Kartu judul yang dihasilkan bertuliskan 'Hy4 flash adalah model bobot terbuka', dengan tiga ubin repositori berlabel 'Hy4 flash', 'Hy4 flash-FP8', dan 'Hy4 flash-Base', bilah spesifikasi bertuliskan '220B total / 12B aktif / konteks 1M / masukan gambar, keluaran teks', dan footer bertuliskan 'Bobot diterbitkan pada 17 November 2026 di bawah Tencent Hy License v1.0.'
Guides & Insights

Hy4 flash Kini Berbobot Terbuka: Baca Bagian 10 Sebelum Anda Mengunduhnya

Penulis

jinhao.song

Tanggal Terbit

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

Tencent Hy License, Versi 1.0, adalah turunan Apache 2.0 dengan satu bagian tambahan, dan bagian itulah alasan untuk membaca rilis ini dengan cermat alih-alih sekadar menarik checkpoint. Bagian 10.2 menyatakan bahwa jika Anda menjalankan bisnis model-as-a-service dan pendapatan bruto Anda di seluruh dunia melebihi US$50 juta dalam periode dua belas bulan apa pun — atau produk Anda melewati 100 juta pengguna aktif bulanan — Anda memerlukan lisensi tertulis terpisah dari Tencent sebelum Anda menggunakan bobot tersebut, atau terus menggunakannya. Bagian 10.3 mengecualikan penggunaan internal. Bagian 2 dari pemberian lisensi Apache adalah tempat hak bebas royalti berada, dan Bagian 10.2 dibuka dengan kata-kata "Terlepas dari Bagian 2 dan 3." Jadi unduhannya gratis dan penerapannya tidak gratis tanpa syarat, dan garis di antara keduanya ditarik pada apakah pihak luar dapat mengakses model melalui infrastruktur Anda.

Itulah kerangka dari apa yang diterbitkan Tencent pada 17 November 2026 pukul 03.44 UTC, ketika tiga repositori muncul di Hugging Face dalam selang sembilan puluh detik satu sama lain: Hy4 flash, model obrolan yang disetel untuk instruksi; Hy4 flash-FP8, model yang sama dalam FP8; dan Hy4 flash-Base, checkpoint pra-latih tanpa pasca-pelatihan sama sekali. Model instruksi ini memiliki total 220 miliar parameter dengan 64 miliar di antaranya berada dalam tabel Engram, 12 miliar aktif per token, secara native multimodal di sisi masukan, dan dikonfigurasi untuk konteks 1.048.576 token. Ini adalah model yang sama yang Tencent taruh di API-nya dua hari sebelumnya, pada 16 November, dengan perbedaan bahwa Anda sekarang dapat menjalankannya di perangkat keras milik Anda sendiri.

Apa sebenarnya yang ada di ketiga repositori tersebut

Pemisahan ini lebih rapi daripada sebagian besar rilis open-weight, karena ketiga checkpoint tersebut benar-benar merupakan hal yang berbeda, bukan tiga nama file untuk satu artefak.

• Hy4 flash — model instruct, template chat, dan mode penalaran disertakan. Mendukung reasoning_effort pada high (default, thinking aktif) dan no_think (jawaban langsung). Tencent merekomendasikan temperature 0.9 dan top_p 1.0.

• Hy4 flash-FP8 — bobot yang sama yang dikuantisasi untuk penyajian produksi. Inilah yang diacu oleh resep resmi vLLM dan SGLang, dan yang menurut Tencent mencapai 150 token per detik pada node tensor-parallel-8.

• Hy4 flash-Base — hanya pra-latih. Kartu model menyatakan secara eksplisit bahwa ini "adalah model dasar pra-latih, bukan model chat yang disetel instruksi," yang penting karena setiap tabel benchmark dalam rilis adalah tabel base-versus-base. Angka model instruct adalah angka WorkIndex dan uji buta dari vendor, bukan suite evaluasi publik.

Dua detail dalam metadata lebih penting daripada kelihatannya. Yang pertama adalah bahwa repositori-repositori tersebut ditandai image-text-to-text pada level pipeline, sehingga vision encoder dikirim bersama bobotnya, bukan dipasang belakangan di hilir. Yang kedua adalah perbedaan penomoran: materi peluncuran Tencent pada 16 November menyebut model ini sebagai 224B, dan tabel pada kartu model itu sendiri berjumlah 220,3B — backbone 155,5B, Engram 63,5B, ViT 0,43B, drafter DFly2 0,85B. Tidak ada angka yang salah dalam konteksnya; angka 224B tampaknya menghitung drafter DFly2 dan pembulatan secara berbeda, sedangkan tabel kartu mengecualikan Engram, ViT, dan DFly2 dari baris backbone 155,5B miliknya sendiri lalu menambahkannya kembali. Ketika vendor merilis dua total untuk satu model, kartu modellah yang harus dikutip.

A generated reference card headed 'What the three repositories actually contain', listing the three checkpoints with a one-line description each and a separate outlined panel headed 'Tencent Hy License v1.0, section 10.2' noting the separate written licence above US$50M annual gross revenue or above 100M monthly active users as a service.

Arsitektur ini adalah argumen biaya yang memakai pakaian arsitektur.

Sedikit sekali dari desain ini yang masuk akal jika dibaca sebagai upaya peningkatan kapabilitas. Namun, jika dibaca sebagai cara memperkecil cache KV dan langkah decode, semuanya masuk akal.

• Perhatian — perhatian IndexPool sparse diselang-seling dengan perhatian jendela geser 512 token pada rasio 1:3, dalam formulasi multi-head latent attention (MLA). Lapisan sparse memilih hingga 2.048 token melalui seleksi tingkat grup; terdapat 12 lapisan sparse dan 30 lapisan SWA di seluruh tulang punggung 42 lapisan.

• Perutean — 512 pakar yang dirutekan ditambah satu pakar bersama per lapisan MoE, 16 pakar yang dirutekan diaktifkan per token, beroperasi dalam ruang LatentMoE berdimensi 1.536, bukan selebar pakar penuh.

• Engram — representasi bigram dan trigram yang dipelajari yang diambil melalui lookup hash multi-head pada lapisan backbone 1, 11, 21, dan 31. Itu adalah 63.5B yang dihitung kartu secara terpisah dari backbone.

• Drafter — DFly2, model speculative-decoding 5 lapis 0,85B yang menggunakan kembali cache KV sparse dan pemilihan indexer milik model target alih-alih menyimpan miliknya sendiri. Klaim Tencent adalah biaya draf yang konstan sekitar 2.048 kunci per token draf, terlepas dari seberapa panjang konteksnya, dan tanpa memori KV tambahan.

• {{1}}Angka efisiensi utama{{/1}} — KV cache sebesar 1/24 dari Hy3 dan 1/6 dari Hy4, dilaporkan vendor dan tidak diukur secara independen.

• Pasca-pelatihan — distilasi mandiri dari Hy4 ditambah pembelajaran penguatan, yang menurut Tencent memangkas rata-rata token keluaran end-to-end sebesar 50%. Keluaran yang lebih pendek adalah sumber sebagian besar penghematan biaya, dan itulah bagian yang paling tidak terlihat di kartu harga per token mana pun.

Jika disatukan, itu adalah model yang dirancang sedemikian rupa sehingga konteks 1M token tidak memakan biaya seperti yang biasanya diperlukan untuk melayani konteks 1M token. Panjang konteks adalah kalimat pemasaran; fraksi cache KV adalah klaim rekayasa yang mendasarinya.

Screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the three-model release line, the Model Links table and the quickstart snippet.

Apa yang diukur Tencent, dan apa yang tidak.

Setiap angka di bagian ini adalah milik Tencent, dihasilkan pada harness Tencent, dan tidak satu pun darinya telah direproduksi di luar perusahaan. Artificial Analysis tidak memiliki halaman untuk Hy4 flash — URL model mengembalikan 404 per 18 November — jadi tidak ada skor pihak ketiga untuk disandingkan dengan angka mana pun itu.

Tabel base-model membandingkan Hy4 flash-Base dengan Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base, dan DeepSeek-V4-Pro-Base, semuanya pada satu pipeline. Ini adalah tabel paling jujur dalam rilis justru karena ia memuat baris-baris yang kalah: MMLU-Pro terbaca 71,1 untuk Hy4 flash-Base berbanding 73,9 untuk Hy4 Base dan 73,4 untuk DeepSeek-V4-Pro-Base; SimpleQA terbaca 37,5 berbanding 57,2 dan 52,1. Di bagian yang dimenangkannya, ia menang dengan selisih besar pada baris berbahasa Mandarin dan multibahasa — C-Eval 92,0, CMMLU 91,6, AGIEval Chinese 90,6, Belebele 93,8, INCLUDE 82,8 — yang memang seperti yang Anda harapkan dari model yang dibangun untuk produk-produk Tencent sendiri terlebih dahulu.

Bacalah keterangan kecil pada kartu sebelum Anda membaca skor. Tencent menyatakan bahwa paparan berat terhadap data instruksi sintetis selama mid-training membuat model kadang-kadang tidak dapat mengikuti "format jawaban yang diharapkan dalam evaluasi few-shot, yang dapat mendistorsi skor" — sebuah penanda dari vendor bahwa beberapa barisnya sendiri mungkin mengukur kepatuhan format, bukan kemampuan. Perlakukan setiap angka di bawah ini sebagai batas atas sampai harness Anda sendiri menyetujuinya.

Model instruct ini sama sekali tidak memiliki tabel benchmark publik. Sebagai gantinya, ada WorkIndex, rangkaian internal yang terdiri atas delapan keluarga tugas — pembuatan slide, pengeditan slide, penulisan bersama slide antara manusia dan AI, penulisan bersama Markdown, pengeditan dokumen, perbaikan spreadsheet, pemrosesan audio/video, dan pemahaman visual. Hy4 flash memperoleh skor 42,1 di sana, dibandingkan 39,7 untuk Hy4 preview dan 51,4 untuk Hy4 itu sendiri, dengan biaya rata-rata per tugas yang menurut perusahaan adalah 1/13 dari Hy4 preview, 1/20 dari Hy4, dan 1/8 dari DeepSeek-V4.1-Flash-1017 pada harga jam sibuk. Dan ada evaluasi blind dengan 85 pengguna internal WorkBuddy di 259 tugas dalam 27 kategori, dengan Hy4 flash memperoleh skor 2,79 dari 4 untuk kepuasan, dibandingkan 2,81 untuk Claude Haiku 5.5, dengan median 6,7 menit dan RMB 0,26 per tugas.

Itu adalah pengukuran nyata dari populasi nyata. Itu juga merupakan pengukuran karyawan Tencent yang mengerjakan pekerjaan dengan pola khas Tencent, dinilai berdasarkan rubrik yang ditulis Tencent, dan selisih 0,02 poin terhadap skor kepuasan pesaing jauh berada di dalam pita noise apa pun yang masuk akal. Perlakukan urutan WorkIndex sebagai sinyal arah dari vendor dan tidak lebih.

Lisensi adalah aspek yang sebenarnya akan dinilai dari rilis ini.

Bobot terbuka bukanlah sumber terbuka, dan Lisensi Tencent Hy membuat perbedaan itu menjadi sangat konkret. Empat klausul menentukan apa yang dapat dilakukan oleh suatu tim:

• Hibah dasar — izin Apache 2.0, termasuk penggunaan komersial, modifikasi, dan redistribusi, berlaku untuk bobot, parameter, konfigurasi, kode inferensi, dan dokumentasi.

• Pemicu MaaS — lisensi tertulis terpisah diperlukan jika Anda menyediakan akses jarak jauh pihak ketiga ke inferensi atau fine-tuning dan melampaui US$50 juta pendapatan bruto global dalam periode dua belas bulan mana pun. Pendapatan yang berasal dari model diperhitungkan, dan demikian pula pendapatan yang sama sekali tidak berkaitan dengannya: klausul tersebut berbunyi "apakah pendapatan tersebut berasal dari Work atau tidak."

• Pemicu skala — {{1}}persyaratan yang sama berlaku sebelum menggunakan bobot tersebut dalam produk apa pun dengan lebih dari 100 juta pengguna aktif bulanan dalam satu bulan kalender, pada tingkat pendapatan apa pun.{{/1}}

• Dua pengecualian — produk pengguna akhir yang akses modelnya dibatasi pada fitur tertentu alih-alih pemberian prompt untuk tujuan umum berada di luar definisi MaaS, dan "sekadar meneruskan permintaan ke layanan model pihak ketiga yang dioperasikan secara independen" juga dikecualikan. Penggunaan khusus internal dikecualikan sepenuhnya.

Bandingkan dengan lisensi atas checkpoint ERNIE 5.5 Flash Base, yang sepenuhnya mengecualikan UE, Inggris, dan Korea Selatan sebagai wilayah. Tencent tidak mengecualikan wilayah mana pun. Sebagai gantinya, Tencent mengenakan biaya berdasarkan skala. Bagi startup yang membangun produk di atas bobot model, itu adalah dokumen yang secara material jauh lebih bersahabat daripada larangan teritorial. Bagi penyedia inferensi ukuran menengah, itu berarti satu panggilan telepon ke [email protected] sebelum merilis produk.

Menyajikannya: tiga jalur nyata, semuanya dipatok

Kisah deployment-nya lebih lengkap daripada kisah API pada minggu peluncuran, dan juga lebih rapuh dibandingkan produk yang didukung, dalam cara spesifik yang memang selalu melekat pada dukungan framework tahap awal.

• vLLM — image resmi vllm/vllm-openai:hy4-flash, tensor-parallel 8, checkpoint FP8, --attention-backend FLASHMLA_SPARSE, decoding spekulatif DFly pada 5 token, serta parser tool-call dan reasoning hy_v4.

• SGLang — lmsysorg/sglang:hy4-flash, multi-arsitektur di x86 dan Arm, tensor-paralel 8, --speculative-algorithm DFLY dengan ukuran blok 6.

• Transformers — belum ada dalam rilis. Kartu tersebut menyuruh Anda memasang dari ref pull-request (refs/pull/50903/head) sampai merge-nya masuk, yang merupakan sinyal paling jelas betapa barunya hal ini.

• Kuantisasi — build GGUF dari toolkit AngelSlim ditautkan untuk pengujian end-to-end, dan panduan fine-tuning disertakan dalam repositori.

Image yang di-pin dan sebuah ref PR berarti model tersebut berfungsi hari ini pada build persis yang diuji Tencent dan mungkin tidak berfungsi pada rilis minor berikutnya dari salah satu framework. Itu penting untuk diketahui sebelum Anda menempatkannya di belakang endpoint produksi, dan itulah sebabnya resep framework lebih penting daripada tabel benchmark bagi siapa pun yang benar-benar melakukan deployment.

Apa dampak bobot terbuka terhadap harga API

Harga daftar Tencent untuk Hy4 flash di Tiongkok daratan adalah ¥0.5 per juta token masukan, ¥2 per juta token keluaran, dan ¥0.02 untuk cache hit — sekitar $0.070, $0.281, dan $0.003 pada kurs saat ini. Itu adalah kartu harga vendor, bukan hasil pengukuran.

Harga itu bukan yang berubah saat bobot model dirilis. Yang berubah adalah harga dasar di bawahnya. Model yang dapat Anda unduh memiliki harga kedua, yaitu biaya GPU yang Anda gunakan untuk menjalankannya, dan seluruh arsitektur yang dijelaskan di atas adalah argumen bahwa harga kedua ini luar biasa rendah untuk model dengan konteks 1M. Rasio biaya per tugas Tencent sendiri, yaitu 1/8 hingga 1/20, adalah argumen itu dalam aritmetika vendor.

OrcaRouter merutekan 200+ model di balik satu API dengan harga daftar dari penyedia diteruskan pada markup 0%, sehingga perubahan harga vendor langsung aktif di sisi kami pada hari yang sama, bukan pada pembangunan ulang katalog berikutnya. Hy4 flash sendiri belum ada di katalog tersebut — yang tersedia adalah tencent/hy4-preview, model guru 770B/49B yang menjadi asal distilasi model ini, dengan $0.834 untuk input dan $2.501 untuk output per juta token serta tarif baca cache $0.042. Jika Anda ingin mengevaluasi keluarga model ini sebelum berkomitmen pada deployment FP8 yang di-host sendiri, pratinjau ini adalah model yang dapat Anda panggil hari ini; bobot modelnya adalah tujuan Anda beralih ketika angka-angkanya terbukti. Failover otomatis adalah separuh lain dari pendekatan itu, karena checkpoint berusia dua hari yang berjalan pada build Transformers PR-ref adalah persis jenis dependensi yang Anda inginkan ada rute kedua di belakangnya.

Screenshot of the tencent/hy4-preview model page, showing the per-million-token input, output and cache-read prices the routed preview model is listed at.

Apa yang harus ditonton

Tiga hal akan menentukan apakah rilis ini berarti dalam enam bulan, dan tak satu pun darinya adalah tabel benchmark.

Pertama, soal 404. Hy4 flash tidak memiliki skor independen. Sampai Artificial Analysis atau yang setara menjalankan pengujiannya, setiap klaim kemampuan dalam tulisan ini adalah milik Tencent, dan posisi jujurnya adalah model ini belum terukur, bukan terukur dengan baik. Kedua, penggabungan framework: ketika dukungan Transformers keluar dari pull request 50903 dan image vLLM serta SGLang berhenti dipatok, model ini berhenti menjadi artefak riset dan menjadi infrastruktur. Ketiga, interpretasi lisensi — perusahaan pertama yang menjalankan bisnis MaaS senilai $60 juta di atas bobot ini akan memberi tahu semua orang bagaimana Section 10.2 sebenarnya dibaca.

Tencent menutup pengumumannya dengan kalimat "nanti tunggu Hy4 yang akan hadir berikutnya," yang merupakan janji bahwa model dengan skor 51,4 pada WorkIndex di bagan biaya akan mendapat perlakuan yang sama. Jika demikian, pertanyaan menariknya bukan lagi apakah Tencent dapat merilis model flash open-weight yang murah, melainkan apakah Tencent dapat merilis model mahal yang bersaing berdasarkan kemampuan, bukan harga.

Dibandingkan dalam artikel ini2

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