Kartu judul yang dihasilkan bertuliskan 'Hy4 flash' dengan subjudul '224B total, 12B aktif, konteks satu juta token', bilah harga bertuliskan '$0.070 input / $0.281 output / $0.003 di-cache per juta token', dan footer bertuliskan 'Dirilis 16 November 2026. Harga adalah tarif daftar Tencent.'
Guides & Insights

Hy4 flash Meluncur pada Harga $0.070 per Juta Input: Model Hy Termurah Tencent Juga yang Paling Minim Dokumentasi

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

T​encent merilis Hy4 flash pada 16 November 2026, dan spesifikasinya terbaca seperti latihan rekayasa biaya ketimbang latihan kemampuan: 224 miliar parameter total yang 64 miliar di antaranya adalah parameter Engram, 12 miliar aktif per token, multimodalitas native, konteks 1.048.576 token, dan harga daftar Tiongkok daratan ¥0,5 per juta token input versus ¥2 per juta token output. Kerangka perusahaan adalah bahwa model ini setara dengan Claude Haiku 5.5 dalam pekerjaan sehari-hari pada uji buta yang dijalankan pada karyawannya sendiri, dengan biaya sekitar seperdelapan belas biaya per tugas. Uji buta itu nyata dan harganya nyata; perbandingan di antara keduanya adalah aritmetika T​encent sendiri, dan selisih antara kedua pernyataan itu adalah sebagian besar dari apa yang perlu diketahui oleh siapa pun yang menerapkan model ini.

Tidak ada kartu model. Tidak ada makalah arsitektur, tidak ada lisensi, tidak ada repositori bobot, dan tidak ada uji benchmark independen. Yang T​encent terbitkan sebagai gantinya adalah halaman riset dengan hasil benchmark yang sudah tertanam dalam grafik PNG, sekumpulan testimoni produk internal, dan janji untuk merilis model tersebut sebagai open-source di kemudian hari. Itu adalah dokumen yang lebih tipis daripada yang disertakan saat pratinjau Hy4 dirilis pada Agustus, dan kesenjangan ini lebih penting di sini daripada pada model unggulan, karena seluruh promosi Hy4 flash adalah efisiensi — dan klaim efisiensi adalah yang tidak dapat Anda periksa dari tabel harga.

Apa yang sebenarnya tertulis di kartu tarif

Per satu juta token, pada kartu Tiongkok daratan: input ¥0,5, output ¥2, input yang di-cache ¥0,02. T​encent mencantumkan model yang sama dalam dolar, yaitu input $0,070, output $0,281, dan yang di-cache $0,003, yang merupakan angka yang dijadikan pembuka dalam posting peluncuran. Bandingkan dengan model lain dalam keluarga ini dan posisinya menjadi tidak ambigu.

• Hy4 flash — ¥0,5 input / ¥2 output / ¥0,02 di-cache, total 224B dengan 12B aktif.

• T​encent HY4 — ¥6 input / ¥18 output / ¥0,3 di-cache, total 770B dengan 49B aktif, build ketersediaan umum dari 4 November 2026.

• Pratinjau Hy4 — tarif yang sama ¥6 / ¥18 / ¥0,3, Apache 2.0, bobot dapat diunduh sejak 28 Agustus 2026.

Itu adalah pemotongan dua belas kali lipat pada input dan sembilan kali lipat pada output dibandingkan produk unggulannya sendiri, dari satu generasi ke generasi berikutnya, tanpa perubahan pada jendela konteks. Input yang di-cache turun lima belas kali lipat, yang merupakan pos biaya yang menentukan ekonomi setiap agen yang mengirim ulang prompt sistem panjang pada setiap langkah. Untuk beban kerja yang membaca dokumen besar sekali lalu mengajukan dua puluh pertanyaan tentangnya, tarif cache adalah tarif yang paling penting, dan $0,003 per juta ditetapkan agar pola tersebut hampir gratis.

Dua promosi berada di atas harga daftar dan keduanya bersifat sementara. TokenHub milik Tencent Cloud menawarkan diskon 50% untuk periode terbatas tanpa tanggal berakhir yang disebutkan, dan WorkBuddy gratis digunakan hingga 30 November. Keduanya tidak boleh dimasukkan ke dalam anggaran produksi; tarif daftar adalah angka yang bertahan melewati Desember.

Dari mana asal 12 miliar parameter aktif

A generated diagram titled 'Four levers, one bill' with four labelled rows. Pre-training reads: hybrid attention, LatentMoE and Engram, giving a KV cache one twenty-fourth the size of Hy3's and one sixth of Hy4's. Post-training reads: self-distillation from HY4 followed by reinforcement learning, output length down 50 per cent. Inference reads: a megakernel, 4-bit weights and DFly, over 150 tokens per second. Disclosure reads: no layer count, no expert count, no model card. A footer reads 'All figures are Tencent's own, published 16 November 2026 without independent measurement.'

Pembagian parameter adalah hal pertama yang perlu dipahami, karena 64 miliar parameter Engram di dalam model berparameter 224 miliar bukanlah susunan yang normal. Engram, dalam penggunaan Tencent, adalah komponen bergaya memori yang menyimpan asosiasi hasil pembelajaran alih-alih ikut serta dalam setiap forward pass seperti halnya seorang expert. Konsekuensi praktisnya adalah sebagian besar dari total ukuran model tidak dibebankan pada komputasi per token: 12 miliar parameter aktif per token, yaitu seperempat dari yang diaktifkan GLM-5.3 Flash dan kira-kira seperempat dari 49 miliar parameter Tencent HY4.

Tencent menyebut empat tuas, dan masing-masing menyerang bagian tagihan yang berbeda.

Pra-pelatihan. Attention hybrid dikombinasikan dengan LatentMoE dan parameter Engram. Hasil yang dinyatakan Tencent adalah cache KV yang ukurannya seperdua puluh empat dari Hy3 dan seperenam dari Hy4. Dalam penyajian konteks panjang, itu adalah perbedaan antara permintaan yang muat pada satu node dan permintaan yang memerlukan klaster, dan itu adalah angka paling berdampak dalam rilis ini bagi siapa pun yang menyewa GPU per jam.

Pasca-pelatihan. Distilasi mandiri dari T​encent HY4, lalu pembelajaran penguatan. Hasil yang dinyatakan adalah pengurangan 50% pada panjang keluaran ujung ke ujung. Di sinilah model flash biasanya mengembalikan sebagian keunggulan harganya — jawaban yang lebih pendek bisa berarti pekerjaan yang lebih dangkal — dan di sinilah juga klaim biaya per tugas di bawah ini paling banyak mendapatkan daya ungkitnya. Token keluaran adalah token yang mahal, yaitu $0.281 per juta, sehingga memangkasnya menjadi setengah akan memangkas separuh sisi tagihan yang lebih besar bahkan sebelum pemotongan harga diterapkan.

Inferensi. Sebuah megakernel, kuantisasi empat bit, dan jalur dekode yang oleh T​encent disebut DFly, secara bersama-sama mempertahankan lebih dari 150 token per detik dekode. Dekode cepat mengubah perilaku agen sama seperti mengubah pengalaman pengguna: loop pemanggilan alat yang menghabiskan lebih sedikit waktu aktual per langkah dapat melakukan lebih banyak langkah dalam anggaran latensi yang sama.

Detail arsitektur. Tidak ada yang dipublikasikan. Jumlah layer, jumlah expert, lebar routing, ukuran encoder visi, dan apakah multimodalitas bersifat native atau dipasang secara tambahan, semuanya tidak tersedia. Angka 224B dan 12B berasal dari halaman riset; semua yang lebih rinci tidak tersedia untuk publik.

Uji buta, dan apa yang dicakup oleh "setara dengan Claude Haiku 5.5"

Klaim yang beredar adalah uji buta. Tencent menjalankannya dengan 85 pengguna produk WorkBuddy miliknya di 27 kategori tugas dan 259 tugas pekerjaan sehari-hari yang nyata, membandingkan Hy4 flash dengan beberapa alternatif yang tidak disebutkan namanya dan melaporkan bahwa kepuasan pengguna hampir setara dengan Claude Haiku 5.5, bahwa Hy4 flash memiliki biaya per tugas terendah di antara semua model dalam panel, dan bahwa model tersebut menyelesaikan tugas dalam waktu tercepat.

Bacalah redaksinya dengan cermat, karena pos peluncuran dan halaman riset tidak mengatakan hal yang sama. Pos itu menyatakan model tersebut "menyamai" Claude Haiku 5.5. Halaman itu menyatakan tingkat kepuasannya mendekati itu. Mendekati tidak berarti sama, dan vendor yang merangkum panelnya sendiri akan memilih framing yang membuatnya tampak lebih baik. Yang lebih penting, panel tersebut terdiri atas 85 karyawan perusahaan yang membangun model itu, mengerjakan tugas-tugas yang dipilih perusahaan, dalam antarmuka yang juga dibangun perusahaan. Itu cara yang wajar untuk memutuskan apakah akan merilis sebuah model secara internal. Itu bukan bukti bahwa hasil pihak ketiga akan sama, dan itu tidak menetapkan kesetaraan pada jenis tugas apa pun yang kebetulan tidak termasuk dalam 27 kategori tersebut.

Yang memang ditetapkan oleh pengujian ini lebih sempit dan tetap berguna: pada pekerjaan khas kantor — dokumen, slide, spreadsheet, hal-hal yang menjadi tujuan WorkBuddy — model dengan 12B aktif tidak jelas lebih buruk daripada pesaing yang nyaris setara frontier, menurut penilaian orang yang menggunakan keduanya setiap hari. Jika itu berlaku secara umum, alasan biayanya sangat kuat. Apakah itu berlaku umum masih menjadi pertanyaan terbuka, dan tidak ada tolok ukur publik dalam rilis ini yang dapat menjawabnya.

Melacak 18x

"Pengurangan biaya tugas 18x" dalam postingan peluncuran bukanlah rasio harga. Hy4 flash berbiaya dua belas kali lebih murah per token input dibandingkan Tencent HY4, sehingga perbandingan sederhana per token menghasilkan 12x, bukan 18x. Selisihnya berasal dari WorkIndex milik Tencent, sebuah tolok ukur internal yang terdiri dari delapan rangkaian dan mencakup pembuatan PowerPoint, revisi PowerPoint, penulisan bersama manusia-mesin, penulisan bersama Markdown, penyuntingan dokumen, perbaikan tabel, pemrosesan audio dan video, serta pemahaman visual. Pada rangkaian tersebut, pada tingkat maksimum dan pada harga jam sibuk, Tencent melaporkan biaya per tugas sebesar sepertiga belas dari Hy4 preview, seperdua puluh dari Tencent HY4, dan seperdelapan dari DeepSeek-V4.1-Flash-1017.

Seperseratus dua puluh terhadap produk andalannya sendiri dan seperseratus delapan belas terhadap model yang disebut dalam postingan berada pada orde besaran yang sama, jadi 18x adalah angka bulat yang bisa dipertahankan — tetapi itu angka per tugas, yang berarti angka tersebut memasukkan panjang keluaran, tingkat percobaan ulang, dan jumlah langkah bersama harga. Dua dari tiga masukan itu adalah hal yang dikendalikan Tencent melalui pasca-pelatihan dan dilaporkan hanya sebagai persentase. Model yang menjawab dengan setengah token pada seperseratus dua belas harga bukanlah 18x lebih murah karena harganya; model itu 18x lebih murah karena juga dibuat lebih sedikit bicara. Jika tugas Anda membutuhkan jawaban yang lebih panjang, Anda mendapatkan kurang dari 18x, dan artikel yang Anda baca tidak dapat memberi tahu seberapa besar kekurangannya.

Peringatan yang sama berlaku untuk setiap angka per tugas dalam rilis ini, termasuk angka produk internal yang disampaikan T​encent secara sukarela: pengurangan 70% waktu tugas dan sekitar seperlima belas biaya di WorkBuddy dibandingkan T​encent HY4, kenaikan 2,52% pada chat umum dibandingkan GLM-5.3-Flash di 元宝, token output 29% lebih sedikit dan langkah 6% lebih sedikit dalam alur agen 微信支付 dibandingkan DeepSeek-V4.1-Flash-1017, output 88% lebih cepat dan token berpikir 60% lebih sedikit di 企业微信, serta permintaan 22% hingga 39% lebih sedikit dengan token 40% hingga 61% lebih sedikit dalam analisis akar masalah 王者荣耀. Ini adalah angka paling kredibel dalam paket tersebut, karena berasal dari sistem produksi dengan pengguna nyata dan tagihan nyata. Angka-angka itu juga belum diaudit dan dirilis secara selektif, dan tidak ada produk yang menerbitkan alur ketika model tersebut kalah.

Apa yang tidak terdapat dalam rilis ini

Tidak ada bobot terbuka. Tencent mengatakan pihaknya berencana menjadikan Hy4 flash open-source dan sering melakukan iterasi terhadapnya. Rencana bukanlah lisensi. Preview Hy4 dirilis dengan Apache 2.0 pada hari pertama bersama repositori Hugging Face, resep vLLM dan SGLang, serta default sampling yang dipublikasikan; Hy4 flash tidak memiliki semua itu, dan perumusan seputar komitmen open-source lebih lunak daripada versi preview.

Tidak ada evaluasi independen. Hingga saat publikasi, Artificial Analysis belum memposting skor untuk Hy4 flash, dan belum ada pihak ketiga yang mereproduksi satu pun angka dari rilis tersebut. Semua angka di atas milik Tencent.

Tidak ada tabel benchmark yang dapat dibaca mesin. Hasil DeepSWE, Terminal-Bench 4.0, APEX-Agents, AutomationBench, HLE, dan OSWorld 2.1 tersedia sebagai gambar bagan di halaman vendor, bukan sebagai teks. Itu pilihan yang aneh untuk peluncuran yang seluruh argumentasinya adalah efisiensi yang terukur, dan itu berarti angka-angkanya tidak dapat disalin, di-diff, atau diperiksa tanpa membaca piksel.

Tidak ada kartu keselamatan atau kartu sistem. Juga tidak ada pernyataan tentang perilaku penolakan, penanganan data, atau ketersediaan regional di luar produk daratan yang disebutkan.

Di mana ini berjalan, dan cara mencobanya dengan hemat

Ketersediaan pada hari peluncuran berada di jajaran T​encent sendiri: TokenHub di T​encent Cloud untuk akses API, WorkBuddy untuk tugas perkantoran gratis hingga 30 November, dan 元宝, 企业微信, QQ, ima serta Marvis di sisi konsumen dan perusahaan. Tidak ada yang lain yang diumumkan.

A screenshot of the OrcaRouter model catalogue browse view, headed 226 models from 17 providers behind one API key and one bill, with filter facets for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region. Visible model cards include google/gemini-4-carbon at $2.00 input and $10.00 output per million tokens with a 1,048,576-token context, anthropic/claude-fable-5-2 at $8.00 and $40.00, minimax/minimax-m3.1-flash at $0.15 and $0.60, and deepseek/deepseek-v4.1-flash-1017 with a 1M-token context. No Hy4 flash card appears in the listing.

On OrcaRouter, Hy4 flash is not in the catalogue yet — the route that exists for this family is tencent/hy4-preview, at $0.834 per million input and $2.501 per million output, alongside a rate-limited free tier. That is the model Hy4 flash was distilled from, so it is the right baseline to measure against while you wait: run the same tasks on both once the flash route lands and you will have the per-task ratio that T​encent's WorkIndex implies without having to trust it.

Alasan kita peduli di mana model ini dilayani adalah skema harganya. OrcaRouter meneruskan harga daftar penyedia apa adanya dengan markup 0%, yang bukan diskon melainkan komitmen tentang apa yang terjadi ketika vendor menurunkan harga: Tencent sudah menjalankan dua diskon promosi untuk model ini pada minggu pertamanya, dan rute pass-through mencerminkan diskon berikutnya pada hari diskon itu muncul, bukan saat reseller memperbarui tabel. Failover penting dengan alasan yang sama secara terbalik — model aktif 12B yang belum terbukti pada infrastruktur minggu peluncuran adalah tepat model yang ingin Anda dapat beralih darinya tanpa menulis ulang klien, dan kunci yang sama menjangkau lebih dari 200 model jika memang perlu.

Ke mana harus mengarahkannya terlebih dahulu

Panduan penerapan Tencent sendiri membagi keluarga model itu secara jelas, yang lebih berguna daripada sebagian besar saran vendor karena mengakui satu kelemahan: Hy4 flash untuk pencarian mendalam, pemrosesan dokumen, pembuatan PowerPoint, pekerjaan frontend sederhana, dan penggunaan komputer; Tencent HY4 untuk rekayasa perangkat lunak berjangka panjang. Pengakuan itu ada di klausa terakhir — model murah tidak dijual sebagai pengganti pengodean bagi model mahal, dan data internal WorkBuddy menunjukkan sedikit penurunan pada tugas pengodean panjang meskipun sudah mencapai paritas pada pekerjaan sehari-hari.

A generated decision card titled 'Point it at the short tasks' with three rows: work the vendor names for Hy4 flash reads deep search, documents, slides, simple frontend and computer use; work it names for Tencent HY4 reads long-horizon software engineering; and a measurement row reads twenty real tasks with input and output tokens, cache hits and wall-clock recorded. A footer reads 'Deployment guidance is Tencent's; the cost ratios are per-task and unaudited.'

Itu cocok dengan rencana uji sederhana. Ambil dua puluh tugas yang sudah Anda jalankan, yang sebagian besar bernuansa dokumen atau agen dan beberapa benar-benar tugas rekayasa yang sulit. Catat token input, token output, cache hit, waktu aktual, dan apakah outputnya dapat digunakan. Jalankan semuanya pada Hy4 flash dan pada baseline yang Anda gunakan saat ini. Anda akan tahu dalam satu sore apakah 18x berlaku untuk lalu lintas Anda, yang lebih banyak daripada yang akan diberitahukan rilis itu sendiri kepada Anda.

Model Hy termurah adalah yang paling sulit dibaca.

Tencent telah membangun sesuatu yang layak diperhatikan: model dengan seperempat parameter aktif dan jendela satu juta token, cache KV yang cukup kecil untuk mengubah perhitungan penyajian, serta harga yang lebih rendah daripada flagshippnya sendiri sebesar satu orde magnitudo. Rekayasa yang dijelaskan — parameter Engram, pemangkasan panjang output 50% melalui self-distillation, inferensi empat-bit pada lebih dari 150 token per detik — adalah jenis pekerjaan yang muncul di tagihan alih-alih di papan peringkat, yang mungkin menjadi alasan Tencent mengedepankan biaya per tugas.

Tetapi rilis itu meminta dipercaya justru pada kuantitas yang menolak didokumentasikan. Tidak ada bobot, tidak ada kartu model, tidak ada skor independen, angka benchmark di balik piksel, dan perbandingan utama yang diambil dari panel karyawannya sendiri. Tidak ada satu pun dari itu yang tidak jujur. Semua itu berarti ringkasan jujurnya adalah "ini mungkin nilai terbaik di keluarga Hy dan belum ada orang di luar T​encent yang memverifikasinya," dan respons yang tepat adalah uji coba dua minggu dengan jumlah token, bukan migrasi.

Janji open-source adalah hal yang perlu dicatat. Jika T​encent merilis bobot sebagaimana yang dilakukannya untuk pratinjau Hy4 — Apache 2.0, sejak hari pertama, dengan resep serving — klaim efisiensinya menjadi dapat diperiksa dan model tersebut menjadi opsi serius bagi siapa pun yang ingin menjalankan inferensi murah sendiri. Sampai itu terjadi, Hy4 flash adalah harga yang sangat bagus yang melekat pada berkas yang sangat tipis, dan perbedaan antara kedua fakta itu adalah tempat anggaran evaluasi Anda seharusnya dialokasikan.

Dibandingkan dalam artikel ini3

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari