2,501 $ en sortie par million de tokens. Douze jours plus tard, le 16 novembre, Tencent a livré Hy4 flash : 224 milliards de paramètres au total avec 12 milliards actifs, le même contexte d'un million de tokens, et 0,070 $ en entrée / 0,281 $ en sortie. Hy4 flash a été construit en distillant Tencent HY4 puis en l'entraînant par apprentissage par renforcement à parler moins, et les propres recommandations de Tencent le confirment — utilisez le modèle flash pour la recherche approfondie, les documents, les diapositives, le travail frontend et l'utilisation de l'ordinateur, et réservez le modèle phare à l'ingénierie logicielle à long horizon. Ces recommandations sont d'une franchise inhabituelle pour un lancement, et c'est aussi la chose la plus utile dans l'une comme l'autre de ces deux sorties.

Donc il ne s’agit pas d’un duel entre rivaux. C’est une entreprise qui divise sa propre famille en deux et vous dit quelle moitié acheter, et les questions intéressantes sont de savoir quelle part du modèle phare survit dans le petit modèle, où se situe réellement la fracture, et ce que l’écart de prix de douze fois permet d’obtenir en plus des tokens.

Trois versions en onze semaines

La lignée explique l’essentiel du prix. Tencent a livré cette famille trois fois depuis août, et chaque version a fait varier une variable différente.

• 28 août 2026 — aperçu de Hy4. Apache 2.0, poids sur Hugging Face, ModelScope, GitCode et CNB, 770B au total / 49B actifs, 78 couches dont une dense et 77 de mélange d'experts avec 256 experts routés plus un partagé, routage top-8, un contexte de 1 048 576 tokens, une couche de prédiction multi-token de 10B avec 0,7B actifs. 6 ¥ / 18 ¥ / 0,3 ¥ par million de tokens. Huit lignes de benchmarks publiées, recettes vLLM et SGLang, paramètres d'échantillonnage par défaut publiés.

• 4 novembre 2026 — Tencent HY4. Même échelle de backbone, nettement plus de pré-entraînement et de post-entraînement, et deux nouvelles capacités : une vision native sur des images, graphiques et diagrammes finement détaillés, et l’utilisation de l’ordinateur via la souris, le clavier et la ligne de commande, avec un entraînement spécifique pour Blender, la CAO et les tâches de longue haleine inter-applications. Même tarif de 6 ¥ / 18 ¥ / 0,3 ¥. Pas de poids, pas de licence, pas de fiche modèle, pas d’annexe de benchmarks.

• 16 novembre 2026 — Hy4 flash. 224 B au total, dont 64 B de paramètres Engram et 12 B actifs, multimodal, contexte de 1 048 576 tokens, ¥0,5 / ¥2 / ¥0,02. Aucun poids, aucune licence, aucune fiche de modèle, chiffres de benchmark publiés uniquement sous forme d’images de graphiques.

La direction prise est visible : la famille est devenue à la fois moins chère et moins ouverte. Le membre le moins cher est aussi celui qui demande le moins de paperasse, et la seule version que quiconque peut télécharger est celle d’août.

Ce que le modèle phare fait encore que flash ne fait pas

A generated two-column card titled 'What the extra twelve times buys'. The Tencent HY4 column reads 770B total, 49B active; native vision on charts and diagrams; 78 layers, 256 routed experts; desktop computer use with Blender and CAD training. The Hy4 flash column reads 224B total, 12B active; multimodal with the encoder undisclosed; 64B Engram parameters; 1M context on both tiers. A footer reads 'All figures are Tencent's; neither model has an independent benchmark score.'

Deux capacités figurent dans le modèle phare et ne sont pas revendiquées pour le petit modèle dans les mêmes termes.

Vision à grande échelle. La version HY4 a démontré une photographie aérienne de 2,8 gigapixels dans laquelle le modèle a localisé un élément de toit de deux mètres, ce qui relève moins d’un résultat de vision que de la démonstration qu’une fenêtre d’un million de tokens peut contenir à la fois une image tuilée et une requête. Hy4 flash est qualifié de multimodal, et l’un des huit types de tâches de sa suite WorkIndex est la compréhension visuelle, mais la version ne précise pas si l’encodeur est le sien ou s’il est rapporté, quelle est sa taille, ni même si la vidéo est prise en charge. Pour le travail sur documents denses et graphiques, le modèle phare est celui qui s’appuie sur une démonstration publiée.

Utilisation de l’ordinateur et travail de bureau sur longue durée. Tencent a entraîné HY4 spécifiquement pour piloter un ordinateur de bureau à travers les applications, l’a exécuté dans un bac à sable construit sur son propre Agent Runtime avec plusieurs centaines d’applications installées, et a cité Blender et CAD parmi les charges de travail cibles. Hy4 flash est également recommandé pour l’utilisation de l’ordinateur, ce qui est une concession significative — mais c’est le modèle phare qui est accompagné de la description d’entraînement, et les données internes de WorkBuddy montrent que flash perd du terrain sur les tâches de codage longues tout en atteignant la parité sur le travail quotidien.

Tout le reste dans la colonne du modèle phare relève de l’échelle plutôt que de la capacité : 49 milliards de paramètres actifs contre 12 milliards, 78 couches documentées contre un nombre non divulgué, 256 experts routés contre un nombre non divulgué. Davantage de paramètres actifs apportent de la profondeur sur le raisonnement difficile et les longues chaînes d’outils. Ils ne donnent pas accès à la fenêtre de contexte, qui est identique sur les deux, ni à la multimodalité en principe, que les deux revendiquent.

D'où vient la différence d'un facteur douze

L’écart de prix n’est pas une remise. Il correspond à quatre fois moins de paramètres actifs, auxquels s’ajoute un ensemble de changements de serving, et Tencent est d’une précision inhabituelle sur la seconde partie.

Les travaux d’efficacité, selon le fournisseur : l’attention hybride, LatentMoE et les paramètres Engram produisent ensemble un cache KV dont la taille est le vingt-quatrième de celle de Hy3 et le sixième de celle de Tencent HY4. L’auto-distillation à partir de HY4, suivie d’un apprentissage par renforcement, a réduit de 50 % la longueur de sortie de bout en bout. Un mégakernel d’inférence avec quantification à quatre bits et un chemin de décodage appelé DFly maintient plus de 150 jetons par seconde. Chacun est plausible, chacun est cohérent avec l’architecture, et aucun n’a été reproduit indépendamment.

Le chiffre du cache KV est celui qui modifie l’arithmétique du déploiement, et pas seulement le prix. Sur un contexte d’un million de jetons, la taille du cache détermine combien de requêtes longues simultanées tiennent sur un nœud, et un sixième du cache du modèle phare à un douzième du prix est une combinaison qui peut transformer une charge de travail non rentable en charge rentable sans aucun changement de la qualité du modèle. La réduction de 50 % de la longueur des sorties est celle qui change la qualité, et c’est le chiffre à tester : des réponses plus courtes coûtent moins cher parce qu’elles sont plus courtes, et savoir si elles sont plus courtes parce que le modèle est efficace ou parce qu’il a cessé de réfléchir est exactement ce qu’un fournisseur ne peut pas vous dire au sujet de son propre modèle.

À titre de référence pour la trajectoire propre de la famille, Tencent indique un coût par tâche sur sa suite interne WorkIndex à un treizième de celui de Hy4 preview et à un vingtième de celui de Tencent HY4. La mesure par tâche diffère de celle par token, en intégrant la longueur de sortie et les tentatives ; le vingtième est donc le chiffre opérationnel honnête, et le douzième, la grille tarifaire. Les deux sont suffisamment importants pour que la direction ne fasse aucun doute.

La question de la distillation à laquelle personne n’a répondu

Un modèle distillé hérite du comportement de son enseignant sur les tâches couvertes par la distillation et invente le sien sur les autres. Tencent indique que Hy4 flash a été auto-distillé à partir de HY4, ce qui fait du modèle phare à la fois le concurrent et le signal d’entraînement — une configuration qui produit généralement un petit modèle très performant sur ce sur quoi l’enseignant a été intensivement entraîné, et nettement plus faible ailleurs.

Les données produit internes de l’entreprise sont cohérentes avec ce schéma. Dans WorkBuddy, Hy4 flash fonctionne à environ un quinzième du coût de Tencent HY4, avec un temps de tâche réduit de 70 %, une équivalence sur les tâches quotidiennes et une légère baisse sur le codage long. Dans les flux d’agents 微信支付, il égale ou dépasse DeepSeek-V4.1-Flash-1017 avec 6 % d’étapes en moins et 29 % de jetons de sortie en moins. Dans l’analyse des causes racines de 王者荣耀, il se situe près de DeepSeek-V4.1-Flash-1017 et de GLM-5.3-Flash en matière de localisation tout en utilisant 22 % à 39 % de requêtes en moins et 40 % à 61 % de jetons en moins. Dans 企业微信, il produit une sortie 88 % plus rapide avec 60 % de jetons de réflexion en moins que HY4.

Lus ensemble, ces chiffres décrivent un modèle excellent sur le type de tâches pour lesquelles la famille a été entraînée — documents, agents, sortie structurée, récupération — et qui cède un peu sur les tâches où la profondeur supplémentaire de l’enseignant faisait le travail. C’est le résultat attendu de la distillation et ce n’est pas une critique ; c’est la raison de conserver les deux niveaux plutôt que de remplacer l’un par l’autre.

Ce qu’aucun des deux modèles n’a

Ni la version phare ni la version flash ne sont fournies avec les poids. Tencent indique qu’il prévoit de rendre Hy4 flash open source et d’itérer fréquemment, mais il n’existe ni licence, ni date, ni dépôt. La publication des poids de Tencent HY4 est elle aussi annoncée comme un projet. Le seul membre de cette famille que l’on peut télécharger aujourd’hui est Hy4 preview, sous Apache 2.0, sur Hugging Face depuis le 28 août, et cela reste vrai onze semaines et deux versions plus tard.

Aucun des deux ne dispose d'un score de référence indépendant. Artificial Analysis n'a rien publié pour Tencent HY4 ni Hy4 flash. Chaque chiffre des deux communiqués provient de Tencent, les tableaux de benchmarks existent sous forme d'images de graphiques plutôt que de texte, et le test à l'aveugle qui sous-tend l'allégation phare du modèle flash repose sur 85 employés de Tencent utilisant un produit Tencent sur des tâches choisies par Tencent. Cela ne rend pas les chiffres faux. Cela en fait une hypothèse de départ.

Ni l'un ni l'autre ne dispose d'une configuration d'échantillonnage publiée, d'une fiche système ou d'une déclaration sur le comportement de refus. La version préliminaire incluait les trois.

La division pratique

Les recommandations de Tencent s’alignent plus nettement sur la forme des charges de travail que la plupart des conseils des fournisseurs, et il vaut la peine de les reformuler en termes opérationnels.

Par défaut, privilégiez Hy4 flash pour tout ce qui relève essentiellement de la lecture. Recherche approfondie, traitement de documents, extraction sur des entrées longues, génération de diapositives, création simple de squelettes frontend et boucles d’agents qui consacrent la majeure partie de leurs tokens à renvoyer le contexte. La réduction de dix fois sur le cache et l’empreinte KV plus faible font de la récupération à long contexte la charge de travail pour laquelle le niveau économique est le plus manifestement adapté, et les données internes couvrent exactement ce domaine.

Faites appel à Tencent HY4 lorsque la tâche est une longue chaîne de décisions. L’ingénierie logicielle multi-fichiers, l’automatisation de bureau à long horizon, les travaux de CAO et sous Blender, et tout cas où une exécution doit maintenir un plan cohérent sur des dizaines d’étapes. C’est le cas que Tencent lui-même concède, et les 37 milliards de paramètres actifs supplémentaires du modèle phare en sont le mécanisme.

Utilisez l’aperçu Hy4 comme témoin. Il appartient à la même famille, à la même échelle 770B/49B que le modèle phare, dispose d’une annexe de benchmarks publiée et de poids Apache 2.0 que vous pouvez exécuter vous-même. Lorsque vous décidez si flash est suffisamment bon, l’aperçu vous offre un point de référence qui ne dépend pas de la confiance accordée à un graphique.

Où lancer la comparaison

A screenshot of the OrcaRouter model page for Hy4 preview, slug tencent/hy4-preview, credited to Tencent and dated 2026-08-28, described as a 770B-total mixture-of-experts flagship with 49B activated per token, 78 layers and 256 routed experts plus one shared expert, over a 1,048,576-token context. The specification strip reads max output 64K, text in and text out, best for reasoning, coding and agentic work, p50 time to first token 4.65 seconds, running in the European Union. The pricing panel lists $0.834 input and $2.501 output per million tokens with a $0.042 cache read, and the performance panel shows 39.0 tokens per second. A button reads 'Get the Hy4 preview API'.

Ni Tencent HY4 ni Hy4 flash ne sont acheminés via OrcaRouter. Ce qui est présent ici, c'est tencent/hy4-preview au prix catalogue du fournisseur de 0,834 $ par million de tokens d'entrée et de 2,501 $ par million de tokens de sortie, ainsi qu'un palier gratuit limité en débit, et tencent/hy3 à 0,18 $ et 0,59 $ pour la génération précédente. Les deux modèles de cet article sont accessibles via le TokenHub de Tencent, où le palier flash bénéficie actuellement d'une promotion de 50 % de réduction pour une durée non précisée, et WorkBuddy est gratuit jusqu'au 30 novembre.

La voie preview vaut plus qu’elle n’en a l’air. Elle fait tourner la même architecture à la même échelle que le modèle phare, publie une annexe de benchmark de huit lignes que vous pouvez réexécuter contre le checkpoint, et coûte un quart de ce que coûterait l’évaluation du modèle phare. Si votre question est de savoir si le grand modèle de cette famille est suffisamment bon pour votre travail, la preview y répond pour une fraction du prix ; si la réponse est oui, Hy4 flash est la version à comparer en termes de prix, et la relation de distillation rend la comparaison inhabituellement propre — même famille, même contexte, même lignée de tokenizer, un écart de douze fois dans ce que vous payez.

Une raison de garder l’évaluation sur un routeur, même pour une famille à laquelle vous ne pouvez accéder que via son fournisseur : un modèle publié il y a six jours n’a aucun historique public de disponibilité, et passer à tencent/hy4-preview avec la même clé est une modification d’une seule ligne si un point de terminaison se comporte mal pendant une promotion de la semaine de lancement. Rien n’est ajouté à ce que Tencent facture — le prix catalogue est le prix — et lorsque Tencent ajuste un tarif, le nouveau montant est ce que vous payez au prochain appel, pas à la prochaine publication du tableau comparatif de quelqu’un. Le même identifiant ouvre également plus de deux cents autres modèles si l’évaluation s’étend au-delà de cette famille.

A generated decision card titled 'Split the work, do not replace it' with three rows: reading-heavy work such as documents, deep search and retrieval points to Hy4 flash; long chains of decisions such as multi-file engineering and desktop automation point to Tencent HY4; and a control row reading 'the control: Hy4 preview, same 770B scale, Apache 2.0 weights'. A footer reads 'Tencent reports one-twentieth the per-task cost and a small drop on long coding; no independent score for either model.'

La répartition par niveaux est l’annonce.

Ce que Tencent a dit de plus lourd de conséquences le 16 novembre, ce n'était pas le prix. C'était que le modèle phare reste dédié à l'ingénierie logicielle sur le long terme, tandis que le modèle bon marché se charge du travail quotidien — une entreprise qui scinde sa propre gamme de produits selon l'axe que ses clients ressentent réellement, et qui reconnaît que le modèle bon marché ne remplace pas le modèle coûteux.

Pour quiconque se trouve dans ce découpage, la décision est simple et les chiffres sont éloquents : un douzième du prix d’entrée, un neuvième de celui de sortie, un centième de celui du cache, quatre fois moins de paramètres actifs et une empreinte KV plus réduite sur la même fenêtre d’un million de tokens. Pour quiconque en est exclu — longues exécutions agentiques, automatisation de bureau, code multi-fichiers —, le modèle phare reste la réponse de la famille, et son propre fournisseur le dit.

Ce qui manque, c’est la preuve, et elle manque aux deux niveaux. Aucun score indépendant, aucun poids pour l’un ou l’autre des nouveaux modèles, des tableaux de référence qu’il faut lire comme des images, et une comparaison principale tirée d’un panel interne. Un écart de prix d’un facteur douze est une affirmation assez forte pour être testée par des personnes extérieures à Tencent d’ici quelques semaines. Tant que ce n’est pas fait, la position raisonnable est celle qu’impliquent les propres orientations de Tencent : utiliser l’offre économique pour les tâches pour lesquelles elle a été conçue, réserver le modèle phare aux travaux de longue haleine, et mesurer les deux plutôt que de choisir d’après la grille tarifaire.

Comparés dans cet article1

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement