
Hy4 flash vs GLM-5.3-Flash: Model yang Lebih Murah Adalah Model yang Tidak Bisa Anda Unduh
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 219 tok/s
Hy4 flash dan GLM-5.3-Flash menyasar pembeli yang sama — seseorang yang menginginkan jendela konteks sejuta token, masukan gambar, dan pemanggilan alat kelas agen tanpa membayar tarif model unggulan — dan keduanya menjawab dengan kartu harga yang hampir identik. Hy4 flash, yang dirilis Tencent pada 16 November 2026, menagih $0.070 per juta token masukan dan $0.281 per juta token keluaran dengan $0.003 untuk cache. GLM-5.3-Flash, yang diluncurkan dan dijadikan sumber terbuka oleh Zhipu pada 26 Agustus 2026, menagih $0.15, $0.50, dan $0.03 pada harga daftar. Tencent kira-kira setengah harga pada masukan dan sedikit di atas setengah pada keluaran, serta sepuluh kali lebih murah pada masukan cache, yaitu pos yang menentukan sebagian besar anggaran agen. Model ini juga merupakan model tanpa bobot, tanpa lisensi, tanpa kartu model, dan tanpa tolok ukur independen, dibandingkan dengan model yang berlisensi MIT di Hugging Face dan mencetak skor 27,8 pada Artificial Analysis Intelligence Index.
Itulah keseluruhan perbandingan dalam satu kalimat, dan itu tidak terselesaikan dengan rapi. Lebih murah dan tidak dapat diverifikasi versus lebih mahal dan dapat diperiksa adalah trade-off nyata, bukan masalah pemasaran, dan pihak mana yang menang bergantung pada hal-hal yang tidak akan diberitahukan oleh vendor mana pun. Berikut ini adalah apa yang sebenarnya telah diterbitkan masing-masing, apa yang diperoleh dan dibebankan oleh selisih harga, dan di mana keputusan itu berbalik.
Dua kartu harga, baca baris demi baris
Mulailah dengan angka-angka sebagaimana dipublikasikan, karena hanya angka-angka itulah dalam perbandingan ini yang dinyatakan secara jelas oleh kedua perusahaan dan yang dapat diperiksa siapa pun terhadap tagihan.
• Input, per juta token — Hy4 flash $0.070; GLM-5.3-Flash $0.15.
• Output, per juta token — Hy4 flash $0.281; GLM-5.3-Flash $0.50.
• Input di-cache, per juta token — Hy4 flash $0,003; GLM-5.3-Flash $0,03.
• Jendela konteks — Hy4 flash 1.048.576 token; GLM-5.3-Flash 1.000.000 token.
• Parameter aktif per token — Hy4 flash 12B dari total 224B, termasuk 64B parameter Engram; GLM-5.3-Flash 18B dari total 320B di 45 lapisan.
• Bobot — Hy4 flash diumumkan sebagai rencana tanpa tanggal; GLM-5.3-Flash MIT di Hugging Face sejak hari peluncuran.
• Skor kecerdasan independen — Hy4 flash tidak ada yang dipublikasikan; GLM-5.3-Flash 27,8 pada Artificial Analysis Intelligence Index, dengan 71,5 pada Coding Index dari lab yang sama.
Baris input yang di-cache layak mendapat lebih banyak perhatian daripada biasanya. Pada $0,003 per juta, cache Hy4 flash sepuluh kali lebih murah daripada GLM-5.3-Flash, dan seratus kali lebih murah daripada produk unggulannya sendiri, Tencent HY4. Bagi agen yang mengirim ulang prompt sistem tetap, skema alat, dan dokumen hasil retrieval pada setiap langkah, tarif cache adalah tarif yang sebenarnya paling sering Anda bayar, dan selisih sepuluh kali lipat di sana lebih besar daripada selisih dua kali lipat pada input baru. Jika beban kerja Anda berat pada retrieval, keunggulan Hy4 flash lebih besar daripada yang disiratkan harga utamanya. Jika beban kerja Anda adalah generasi sekali jalan tanpa penggunaan ulang, keunggulannya menyempit menjadi rasio input dan output.
Kedua kartu harga sebagian bersifat promosi. TokenHub dari Tencent Cloud memberikan diskon 50% untuk periode terbatas yang tidak disebutkan, dan WorkBuddy gratis hingga 30 November. Tarif peluncuran diskon 50% Zhipu berakhir pada 9 September 2026 dan tidak diperpanjang, itulah sebabnya angka $0.075 dan $0.25 yang beredar pada akhir Agustus tidak berlaku lagi — tarif di atas adalah tarif tetap. Asumsikan promosi Tencent berakhir dengan cara yang sama dan anggarkan tarif daftar.
Kesenjangan parameternya lebih kecil daripada kesenjangan harganya.

Hy4 flash mengaktifkan 12 miliar parameter per token dibandingkan 18 miliar milik GLM-5.3-Flash, sepertiga lebih sedikit komputasi per token, dan itulah alasan mekanis mengapa model ini dapat dijual dengan harga setengahnya. Bagian yang menarik adalah totalnya: 224 miliar versus 320 miliar, dengan 64 miliar dari total Tencent berada dalam parameter Engram yang menyimpan asosiasi terpelajar alih-alih berjalan di setiap forward pass seperti yang dilakukan expert yang dirutekan. Tencent belum mempublikasikan jumlah lapisan, jumlah expert, atau lebar routing untuk Hy4 flash, jadi hal yang paling mendekati perbandingan arsitektural adalah bahwa keduanya merupakan model sparse mixture-of-experts dengan fraksi aktif yang kecil dan kedua vendor memilih desain itu karena alasan yang sama — biaya serving berskala dengan parameter aktif, bukan parameter total.
Desain GLM-5.3-Flash didokumentasikan secara lebih rinci, dan dokumentasi itu dapat diperiksa karena bobotnya bersifat publik: 45 lapisan, atensi hibrida sparse-plus-linear, pendekatan terhadap koneksi residual yang oleh Zhipu disebut Manifold-Constrained Hyper-Connections, dan mekanisme IndexPool yang memampatkan empat vektor kunci pengindeks menjadi satu pool berbobot untuk memangkas latensi konteks panjang. Pra-pelatihan dijalankan pada korpus multimodal 30 triliun token. Tidak ada satu pun dari itu yang diaudit secara independen, tetapi setidaknya itu adalah deskripsi yang cukup spesifik untuk dapat difalsifikasi oleh siapa pun yang mengunduh checkpoint.
Asimetrinya bukanlah bahwa Zhipu mempublikasikan dan Tencent tidak. Keduanya mempublikasikan; mereka mempublikasikan jenis hal yang berbeda. Zhipu mendeskripsikan sebuah model, yaitu klaim tentang struktur yang dapat dikonfirmasi atau dibantah oleh sebuah checkpoint. Tencent mendeskripsikan sebuah hasil — KV cache yang ukurannya seperenam dari milik model andalannya, panjang output yang dipangkas setengahnya oleh self-distillation, lebih dari 150 token per detik untuk decode berkat kuantisasi empat-bit dan sebuah megakernel — yang merupakan klaim tentang perilaku yang hanya dapat dipastikan melalui reproduksi. Hasil adalah klaim yang lebih menarik secara komersial dan yang lebih sulit untuk diperiksa. Pada model dengan bobot publik, klaim tentang serving diuji oleh orang-orang asing dalam hitungan minggu; pada model tanpa bobot publik, klaim itu tetap menjadi satu kalimat di halaman riset selama yang diinginkan vendor.
Salah satunya bisa kamu unduh
Inilah perbedaan yang menentukan bagi sebagian pembeli yang signifikan, dan selisihnya tidak tipis. GLM-5.3-Flash berlisensi MIT, dalam FP8 dan BF16, di zai-org/GLM-5.3-Flash di Hugging Face, dan telah demikian sejak 26 Agustus 2026. MIT mengizinkan penggunaan komersial, modifikasi, fine-tuning, dan redistribusi tanpa ambang pendapatan. Model ini telah digunakan publik secara luas selama hampir tiga bulan, yang berarti stack inferensinya telah menyusul: kuantisasi tersedia, resep serving tersedia, dan klaim apa pun tentang perilakunya dapat diuji dengan menjalankannya.
Tidak ada yang seperti itu untuk Hy4 flash. Komitmen di sana hanyalah satu kalimat tentang rencana masa depan, disertai kehati-hatian berlebihan berupa niat untuk terus melakukan iterasi, dan tidak menyebutkan lisensi maupun tanggal. Tencent pernah melakukannya dengan benar — pratinjau Agustus hadir di bawah Apache 2.0 dengan bobot di empat situs hosting serta resep vLLM dan SGLang sejak hari pertama — jadi polanya tidak diragukan. Yang diragukan adalah kehati-hatian berlebihan dalam bahasa saat ini, yang terbaca seperti komitmen pada proses alih-alih pada artefak. Siapa pun yang berencana melakukan fine-tuning, self-host, atau membangun model biaya seputar menjalankan inferensi sendiri harus memperlakukan Hy4 flash sebagai API-only sampai sebuah repositori muncul.
Asimetri yang sama berlaku untuk bukti. GLM-5.3-Flash memiliki dua angka dari harness yang tidak ditulis oleh kedua vendor: 27.8 pada Artificial Analysis Intelligence Index dan 71.5 pada Coding Index-nya. Keduanya dapat diperiksa, dan pasangan angka itu menyatakan sesuatu yang spesifik: 71.5 pada coding dibandingkan 27.8 pada indeks umum menggambarkan model yang benar-benar bagus pada satu hal dan biasa saja pada hal lainnya, yang persis seperti seharusnya sebuah tier murah. Itulah jenis perbedaan yang dihapus oleh satu skor utama, dan itulah sebabnya angka-angka vendor yang tersisa dalam artikel ini disajikan sebagai klaim, bukan hasil. Hy4 flash tidak memiliki skor independen, dan hasil benchmark-nya — DeepSWE, Terminal-Bench 4.0, APEX-Agents, OSWorld 2.1, dan suite internal Tencent — hanya ada sebagai gambar grafik di halaman riset vendor tersebut. Itu bukan alasan untuk tidak memercayainya. Itu adalah alasan untuk memperlakukannya sebagai hipotesis.
Apa yang diukur masing-masing vendor, dan siapa yang mereka kalahkan
Kedua perusahaan menerbitkan perbandingan, dan mereka membandingkan diri dengan hal-hal yang berbeda, yang memberi tahu Anda apa yang masing-masing anggap sebagai kelemahannya.
Judul utama Tencent adalah uji buta: 85 pengguna WorkBuddy, 27 kategori tugas, 259 tugas pekerjaan harian nyata, dengan Hy4 flash dilaporkan hampir menyamai Claude Haiku 5.5 dalam kepuasan sekaligus memiliki biaya per tugas terendah dan durasi tugas terpendek dalam panel. Perhatikan "hampir menyamai," bukan "lebih baik dari," dan perhatikan bahwa panel tersebut adalah karyawan vendor itu sendiri di produk milik vendor itu sendiri. Klaim pendukungnya adalah biaya per tugas pada WorkIndex, tolok ukur internal delapan rangkaian milik Tencent: sepertiga belas dari Hy4 preview, seperdua puluh dari Tencent HY4, seperdelapan dari DeepSeek-V4.1-Flash-1017. Terhadap GLM-5.3-Flash, satu-satunya angka yang diterbitkan adalah kenaikan 2,52% dalam obrolan umum di dalam 元宝, yang merupakan metrik produk pada satu aplikasi konsumen dan tidak berlaku untuk apa pun yang akan Anda jalankan.
Posisi Zhipu berbeda: ia menjual model tersebut sebagai kemampuan yang mendekati frontier dengan biaya flash, mematok harganya terhadap model unggulan 743B miliknya sendiri, dan menunjuk pada bobot terbuka serta hasil evaluasi eksploit sebagai bukti bahwa model murah itu bukan mainan. Angka internalnya sudah menerima satu koreksi independen, dan angka AA-lah yang perlu dikutip.
Konsekuensi praktisnya adalah tidak ada vendor yang telah menerbitkan perbandingan langsung pada harness netral, dan perbandingan yang sebenarnya Anda inginkan — tugas yang sama, prompt yang sama, harness yang sama, kedua model — tidak ada. Anda harus menjalankannya sendiri. Sepuluh tugas yang sudah Anda kerjakan, dengan jumlah token tercatat, cukup untuk menentukannya bagi trafik Anda dan lebih berharga daripada halaman peluncuran mana pun.
Dua taruhan berbeda pada multimodalitas
GLM-5.3-Flash menerima input teks, gambar, dan video secara native dan merupakan model GLM-5 pertama yang melakukannya, bukan merutekan visi melalui adapter terpisah. Itu adalah klaim yang terdokumentasi dan dapat diuji, dan bobotnya bersifat publik sehingga dapat diperiksa tanpa meminta izin.
Hy4 flash digambarkan sebagai multimodal, dan WorkIndex suite yang digunakan untuk mengukurnya mencakup pemahaman visual sebagai salah satu dari delapan jenis tugas. Tencent belum mengatakan apakah jalur visi bersifat native atau adaptor, belum menerbitkan ukuran encoder, dan belum mengatakan apakah video didukung sama sekali. Paling jauh yang dapat dikatakan adalah bahwa input gambar merupakan bagian dari promosi dan bahwa pendahulu model ini dalam keluarga — Tencent HY4, ketersediaan umum 4 November 2026 — menambahkan visi native dan penggunaan komputer sebagai fitur utamanya, sehingga kemampuan tersebut masuk akal bagi model yang didistilasi darinya. Masuk akal bukan berarti terdokumentasi.
Jika tangkapan layar, bagan, dokumen hasil pindai, atau bingkai video memainkan peran penting dalam pipeline Anda, GLM-5.3-Flash adalah model yang perilaku multimodalnya dapat Anda verifikasi sebelum berkomitmen. Jika gambar hanya muncul sesekali, selisih kemampuan itu tidak sepenting harga.
Di mana keputusan berubah
Pilih Hy4 flash ketika volume menjadi masalah dan tugasnya berbentuk perkantoran. Pemrosesan dokumen, retrieval atas korpus panjang, pembuatan slide, pekerjaan frontend sederhana, loop computer-use — inilah beban kerja yang menjadi alasan Tencent membangunnya, yang dicakup data produk internalnya, dan yang membuat diskon cache sepuluh kali lipat serta pemangkasan panjang output 50% berpadu menjadi sesuatu yang jauh lebih murah. Jalankan pada tugas Anda sendiri terlebih dahulu dan pantau token output: jika model ini memang lebih ringkas, tagihan Anda turun lebih jauh daripada prediksi rate card, dan jika model ini lebih ringkas karena lebih dangkal, Anda akan melihatnya pada pengukuran yang sama.
Pilih GLM-5.3-Flash ketika Anda membutuhkan artefak, audit, atau modalitasnya. Fine-tuning, penyajian on-premises, data yang diatur, lisensi yang dapat Anda tunjukkan kepada pengacara, input video, atau skor dari harness yang tidak ditulis oleh siapa pun di Zhipu — semua ini mengarah ke satu arah. Dengan harga $0.15 dan $0.50, model ini tidak mahal; harganya kira-kira sepersepuluh dari harga daftar GLM-5.3 untuk model yang telah bertahan dari pengukuran independen.
Pilih keduanya saat beban kerjanya campuran. Bacaan jujur atas kedua rilis ini adalah keduanya bukan benar-benar pengganti: yang satu adalah model API yang dioptimalkan biaya untuk pekerjaan sehari-hari bervolume tinggi, yang lain adalah checkpoint terbuka dengan arsitektur terdokumentasi untuk apa pun yang perlu keluar dari kendali vendor. Router yang dapat menjangkau keduanya adalah jawaban yang lebih murah daripada memilih satu lalu salah.

Apa yang sebenarnya dapat dipanggil hari ini
Di sinilah kedua model berbeda secara operasional maupun komersial. GLM-5.3-Flash ada dalam katalog OrcaRouter sebagai z-ai/glm-5.3-flash dengan harga daftar penyedia $0,15 per juta token masukan dan $0,50 per juta token keluaran, disertai tier gratis dengan pembatasan laju untuk evaluasi. Hy4 flash tidak dirutekan di sini — Tencent belum menyediakannya kepada kami — jadi siapa pun yang membandingkan keduanya perlu TokenHub milik Tencent untuk sisi flash dan dapat menggunakan kunci OrcaRouter yang sama untuk sisi GLM.
Pemisahan itu layak dimanfaatkan, bukan disesali. OrcaRouter meneruskan harga daftar penyedia tanpa markup, yang berarti sisi GLM dalam perbandingan Anda ditagih tepat pada tarif Zhipu dan tetap benar jika Zhipu mengubahnya; tidak ada tabel reseller yang menjadi kedaluwarsa. Dan untuk evaluasi itu sendiri, memiliki tencent/hy4-preview pada kunci yang sama dengan z-ai/glm-5.3-flash berguna meskipun model tersebut bukan model yang dimaksud: versi preview adalah model asal distilasi Hy4 flash, sehingga menjadi kontrol alami saat Anda menguji apakah jawaban model kecil itu tetap valid. Satu kunci, lebih dari 200 model, dan jalur failover jika endpoint pada minggu peluncuran ternyata tidak andal — yang, untuk model yang dirilis enam hari lalu tanpa catatan uptime publik, adalah hal wajar untuk diinginkan.

Bukan harganya yang menjadi pertanyaan.
Tencent telah membangun model yang lebih murah, dan berdasarkan angka-angkanya model itu lebih murah dengan selisih yang signifikan: setengah pada input, sedikit di atas setengah pada output, sepersepuluh pada cache. Yang belum dibangunnya adalah model yang dapat Anda periksa. Tidak ada bobot, tidak ada lisensi, tidak ada detail arsitektur, tidak ada skor independen, tolok ukur di balik piksel, dan perbandingan utama yang diambil dari panel stafnya sendiri. Zhipu membangun model yang lebih mahal dan memublikasikan cukup banyak sehingga kelemahannya — termasuk indeks vendor yang dipangkas lima belas poin oleh pengukuran independen — tercatat dan dapat Anda timbang.
Enam hari setelah peluncuran, itulah bentuk pilihannya: diskon yang sudah terbukti dibandingkan model yang belum terdokumentasi, atau model yang terdokumentasi dengan harga yang masih sangat rendah. Diskonnya kemungkinan nyata dan celah dokumentasinya kemungkinan hanya sementara. Keduanya belum pasti, dan cara untuk mengetahuinya adalah meluangkan satu sore untuk mengukur, bukan seperempat tahun untuk memilih.
Dibandingkan dalam artikel ini3
Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari
