Carte de titre générée indiquant « Tencent Hy4 vs Kimi K3.1 Pro » avec deux colonnes de statistiques : Hy4 à l'indice d'intelligence 34,6, 770 B de paramètres totaux et 49 B actifs, 0,834 $/2,501 $ par million de tokens ; Kimi K3.1 Pro à 46,5, 2,8 T de paramètres totaux et 104 B actifs, 2,00 $/10,00 $ ; et un pied de page indiquant « Indice selon Artificial Analysis v5.0.1, relevé le 20 novembre 2026 ; les poids des deux modèles sont publiquement disponibles. »
Guides & Insights

Hy4 vs Kimi K3.1 Pro : les deux téléchargeables, un seul auto-hébergeable

Auteur

Alistair Wren

Date de publication

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

Kimi K3.1 Pro obtient 46,5 sur l'Artificial Analysis Intelligence Index. Tencent Hy4 obtient 34,6. Cela représente un écart de 12 points, et c'est le plus grand déficit qu'Hy4 enregistre dans n'importe quelle confrontation cette semaine — plus important que celui face à Qwen4-Max, plus de dix fois celui face à Grok 4.7. Au classement, Kimi K3.1 Pro est le meilleur modèle à poids ouverts listé, premier sur 32 dans sa catégorie.

Ensuite, regardez ce que pèsent les deux. Kimi K3.1 Pro est un modèle à 2,78 billions de paramètres, avec 104 milliards de paramètres actifs par token. T​encent Hy4 totalise 774 milliards de paramètres, avec 49 milliards d’actifs. Les deux ont été publiés sous forme de poids téléchargeables — ceux de K​imi le 2 novembre 2026, ceux de Hy4 le 18 novembre, à trois semaines d’intervalle. Un seul des deux tient sur une machine qu’une entreprise normale possède, et ce seul fait réorganise toute la comparaison. Ce n’est pas une histoire sur le modèle qui est le plus intelligent. C’est une histoire sur le modèle que vous pouvez réellement faire tourner, et sur ce que le plus intelligent vous coûte par tâche terminée si vous le louez à la place.

Le seul benchmark qui décide de cela

Empreinte minimale déployable, à la précision recommandée par le fournisseur lui-même :

• Tencent Hy4 — 774 milliards de paramètres en BF16, publié sous forme de 245 shards d'environ 12,9 GB et 6,4 GB, soit environ 1,45 TB avant toute quantification. La recette de service propre à Tencent utilise un parallélisme tensoriel de 8 sur l'équivalent des GPU d'un seul nœud avec la version FP8, soit environ 786 GB de poids.

• Kimi K3.1 Pro — 2,78 billions de paramètres, 2,72 To de poids quantifiés en U8 dans le dépôt tel que livré, les tenseurs BF16 occupant 57 Go de plus. Il n’existe aucune configuration mono-nœud dans laquelle ce modèle serait un projet de week-end.

Les deux fournisseurs livrent le logiciel qui rend le serving tractable, et les deux sont exceptionnellement bons sur ce point. T​encent publie un tag d’image vLLM (vllm/vllm-openai:hy4) et une image SGLang (lmsysorg/sglang:hy4), avec les options de parallélisme tensoriel et de décodage spéculatif explicitement indiquées ; le dépôt de K​imi fournit une configuration MXFP4 compressed-tensors et une voie 4 bits qui ramène le fichier de poids au chiffre de 2,72 To indiqué ci-dessus. Aucune de ces deux options ne concerne les petits modèles. La différence, c’est qu’un nœud de 8 GPU est un achat que la plupart des organisations d’ingénierie peuvent autoriser, tandis qu’un déploiement de 2 800 milliards de paramètres est une décision de centre de données.

Si l’auto-hébergement était la raison pour laquelle les poids ouverts vous intéressaient, cette phrase constitue tout l’argument, et elle ne dépend pas d’un benchmark.

Generated two-column scoreboard comparing Tencent Hy4 and Kimi K3.1 Pro across six dimensions: Intelligence Index 34.6 versus 46.5, total parameters 770B versus 2.8T, active parameters 49B versus 104B, price $0.834/$2.501 versus $2.00/$10.00 per million tokens, Terminal-Bench 4.0 37.4% versus 67.2%, and cost per index task $1.03 versus $3.68, with a footer reading 'Index figures per Artificial Analysis v5.0.1; parameter counts from vendor model cards.'

Où vivent les douze points

Un écart de 12 points sur l’indice semble uniforme. Il ne l’est pas — Hy4 se défend sur plusieurs évaluations et se fait laminer sur une.

• Codage agentique, Terminal-Bench 4.0 — Kimi K3.1 Pro 67,2 %, T​encent Hy4 37,4 %. Un écart de 30 points, et le principal facteur de la différence d'indice.

• Science agentique dans un terminal, Terminal-Bench-Science — Kimi 34,3 %, Hy4 12,9 %.

• Ingénierie logicielle dans des dépôts réels, FrontierCode-AA 2.0 — Hy4 31,4 %, K​imi 25,5 %. Hy4 est le meilleur modèle ici, avec six points d’avance, et c’est la seule évaluation où le travail sur des dépôts réels d’un agent terminal favorise T​encent.

• Raisonnement complexe, HLE-Diamond — K​imi 37,3 %, Hy4 32,7 %. Plus serré que ne le suggère le titre.

• Physique, sous-ensemble difficile de CritPt v2 — Kimi 49,5 %, Hy4 39,0 %.

• Exécution de workflows SaaS, AutomationBench-AA — K​imi 73,3 %, Hy4 65,6 %.

• Travail intellectuel agentique, Elo AA-Briefcase — K​imi 1 673,6, Hy4 1 445,9. Un écart de 228 points Elo avec des intervalles non chevauchants.

Le résultat de FrontierCode est celui sur lequel il vaut la peine de s’arrêter, car il contredit la lecture évidente des six autres. Sur un benchmark de modification de vrais dépôts open source, Hy4 est en tête. Sur un benchmark d’un environnement terminal propre, Kimi devance de 30 points. La fiche modèle de Tencent explique pourquoi cela pourrait être le cas : Hy4 a été entraîné spécifiquement sur les pipelines de jeux et de frontend propres à Tencent — Unreal, Unity, Godot, la gestion de l’état d’UI — et rapporte un gain de 19,1 % sur sa suite GameDev interne par rapport à Hy4 preview. C’est un modèle ajusté pour construire des choses, évalué sur un test consistant à les réparer. Si l’on prend les deux lignes, la conclusion honnête est que l’histoire du codage dépend de la charge de travail, et non qu’un modèle code mieux.

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.

Un prix 3,6 fois moins élevé, par tâche accomplie

C'est ici que la comparaison devient arithmétique plutôt qu'argumentation. Artificial Analysis rapporte un coût mesuré par tâche de l'Intelligence Index pour les deux modèles, qui intègre les prix des tokens, la longueur du raisonnement et le comportement du cache :

• Tencent Hy4 — 1,03 $ par tâche, à 0,834 $ en entrée et 2,501 $ en sortie par million de jetons, avec une remise de 95 % sur le cache à 0,042 $.

• Kimi K3.1 Pro — 3,68 $ par tâche, à 2,00 $ en entrée et 10,00 $ en sortie par million de tokens, 90 % de remise sur le cache à 0,20 $.

Ainsi, l’écart de 12 points sur l’indice coûte 3,6 fois plus cher par tâche. Par point d’indice, K​imi coûte environ 4,4 fois le prix. Ce n’est pas un scandale — un modèle réellement meilleur sur les tâches agentiques difficiles est censé coûter plus cher — mais cela recadre la décision. Si votre charge de travail exige 67 % sur Terminal-Bench, il n’y a pas de substitut et vous devriez payer. Si votre charge de travail exige 37 %, payer trois fois et demie pour les 30 autres points revient à dépenser pour une capacité que vous n’utiliserez pas.

Il existe un coût de second ordre que le chiffre par tâche masque. K​imi met 39,7 minutes par tâche d’indexation, contre 14,0 pour Hy4, et renvoie son premier token de réponse au bout de 162,8 secondes, contre 115,9. À 30 tokens de sortie par seconde, contre 93 pour Hy4, le modèle le plus lent de cette comparaison, d’un facteur trois, est aussi le plus coûteux. Dans une boucle d’agent qui exécute des centaines d’étapes, la latence et le coût se cumulent au lieu de se compenser.

Deux licences avec deux déclencheurs différents

Les deux modèles sont à poids ouverts, en ce sens que vous pouvez les télécharger et les utiliser. Aucun des deux n’est sous Apache 2.0, et la différence entre leurs clauses commerciales n’est pas académique :

• Tencent Hy4 — la licence Tencent Hy 1.0, dérivée d’Apache 2.0. La section 10 exige un accord écrit distinct avant de proposer le modèle en tant que service si votre chiffre d’affaires brut mondial dépasse 50 millions de dollars sur toute période de 12 mois, ou si le produit qui l’intègre dépasse 100 millions d’utilisateurs actifs mensuels. L’utilisation interne est exclue.

• Kimi K3.1 Pro — la Kimi K3.1-Pro License. Le même type de restriction, avec un seuil de chiffre d’affaires de 20 millions de dollars plutôt que de 50 millions de dollars.

Les deux excluent les produits destinés aux utilisateurs finaux où le modèle est intégré dans des fonctionnalités spécifiques plutôt qu’exposé comme un accès généraliste au modèle. Les deux autorisent le simple relais vers un service de modèle tiers. En clair : une petite équipe produit qui construit une fonctionnalité sur l’un ou l’autre modèle est tranquille. Une entreprise qui exploite une activité d’inférence sur l’un ou l’autre doit passer un appel, et l’appel de K​imi se fait à moins de la moitié du chiffre d’affaires.

Pour être exhaustif, la génération précédente fait figure d'exception : Hy4 preview, publié le 28 août 2026, était sous Apache 2.0, sans aucun seuil commercial. Quiconque a développé sur la licence de la preview et passe aujourd'hui à Hy4 passe à des conditions différentes.

Exécuter les deux sans encore choisir

La raison pour laquelle cette comparaison n'a pas à être tranchée sur le papier est que les deux modèles sont disponibles depuis un seul point de terminaison avec le tarif propre du fournisseur répercuté : tencent/hy4 à 0,834 $ et 2,501 $ par million de tokens, kimi/kimi-k3.1-pro à 2,00 $ et 10,00 $, avec les lectures de cache à 0,20 $. Ce sont les chiffres ci-dessus, sans majoration, et une modification tarifaire du fournisseur est répercutée ici le jour même plutôt qu'à un renouvellement.

Pour une paire aussi éloignée en termes de capacités et de coût, le schéma utile n’est pas une répartition — c’est un plafond. Routez vers kimi/kimi-k3.1-pro via le DSL de routage, définissez tencent/hy4 comme cible de basculement automatique, et observez la fréquence à laquelle le basculement se déclenche. S’il se déclenche rarement, vous payez pour la capacité de K​imi et vous en bénéficiez. S’il se déclenche constamment en raison de la latence de K​imi, vous venez de découvrir quelque chose qu’un tableau de benchmarks ne peut pas vous dire, aux prix de Hy4 plutôt qu’à ceux de K​imi. La fusion de modèles est l’autre option : un panel des deux permettrait au raisonnement du modèle le plus fort de porter le budget de tokens moins cher du modèle plus faible sur les évaluations où ils convergent.

Screenshot of the OrcaRouter model page for Kimi K3.1 Pro, captured 20 November 2026, showing the kimi/kimi-k3.1-pro endpoint with a 1,048,576-token context window, 943,718-token maximum output, text, image and video input, reasoning effort from none to max, a 143-second median time to first token and $2.00/$10.00 per million tokens.

Qu’est-ce qui changerait cette réponse ?

Trois choses, par ordre de probabilité. Premièrement, un fine-tuning de Hy4 : les poids sont publics depuis deux jours, et l'écart de 30 points sur Terminal-Bench est exactement le genre de marge qu'un fine-tuning ciblé sur les traces de terminal propres à une entreprise vient éroder. Deuxièmement, une évaluation indépendante de Kimi K3.1 Pro à un effort de raisonnement supérieur au maximum par défaut utilisé par l'indice — le plafond de sortie de 943 718 tokens inscrit dans la fiche du modèle n'a été exercé par personne publiant des résultats. Troisièmement, un frère de classe Hy4 Flash qui hérite de l'entraînement agentique à un quart du prix, ce qui rendrait l'argument du coût contre K​imi encore plus difficile à réfuter.

D’ici à ce que l’un de ces modèles voie le jour, la séparation est nette. Kimi K3.1 Pro est le meilleur modèle et le plus cher, selon un facteur qui se vérifie que l’on mesure par token, par tâche ou par point d’indice. T​encent Hy4 est celui que l’on peut faire tourner sur son propre matériel, avec un seuil de licence deux fois plus généreux et un prix trois fois moins élevé. Aucun des deux n’est une raison de regretter l’autre.

Comparés dans cet article2

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