{{1}}Kartu hero yang dihasilkan yang membandingkan Hy4 flash dan Claude Haiku 5.5, dengan angka besar '2.79 vs 2.81' yang diberi label 'tingkat kepuasan dari 4 dalam uji buta 85 pengguna milik Tencent sendiri', dan footer bertuliskan 'Kedua skor kepuasan tersebut merupakan pengukuran Tencent. Bobot Hy4 flash dipublikasikan pada 17 November 2026.'
Guides & Insights

Hy4 flash vs Claude Haiku 5.5: Tencent Menjalankan Perbandingan Ini Sendiri, dan Mempublikasikan Kekalahannya

Penulis

jinhao.song

Tanggal Terbit

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

Seseorang di Tencent memutuskan bahwa lawan yang tepat untuk Hy4 flash adalah Claude Haiku 5.5, menempatkan kedua model di hadapan 85 pengguna WorkBuddy milik perusahaan itu sendiri dalam 259 tugas, dan mempublikasikan hasilnya meskipun kalah. Hy4 flash memperoleh 2,79 dari 4 dalam kepuasan pengguna. Claude Haiku 5.5 memperoleh 2,81. Itu adalah selisih 0,02 poin pada skala empat poin, diukur oleh penantang, pada tugas penantang sendiri — dan itu adalah angka paling menarik dalam rilis Hy4 flash, karena memberi tahu Anda apa yang sebenarnya Tencent yakini sedang dijualnya. Bukan model yang lebih baik. Model yang lebih murah yang cukup dekat sehingga perbedaannya tidak bertahan saat bersentuhan dengan survei kepuasan.

Sisa rilis tersebut mendukung tafsiran itu. Hy4 flash dipublikasikan sebagai open weights pada 17 November 2026, dua hari setelah masuk ke API Tencent pada 16 November: 220B parameter total, 12B aktif per token, konteks 1M token, input gambar dengan output teks. Claude Haiku 5.5 telah tersedia secara umum sejak 7 Oktober 2026 dengan harga $0,10 dan $0,50 per juta token. Kedua model tersebut tidak ada dalam katalog OrcaRouter, dan tulisan ini tidak akan berpura-pura sebaliknya; apa yang dapat dirutekan dibahas di bagian akhir, dan itu adalah pasangan model yang berbeda.

Uji buta, dibaca dengan benar

Ulasan Tencent tentang evaluasi tersebut terdiri dari tiga kalimat dan satu grafik, dan grafik itu melakukan sesuatu yang spesifik: grafik tersebut memplot kepuasan terhadap median waktu penyelesaian end-to-end dan biaya per tugas, sehingga model yang unggul pada dua sumbu terlihat sekilas. Angkanya adalah 2,79/4 untuk Hy4 flash dibandingkan 2,81/4 untuk Claude Haiku 5.5, median waktu penyelesaian 6,7 menit untuk Hy4 flash, dan RMB 0,26 per tugas. Klaim Tencent adalah bahwa Hy4 flash mencatat biaya per tugas terendah sekaligus median waktu penyelesaian terpendek di antara model-model yang dievaluasi.

Apa yang tidak diberikan oleh tulisan tersebut kepada Anda adalah kumpulan lengkap model yang dievaluasi, rincian per kategori, atau rubriknya. Yang disebutkan adalah populasinya: 85 pengguna internal, 27 kategori, 259 tugas, semuanya diambil dari WorkBuddy, asisten produktivitas milik Tencent. Itu adalah evaluasi yang koheren dan bukan evaluasi yang netral. Karyawan yang mengevaluasi model milik pemberi kerja mereka tahu model mana yang menjadi milik mereka, dan bahkan dalam antarmuka tersamar, tugas-tugasnya adalah tugas yang dipilih Tencent karena mirip dengan produk Tencent.

Hal yang berguna dari selisih 0,02 adalah efeknya terhadap argumen, ke arah mana pun Anda condong. Jika Anda cenderung memercayai pengujian itu, Anda memiliki pernyataan Tencent bahwa perbedaan kemampuan dibanding Claude Haiku 5.5 dapat diabaikan untuk pekerjaan kantor, yang merupakan klaim yang berlawanan dengan kepentingan mereka sendiri. Jika Anda cenderung tidak memercayainya, pengujian yang sama tidak memberi Anda alasan untuk percaya bahwa Hy4 flash lebih baik, dan Anda hanya tersisa dengan kolom biaya, yang memang menjadi tempat Tencent ingin menarik perhatian Anda.

Di mana kedua model sebenarnya berbeda

Lembar spesifikasi berbeda dalam hal-hal yang tidak dapat ditunjukkan oleh skor kepuasan. Setiap angka di bawah ini adalah spesifikasi terbitan vendor sendiri, kecuali ditandai sebagai pengukuran Artificial Analysis.

• Parameter total dan aktif — Hy4 flash 220B total dengan 64B di antaranya dalam tabel Engram, 12B aktif per token; jumlah parameter Claude Haiku 5.5 tidak diungkapkan, yang merupakan hal normal bagi Anthropic.

• Jendela konteks — 1,048,576 token untuk Hy4 flash; 1,000,000 untuk Claude Haiku 5.5.

• Output maksimum — 64.000 token pada Hy4 flash sesuai konfigurasi penyajian; 128.000 token pada Claude Haiku 5.5, dua kali lipat.

Modalitas masukan — Hy4 flash menerima teks dan gambar melalui encoder 27 lapis yang diturunkan dari SigLIP2; materi peluncuran Claude Haiku 5.5 berpusat pada teks dan penggunaan alat, dan rangkaian kemampuan yang dipublikasikannya lebih sempit di sisi visi.

• Lisensi — Hy4 flash dirilis di bawah Tencent Hy License dengan Bagian 10.2 yang mensyaratkan kesepakatan terpisah di atas $50 juta pendapatan MaaS atau 100 juta MAU; Claude Haiku 5.5 bersifat proprietary dan sama sekali tidak memiliki bobot.

• Skor independen — Hy4 flash tidak memilikinya, dan URL Artificial Analysis-nya mengembalikan 404; Claude Haiku 5.5 mencetak 36 pada Intelligence Index v5.0.1 dengan effort Max.

• Biaya terukur per tugas Index — $0,41 untuk Claude Haiku 5.5 menurut Artificial Analysis; tidak diukur untuk Hy4 flash, yang tidak ada di papan peringkat.

Batas output adalah baris yang paling mungkin menimbulkan masalah dalam praktik. Model dengan konteks 1M dan output 64k dikonfigurasi untuk membaca banyak sekali dan menulis dalam jumlah sedang; alur kerja penyusunan dokumen yang mengharapkan output lebih dari 64.000 token dalam satu respons tidak dapat menggunakannya. Rekomendasi penggunaan dari Tencent sendiri — pencarian mendalam, pemrosesan dokumen, pembuatan slide, demo frontend sederhana, penggunaan komputer — konsisten dengan batas tersebut. Pembuatan konten panjang tidak ada dalam daftar.

Perbandingan harga bukanlah satu angka dibandingkan dengan angka lainnya

Tarif daratan Tiongkok Tencent untuk Hy4 flash adalah ¥0,5 per juta token masukan, ¥2 per juta keluaran, dan ¥0,02 per token masukan yang di-cache — sekitar $0,070, $0,281, dan $0,003. Daftar harga resmi Claude Haiku 5.5 dimulai dari $0,10 per juta masukan dan $0,50 per juta keluaran, dengan penulisan cache sebesar $0,125 dan $0,625 untuk cache lima jam dan satu jam, serta pembacaan cache sebesar $0,01.

Pada tarif utama tersebut, Hy4 flash sekitar 30% lebih murah untuk input, 44% lebih murah untuk output, dan 70% lebih murah pada cache hit. Keduanya merupakan tarif tetap untuk seratus ribu token pertama. Perbedaannya adalah apa yang terjadi setelahnya: kartu tarif Anthropic menaikkan harga input Claude Haiku 5.5 dari $0,10 menjadi $0,50 per juta dan harga outputnya dari $0,50 menjadi $2,50 begitu permintaan melewati 100.000 token input. Untuk dokumen 200.000 token, Claude Haiku 5.5 ditagih lima kali tarif input utamanya, sehingga perbandingan itu menjadi $0,50 versus $0,070 milik Tencent — selisih 7x, bukan 30%.

Itu adalah pilihan desain, bukan trik, dan memiliki logika yang bisa dipertahankan: input panjang lebih mahal untuk prefill, jadi vendor mengenakan biaya lebih untuk itu. Namun itu berarti angka utama adalah angka yang salah untuk tepatnya beban kerja yang diklaim kedua model mampu tangani dengan baik. Pemrosesan dokumen pada konteks 1M menurut definisi adalah beban kerja >100.000 token. Jika kasus penggunaan Anda adalah pekerjaan dokumen panjang, harga kedua model berdasarkan baris yang berlaku untuk panjang prompt Anda, bukan berdasarkan angka di bagian atas kartu.

Latensi: metrik yang diukur Tencent bukanlah metrik yang diterbitkan Anthropic

Tencent melaporkan waktu penyelesaian menyeluruh median 6,7 menit untuk Hy4 flash pada tugas WorkBuddy. Artificial Analysis melaporkan Claude Haiku 5.5 pada 14,7 menit per tugas Intelligence Index dengan upaya Max, dengan waktu 192 detik hingga token jawaban pertama — dan dewan menandai model tersebut sebagai "secara mencolok lambat per tugas dan sangat verbose," dengan 298 juta token keluaran untuk proses indeks tersebut.

Kedua angka itu tidak dapat dibandingkan dan tidak boleh dikurangkan. Tugasnya berbeda, harness-nya berbeda, definisi "selesai"-nya juga berbeda. Yang dapat mereka pastikan adalah bahwa pengaturan effort Claude Haiku 5.5 merupakan dial latensi dengan rentang yang sangat lebar, dan bahwa bagian atasnya mahal dalam hal waktu aktual:

• Max — Indeks 36, 14,7 menit per tugas, token pertama 192 detik, 298 juta token keluaran.

• Xhigh — Indeks 35, 9,6 menit, token pertama 44 detik, 151 juta token.

• Tinggi — Indeks 30, 6,4 menit, token pertama 21 detik, 89,8 juta token.

• Sedang — Indeks 25, 3,9 menit, token pertama 10 detik, 52,7M token.

• Rendah — Indeks 19, 2,2 menit, token pertama 5,8 detik, 29,9M token.

A generated reference card headed 'The effort ladder Artificial Analysis measured', with five horizontal bars for Claude Haiku 5.5 at Max, Xhigh, High, Medium and Low effort, each carrying its Intelligence Index score, minutes per task and seconds to first token, and a vertical marker at the High row labelled 'the setting most products would ship'.

Kelima baris tersebut adalah pengukuran Artificial Analysis pada v5.0.1. Tujuan menampilkannya adalah bahwa "Claude Haiku 5.5 mencetak skor 36" merupakan pernyataan tentang konfigurasi termahal yang ditawarkan Anthropic. Pada pengaturan tingginya, skornya 30 dan selesai dalam waktu kurang dari separuh. Siapa pun yang membandingkan produk yang sensitif terhadap latensi dengan angka Max sedang membandingkannya dengan pengaturan yang tidak akan mereka rilis.

Hy4 flash memiliki dial yang sama, dalam bentuk yang lebih kasar: reasoning_effort pada high, yang merupakan default, atau no_think. Dua posisi berbanding lima. Jika beban kerja Anda memerlukan pengaturan di tengah — berpikir aktif, tetapi tidak maksimal — Claude Haiku 5.5 memberi Anda tombol itu dan Hy4 flash sebagian besar tidak.

Screenshot of the Artificial Analysis model page for Claude Haiku 5.5, showing the five effort rows from Max down to Low with their Intelligence Index scores, time per task and output token counts.

Tiga hal yang menentukan ini dan tidak tercantum di kedua lembar spesifikasi

Permukaan API. Format permintaan Claude Haiku 5.5 lebih ketat daripada pendahulunya dalam hal-hal yang merusak kode. Dokumentasi Anthropic menolak temperature, top_p dan top_k pada nilai non-default apa pun, menghapus prefill asisten, menghapus manual budget_tokens, dan mewajibkan versi toolset computer-use tertentu. Hy4 flash menerima kumpulan sampling penuh, merekomendasikan temperature 0.9 dengan top_p 1.0, dan menyertakan hy_v4 parser tool-call dan reasoning untuk vLLM. Jika Anda memiliki pustaka prompt yang disetel dengan sweep temperature, salah satu model ini akan menjalankannya tanpa perubahan dan model lainnya akan menghasilkan 400.

Bentuk penerapannya. Claude Haiku 5.5 hanyalah sebuah API, tidak lebih. Hy4 flash adalah API, repositori Hugging Face, build FP8, checkpoint dasar, kuantisasi GGUF, dan panduan fine-tuning. Itu tidak otomatis menjadi keunggulan — model yang Anda host sendiri adalah model yang Anda operasikan, patch, dan rencanakan kapasitasnya — tetapi itulah perbedaan antara hubungan dengan vendor dan sebuah aset, dan bagi tim dengan persyaratan residensi data atau kebutuhan fine-tuning, hal itu menuntaskan perbandingan sebelum benchmark apa pun dirujuk.

Kesenjangan pengukuran. Claude Haiku 5.5 telah ada di Artificial Analysis sejak Oktober dan telah dibedah oleh setiap blog perbandingan di internet, termasuk yang ini. Hy4 flash memiliki 404 di tempat skornya seharusnya berada. Bukan karena modelnya buruk, melainkan karena usianya baru dua hari dan belum ada pihak independen yang menjalankannya. Skor kepuasan di atas adalah pengukuran terhadap populasi nyata, dan sekaligus satu-satunya pengukuran model ini oleh pihak selain pembuatnya.

Menelepon salah satu dari mereka, sejujurnya.

Baik Hy4 flash maupun Claude Haiku 5.5 tidak ada di katalog OrcaRouter saat ini, jadi tidak ada versi bagian ini yang menyuruh Anda memanggilnya di sini. Yang ada adalah generasi di masing-masing sisi: tencent/hy4-preview, model 770B/49B yang menjadi asal distilasi Hy4 flash, dengan $0.834 input dan $2.501 output per juta dengan tarif pembacaan cache $0.042; dan anthropic/claude-haiku-4.5 dengan $1.00 input dan $5.00 output per juta dengan pembacaan cache $0.10 — generasi sebelumnya, bukan 5.5 dalam perbandingan ini.

Pasangan itu lebih berguna daripada kedengarannya. Jika Anda sedang memutuskan apakah profil biaya Hy4 flash layak membuat pipeline direstrukturisasi, model pratinjau memberi Anda perilaku keluarga model tersebut dengan harga yang membuat eksperimennya murah, pada kunci yang sama dan endpoint yang sama seperti semua yang lain di katalog, dengan harga daftar penyedia diteruskan dengan markup 0% sehingga perubahan harga Tencent sampai kepada Anda pada hari terjadinya. DSL perutean adalah bagian yang penting setelah Anda memiliki dua kandidat: kirim tingkat dokumen panjang ke model mana pun yang menang dalam evaluasi Anda sendiri dan pertahankan model lainnya sebagai fallback, alih-alih memilih satu vendor untuk semuanya karena beralih membutuhkan kontrak.

Dan ketika Hy4 flash masuk ke sebuah katalog — katalog apa pun, termasuk milik kami — yang perlu diuji bukanlah skor kepuasan. Yang perlu diuji adalah jumlah token keluaran pada tugas-tugas Anda sendiri. Klaim pasca-pelatihan Tencent menyebutkan pengurangan 50% dalam rata-rata token keluaran ujung-ke-ujung, dan jika itu berlaku pada beban kerja Anda, nilainya lebih besar daripada diskon 30% per token, karena token keluaran adalah separuh mahal dari setiap tagihan pada kedua model.

Screenshot of the anthropic/claude-haiku-4.5 model page, showing the per-million-token input, output and cache-read prices the previous generation is listed at.

Apa yang bisa menyelesaikannya

Satu uji coba independen pada harness bersama. Jalankan Hy4 flash dan Claude Haiku 5.5 melalui Intelligence Index dengan sembilan evaluasi yang sama dan lihat dua baris: skor, dan biaya per tugas yang diselesaikan. Tencent telah memberi tahu Anda apa yang diharapkannya dikatakan baris-baris itu — bahwa Hy4 flash berada dekat Claude Haiku 5.5 dalam hal kemampuan dan jauh di bawahnya dalam hal biaya. Sampai seseorang di luar Tencent menerbitkan pasangan itu, ekspektasi tersebut hanyalah hipotesis dengan anggaran pemasaran perusahaan di belakangnya, bukan hasil.

Hal yang dapat Anda tindak lanjuti hari ini lebih terbatas dan lebih berguna. Jika beban kerja Anda berupa dokumen panjang, hitung harga baris >100.000 token sebelum hal lain, karena di situlah kedua kartu paling berbeda. Jika sensitif terhadap latensi, bandingkan Claude Haiku 5.5 pada effort tinggi, bukan Max. Jika memerlukan fine-tuning atau inferensi on-premises, keputusannya sudah dibuat dan tidak ada benchmark yang akan mengubahnya. Selisih kepuasan sebesar 0,02 poin bukan alasan untuk beralih ke arah mana pun, dan fakta bahwa Tencent menerbitkannya adalah hal paling kredibel dalam rilis ini.