
Tencent Hy4 vs Claude Opus 5.5 : un dixième du coût par tâche
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 182 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 749 tok/s
- AlibabaNOUVEAUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 par million de tokens · 1902 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 96 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 · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 41 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 · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 109 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 · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Tencent Hy4 a cessé d'être un modèle loué le 20 novembre 2026. C'est la date à laquelle Tencent a publié les poids — tencent/Hy4, Hy4-FP8 et le modèle pré-entraîné Hy4-base — sur Hugging Face, ModelScope et GitCode, seize jours après la mise à disposition générale du modèle lui-même, le 4 novembre. Claude Opus 5.5, en revanche, n'a jamais été téléchargeable : Anthropic l'a publié le 22 septembre 2026 comme modèle phare exclusivement accessible via API et n'a rien annoncé quant à son ouverture. La question intéressante n'est donc plus de savoir quel modèle est le meilleur. Elle est de savoir ce que l'on achète lorsque l'on paie environ dix fois plus par tâche accomplie pour un modèle qui obtient 24 points de plus sur l'indice indépendant — et si cet arbitrage tient toujours une fois que la solution bon marché peut être exécutée sur votre propre matériel.
Les chiffres qui rendent la comparaison concrète proviennent tous deux d'Artificial Analysis, sur la révision v5.0.1 de son Intelligence Index. Claude Opus 5.5 se situe à 59 à son réglage d'effort maximal, 57 à xhigh, 52 à high, 48 à medium et 35 à low. Tencent Hy4 se situe à 35, sans répartition par niveau d'effort publiée. En coût par tâche d'Intelligence Index accomplie, l'ordre s'inverse radicalement : 10,04 $ pour Claude Opus 5.5, 1,03 $ pour Tencent Hy4.
Qu’est-ce qui a réellement changé le 20 novembre
La propre façon dont Tencent présente cette sortie tient en une seule ligne dans la section actualités de la fiche du modèle : l’entreprise a publié en open source Hy4, Hy4-FP8 et Hy4-base. Ce que cela signifie concrètement est plus précis, et il vaut la peine de le distinguer du discours marketing.
• Poids — checkpoints BF16 complets. Le dépôt Hugging Face indique 774,4 milliards de paramètres dans l’index safetensors, soit le socle de 770B, plus l’encodeur visuel et le modèle draft. Une version GGUF 4 bits est déjà disponible dans un dépôt séparé pour celles et ceux qui souhaitent tester le modèle sans cluster multi-nœuds.
• Licence — la Tencent Hy License, version 1.0. Elle est dérivée d’Apache 2.0 mais n’est explicitement pas Apache 2.0, et la section 10 ajoute des conditions commerciales importantes. Plus de détails ci-dessous.
• Service — Tencent fournit des images préconstruites plutôt que de vous laisser vous battre contre l’architecture : vllm/vllm-openai:hy4 et lmsysorg/sglang:hy4, tous deux avec le draft de décodage spéculatif DFly2 intégré. La recette vLLM exige huit GPU avec une taille de parallélisme tensoriel de 8 pour le checkpoint FP8.
• Ce qui n’a pas changé — le prix. Tencent Hy4 est facturé 0,834 $ par million de tokens d’entrée et 2,501 $ par million de tokens de sortie depuis sa disponibilité générale, les lectures du cache étant à 0,042 $. L’ouverture des poids ne s’est pas accompagnée d’une baisse de tarif, et rien n’indique qu’une telle baisse soit à venir.
La version GA et la version ouverte sont le même modèle. Ce n'était pas le cas un mois plus tôt : la version d'août, Tencent Hy4 Preview, est sortie sous Apache 2.0 avec les poids dès le premier jour, et la version GA de novembre est arrivée sous la forme d'une API fermée avec une promesse. La mise en ligne du 20 novembre est la concrétisation de cette promesse, assortie d'une licence plus stricte.
L'écart sur l'indice indépendant
Vingt-quatre points représentent un écart important, et cet écart est plus grand que ne le suggère le chiffre principal dès lors qu’on examine ce que mesure chaque nombre. Artificial Analysis publie Claude Opus 5.5 à cinq niveaux d’effort et Tencent Hy4 à un seul. Le 35 de Hy4 n’est pas un chiffre à effort comparable ; c’est le seul chiffre publié par le laboratoire, et il reflète probablement le réglage de raisonnement par défaut du modèle, qui est élevé sur l’API propre à Tencent.
Deux choses en découlent. Premièrement, la comparaison honnête est 35 contre 52 pour Opus 5.5 en effort élevé, et non contre son score de 59 — un écart de 17 points plutôt que de 24. Deuxièmement, et c’est plus utile, la ligne « faible effort » de Claude Opus 5.5 affiche elle aussi 35. Dans son réglage le plus rapide et le moins coûteux, le modèle phare d’Anthropic obtient le même score d’indice que le modèle phare ouvert de Tencent dans son réglage par défaut. C’est un fait véritablement utile pour quiconque construit une table de routage, car cela signifie que le choix n’est pas « bon modèle contre modèle faible » mais « quel bout du curseur d’effort vous pouvez vous permettre ».

Les sous-scores vont dans le même sens. Dans le Cyber Index d'Artificial Analysis, publié en novembre, Tencent Hy4 obtient 58 et se classe troisième sur 26 modèles — derrière Kimi K3.1 Pro à 64 et une variante GPT-6 Sol à accès de confiance à 69, et juste devant DeepSeek V4.1 Flash 1017 à 57. Il occupe seul la première place sur CWE-Bench-AA avec 76 %. Ce sont des évaluations spécifiques à la sécurité, et non de raisonnement général, mais ce sont les seules notes indépendantes dont dispose le modèle de Tencent qui ne soient pas un simple agrégat, et elles sont respectables.
Ce que Tencent Hy4 n’a pas, c’est un tableau de benchmarks publics provenant de son propre laboratoire. L’annonce de disponibilité générale en novembre a remplacé les lignes Terminal-Bench, DeepSWE et SWE-bench Pro de la version préliminaire par des suites de tâches internes — un panel financier de 213 experts, une comparaison du taux d’hallucination, un score WorkIndex interne de 42,1. Ce sont des affirmations rapportées par le fournisseur au sujet des propres tâches de Tencent, et la fiche du modèle les répète sans les lignes de benchmarks publics qui permettraient de les vérifier par rapport à quoi que ce soit. L’indice indépendant constitue le contrôle.
Ce que coûte l’écart, par tâche
Voici la partie qui détermine la plupart des déploiements réels, et elle ne favorise pas aussi nettement le prix au token le plus bas que ne le laisse entendre la grille tarifaire.
• Prix des tokens — {{1}}$0.834{{/1}} en entrée et {{2}}$2.501{{/2}} en sortie pour Tencent Hy4, contre {{3}}$4.00{{/3}} et {{4}}$20.00{{/4}} pour Claude Opus 5.5. Un peu moins de cinq fois moins cher en entrée, huit fois en sortie.
• Cache — 0,042 $ par million de tokens d'entrée mis en cache pour Hy4, soit une remise de 95 %, contre 0,20 $ pour Opus 5.5. Dans une boucle d'agent qui relit le même dépôt de 200 000 tokens à chaque tour, cette différence constitue à elle seule tout le modèle de coût.
• Coût par tâche d’indexation terminée — 1,03 $ pour Hy4 contre 10,04 $ pour Opus 5.5. Notez qu’il s’agit d’un écart de 9,7x, plus large que l’écart de prix des tokens, car Hy4 est aussi plus verbeux en termes absolus : 160 millions de tokens de sortie sur l’ensemble de l’index contre 218 millions pour Opus 5.5, avec un rang de verbosité de 87e sur 94 modèles pour Hy4 et de 90e sur 94 pour Opus 5.5. Aucun des deux modèles n’est concis.
Vitesse — 93 jetons par seconde pour Hy4 contre 112 pour Opus 5.5, mais le problème de latence est plus grave que celui du débit. Tencent Hy4 met 115,9 secondes à produire son premier jeton de réponse, alors que la médiane de la catégorie est de 12,7 secondes. Pour le travail interactif, c’est le chiffre qui compte, et c’est le seul point où le modèle moins cher est clairement le moins bon produit.
• Temps par tâche — 14,0 minutes pour Hy4 contre 25,7 minutes pour Opus 5.5. Hy4 termine les tâches d’index plus rapidement en temps réel malgré le délai avant le premier token, car il réfléchit moins longtemps au total.
Ainsi, l’argument sur le coût a besoin d’une nuance que la grille tarifaire dissimule. Tencent Hy4 revient à environ un dixième du coût par tâche terminée, mais il fera attendre un utilisateur près de deux minutes avant le premier token, et il répondra à une question avec 17 points de moins à effort égal. Si votre charge de travail est par lots — extraction de documents, classification, exécutions d’agents pendant la nuit, génération de données synthétiques —, la latence du premier token est sans importance et l’avantage économique est écrasant. Si elle est interactive, la latence fait partie du produit et l’avantage tarifaire ne le compense pas.
Là où Hy4 l’emporte haut la main
Trois dimensions, et aucune d'entre elles ne porte sur le fait d'être plus intelligent.
• Économie du contexte. Les deux modèles annoncent une fenêtre de 1M de jetons. Un seul d’entre eux facture $0.042 par million de jetons pour relire la même fenêtre. Les tâches à long contexte qui impliquent des passages répétés sur un corpus fixe — revue de code sur un dépôt entier, analyse de contrats sur un ensemble de documents, agent de recherche qui conserve ses notes dans le contexte — reviennent nettement moins cher sur Hy4, avant même de tenir compte du tarif de base.
• Modalité. Tencent Hy4 accepte le texte, les images et les images vidéo via un seul chemin ViT et renvoie du texte. Claude Opus 5.5 accepte le texte, les images et les fichiers. La vidéo fait la différence : la fiche modèle de Hy4 décrit un encodeur visuel doté d’un adaptateur qui convertit les caractéristiques des images vidéo en tokens visuels, et aucune déclaration équivalente n’existe pour Opus 5.5.
• {{1}}La longueur de sortie{{/1}} est le seul point sur lequel Opus 5.5 l’emporte nettement : {{2}}128 K de tokens de sortie maximum, contre 64 K pour Hy4{{/2}}. Pour une tâche qui exige de générer un long artefact en un seul appel, c’est ce plafond qui tranche.
Les avantages de Claude Opus 5.5 sont ceux qu’Anthropic a toujours mis en avant : un écart d’indice de 17 points à effort égal, un premier token en 24 secondes à effort élevé contre 116, un plafond de sortie deux fois supérieur et un corpus bien plus important d’évaluations tierces à l’appui. Si la tâche relève de l’ingénierie logicielle difficile ou d’une analyse en plusieurs étapes où une mauvaise réponse coûte cher, l’écart de prix de dix fois n’est pas le chiffre pertinent. Si la tâche est le volume, c’est le seul chiffre qui compte.
La licence n'est pas Apache

C’est ici que la version du 20 novembre diffère de celle d’août, et c’est le détail que la plupart des pages de comparaison omettent.
{{1}}Tencent Hy4 Preview{{/1}} est publié sous {{2}}Apache 2.0{{/2}} — une véritable licence permissive sans conditions. {{3}}Tencent Hy4{{/3}} est distribué sous la {{4}}Tencent Hy License 1.0{{/4}}, qui est {{5}}Apache 2.0{{/5}} avec une Section 10 ajoutée. Cette section indique que si vous exploitez une activité de modèle en tant que service et que, soit votre chiffre d’affaires brut mondial dépasse 50 millions de dollars américains sur toute période de douze mois, soit le produit dans lequel vous intégrez le modèle compte plus de 100 millions d’utilisateurs actifs mensuels, vous avez besoin d’une licence écrite distincte de {{6}}Tencent{{/6}} avant de l’utiliser. L’usage interne fait l’objet d’une exception : si ni le modèle ni ses sorties ne parviennent à des tiers, la Section 10 ne s’applique pas.
Pour une startup, un groupe de recherche ou une entreprise qui exploite le modèle derrière un outil interne, cette clause est inopérante et Hy4 est de facto ouvert. Pour une plateforme qui prévoit de revendre de l’inférence par-dessus, c’est une négociation. À comparer avec Claude Opus 5.5, où la question ne se pose pas puisqu’il n’y a rien à concéder sous licence : soit vous louez le point de terminaison, soit vous n’utilisez pas le modèle.
La conséquence pratique est une scission qui n’existait pas il y a un mois. Tencent Hy4 est désormais le seul modèle de cette comparaison que l’on peut affiner, distiller, quantifier ou exécuter dans un réseau sans accès sortant. Claude Opus 5.5 est le seul des deux à avoir un plafond de sortie de 128K et un premier token en moins de trente secondes à son réglage d’effort élevé.
Choisir entre les deux
L’arbre de décision est suffisamment court pour être énoncé sans ambages.
• Il vous faut le meilleur score par token, et la tâche est interactive — Claude Opus 5.5. Aucun argument sur le prix ne résiste à un utilisateur qui fixe un délai de 116 secondes avant le premier token.
• Vous avez besoin du coût le plus bas par tâche terminée et le travail se fait par lots — Tencent Hy4, et la marge est proche d’un ordre de grandeur.
• Vous devez héberger vous-même, affiner ou conserver les données à l'intérieur de votre propre réseau — Tencent Hy4, sous réserve de lire la section 10 de la licence. Il n'existe ici aucune option Claude Opus 5.5, absolument aucune.
• Vous avez besoin de 128K de sortie générée en un seul appel, ou d’une entrée vidéo — le plafond de sortie pointe vers Opus 5.5, l’entrée vidéo vers Hy4. Peu de charges de travail nécessitent les deux.
• Si vous voulez rester entre les deux, placez une route pondérée devant eux et laissez le modèle économique faire la première tentative. Hy4 à 1,03 $ par tâche est suffisamment bon marché pour qu'une tentative échouée coûte environ un dixième de ce que coûterait un premier essai par Opus 5.5, et le chemin d'escalade ne se déclenche que pour les tâches qui en ont besoin.
Utiliser les deux sur une seule touche

Les deux modèles sont appelables via OrcaRouter sous leurs propres chaînes de modèle — tencent/hy4 à 0,834 $ par million de tokens d'entrée et 2,501 $ par million de sortie, et anthropic/claude-opus-5.5 à 4,00 $ et 20,00 $. Cela signifie que la comparaison ci-dessus peut être menée comme une expérience plutôt que comme un débat : une clé, un SDK, deux chaînes de modèle et un DSL de routage qui achemine d'abord vers l'option la moins chère et escalade en cas d'échec.
Parce qu'OrcaRouter répercute les prix catalogue des fournisseurs à marge zéro, la grille tarifaire de Tencent est celle que vous payez de notre côté, tout comme celle d'Anthropic. Si l'un ou l'autre fournisseur modifie son prix, le changement est effectif le jour même, sans attendre qu'un revendeur ressaisisse un catalogue.
Dans le cas auto-hébergé, le calcul change entièrement de forme. Une fois que vous exécutez Hy4 sur vos propres GPU, le coût marginal par token cesse d’être un chiffre du fournisseur pour devenir votre chiffre d’électricité et de taux d’utilisation, ce qui explique pourquoi les poids comptent davantage que le débat sur la licence pour quiconque dispose de capacité excédentaire.
Ce que décidera le mois prochain
Deux choses permettront de trancher cette comparaison, et aucune des deux n'est une ligne de benchmark.
La première question est de savoir si la publication ouverte de Tencent suscite une évaluation indépendante des poids. La mise en ligne du 20 novembre comprend une fiche système et un guide de fine-tuning, mais les éléments de référence de la fiche du modèle restent essentiellement le tableau de pré-entraînement — MMLU à 91,6, MMLU-Pro à 73,9, SuperGPQA à 62,7, MMMU-Pro à 59,6 pour le modèle de base — auxquels s’ajoutent les suites de tâches internes. Personne en dehors de Tencent n’a publié de score pour la version affinée sur instructions, et le 35 sur l’indice indépendant est un chiffre unique provenant d’un seul évaluateur.
Le second est l’effort. Claude Opus 5.5 publie déjà cinq échelons de 35 à 59 ; l’écart entre son réglage le moins cher et son réglage le plus cher est plus large que tout l’écart avec le score unique de Tencent Hy4. Si Tencent publie le même type de découpage — et l’API expose déjà une bascule high/no-think —, la comparaison devient un tableau de réglages appariés plutôt qu’un nombre face à un autre. D’ici là, le résumé honnête est que Tencent Hy4 est un modèle de milieu de peloton sur l’évaluation indépendante, un modèle solide sur l’évaluation spécifique à la sécurité, d’un ordre de grandeur moins cher par tâche accomplie, et désormais véritablement ouvert, ce qu’il n’était pas le 4 novembre.
Comparés dans cet article2
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
