Kartu judul yang dihasilkan bertuliskan 'Tencent Hy4 vs Kimi K3.1 Pro' dengan dua kolom statistik: Hy4 pada Intelligence Index 34,6, total 770B dan 49B parameter aktif, $0,834/$2,501 per juta token; Kimi K3.1 Pro pada 46,5, total 2,8T dan 104B aktif, $2,00/$10,00; dan kaki halaman bertuliskan 'Indeks menurut Artificial Analysis v5.0.1, dibaca 20 November 2026; bobot kedua model tersedia secara publik.'
Guides & Insights

Hy4 vs Kimi K3.1 Pro: Keduanya Dapat Diunduh, Satu Dapat Dihosting Sendiri

Penulis

Alistair Wren

Tanggal Terbit

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

Kimi K3.1 Pro mencetak 46,5 pada Artificial Analysis Intelligence Index. Tencent Hy4 mencetak 34,6. Itu selisih 12 poin, dan merupakan defisit terbesar yang dialami Hy4 dalam pertandingan mana pun minggu ini — lebih besar daripada defisitnya melawan Qwen4-Max, lebih dari sepuluh kali lipat dibandingkan defisitnya melawan Grok 4.7. Di papan peringkat, Kimi K3.1 Pro adalah model open-weight terbaik yang terdaftar, peringkat pertama dari 32 di kelasnya.

Lalu Anda melihat seberapa besar bobot keduanya. Kimi K3.1 Pro adalah model 2,78 triliun parameter dengan 104 miliar parameter aktif per token. Tencent Hy4 berjumlah total 774 miliar dengan 49 miliar aktif. Keduanya dipublikasikan sebagai bobot yang dapat diunduh — milik Kimi pada 2 November 2026, milik Hy4 pada 18 November, terpaut tiga minggu. Hanya satu dari keduanya yang muat di mesin yang dimiliki perusahaan biasa, dan fakta tunggal itu menata ulang seluruh perbandingan. Ini bukan kisah tentang model mana yang lebih pintar. Ini adalah kisah tentang model mana yang benar-benar dapat Anda jalankan, dan berapa biaya model yang lebih pintar itu per tugas yang diselesaikan jika Anda menyewanya.

Satu-satunya tolok ukur yang menentukan ini

Jejak penerapan minimum, pada presisi yang direkomendasikan vendor sendiri:

• T​encent Hy4 — 774 miliar parameter dalam BF16, diterbitkan sebagai 245 shard berukuran sekitar 12,9 GB dan 6,4 GB, sekitar 1,45 TB sebelum kuantisasi apa pun. Resep penyajian milik T​encent sendiri menggunakan paralelisme tensor 8 pada GPU setara satu node dengan build FP8, yang kira-kira 786 GB bobot.

Kimi K3.1 Pro — 2,78 triliun parameter, 2,72 TB bobot terkuantisasi U8 di repositori sebagaimana dikirim, dengan tensor BF16 memakan tambahan 57 GB. Tidak ada konfigurasi satu node yang menjadikan model ini proyek akhir pekan.

Kedua vendor menyediakan perangkat lunak yang membuat serving menjadi praktis, dan keduanya luar biasa baik dalam hal ini. Tencent menerbitkan tag image vLLM (vllm/vllm-openai:hy4) dan image SGLang (lmsysorg/sglang:hy4) dengan flag tensor-parallel dan speculative-decoding yang dituliskan secara eksplisit; repositori Kimi menyertakan konfigurasi compressed-tensors MXFP4 dan jalur 4-bit yang menurunkan file bobot ke angka 2.72 TB di atas. Tak satu pun dari itu merupakan cerita model kecil. Perbedaannya adalah bahwa node 8-GPU merupakan pembelian yang dapat disetujui oleh sebagian besar organisasi teknik, sedangkan deployment 2,8 triliun parameter merupakan keputusan pusat data.

Jika self-hosting adalah alasan Anda tertarik pada open weights, kalimat itu adalah keseluruhan argumennya, dan itu tidak bergantung pada sebuah 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.'

Di mana dua belas poin itu berada

Selisih indeks 12 poin terdengar seragam. Ternyata tidak — Hy4 mampu bersaing pada beberapa evaluasi dan hancur pada satu evaluasi.

{{1}}Coding agentik, Terminal-Bench 4.0{{/1}} — {{2}}Kimi K3.1 Pro{{/2}} 67,2%, {{3}}Tencent Hy4{{/3}} 37,4%. Selisih 30 poin, dan kontributor terbesar terhadap perbedaan indeks.

• Sains agentik di terminal, Terminal-Bench-Science — K​imi 34,3%, Hy4 12,9%.

• Rekayasa perangkat lunak di repositori nyata, FrontierCode-AA 2.0 — Hy4 31,4%, K​imi 25,5%. Hy4 adalah model yang lebih baik di sini, dengan selisih enam poin, dan ini adalah satu-satunya evaluasi di mana pekerjaan agen terminal di repositori nyata lebih menguntungkan T​encent.

• Penalaran tingkat sulit, HLE-Diamond — Kimi 37,3%, Hy4 32,7%. Lebih berdekatan daripada kesan judulnya.

• Fisika, subset sulit CritPt v2 — K​imi 49,5%, Hy4 39,0%.

• Eksekusi alur kerja SaaS, AutomationBench-AA — K​imi 73,3%, Hy4 65,6%.

• Pekerjaan pengetahuan agentik, AA-Briefcase Elo — K​imi 1,673.6, Hy4 1,445.9. Selisih 228 Elo dengan interval yang tidak tumpang tindih.

Hasil FrontierCode adalah yang perlu direnungkan, karena bertentangan dengan pembacaan gamblang dari enam hasil lainnya. Pada benchmark repositori open-source nyata yang terus berubah, Hy4 memimpin. Pada benchmark lingkungan terminal bersih, Kimi memimpin dengan selisih 30 poin. Kartu model Tencent menjelaskan mengapa hal itu bisa terjadi: Hy4 dilatih secara khusus terhadap pipeline game dan frontend milik Tencent sendiri — Unreal, Unity, Godot, manajemen status UI — dan melaporkan peningkatan 19,1% pada suite GameDev internalnya dibandingkan Hy4 preview. Itu adalah model yang disetel untuk membangun sesuatu, tetapi dievaluasi pada uji memperbaikinya. Dengan mempertimbangkan kedua baris tersebut, kesimpulan jujurnya adalah bahwa kisah coding bergantung pada beban kerja, bukan bahwa satu model lebih baik dalam coding.

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.

Harga 3,6 kali lebih rendah, per tugas yang diselesaikan

Di sinilah perbandingan menjadi aritmetika alih-alih argumen. Artificial Analysis melaporkan biaya terukur per tugas Intelligence Index untuk kedua model, yang mencakup harga token, panjang penalaran, dan perilaku cache:

• Tencent Hy4 — $1,03 per tugas, dengan biaya input $0,834 dan output $2,501 per juta token, diskon cache 95% pada $0,042.

• Kimi K3.1 Pro — $3,68 per tugas, dengan input $2,00 dan output $10,00 per juta token, diskon cache 90% pada $0,20.

Jadi selisih indeks 12 poin membutuhkan biaya 3,6 kali lebih besar per tugas. Per poin indeks, K​imi kira-kira 4,4x harganya. Itu bukan skandal — model yang benar-benar lebih baik dalam pekerjaan agentic yang sulit memang seharusnya lebih mahal — tetapi itu mengubah cara memandang keputusan. Jika beban kerja Anda membutuhkan 67% di Terminal-Bench, tidak ada pengganti dan Anda harus membayar. Jika beban kerja Anda membutuhkan 37%, membayar tiga setengah kali lipat untuk 30 poin lainnya adalah uang yang dibelanjakan untuk kemampuan yang tidak akan Anda pakai.

Ada biaya orde kedua yang disembunyikan oleh angka per tugas. K​imi membutuhkan 39,7 menit per tugas indeks dibandingkan Hy4 dengan 14,0, dan mengembalikan token jawaban pertamanya setelah 162,8 detik dibandingkan 115,9. Pada 30 token keluaran per detik dibandingkan Hy4 dengan 93, model paling lambat dalam perbandingan ini dengan faktor tiga juga yang paling mahal. Dalam loop agen yang menjalankan ratusan langkah, latensi dan biaya saling memperkuat, bukan saling bertukar.

Dua lisensi dengan dua jebakan berbeda

Kedua model ini bersifat open weight dalam arti Anda dapat mengunduh dan menggunakannya. Keduanya bukan Apache 2.0, dan perbedaan antara klausul komersial keduanya bukanlah sekadar akademis:

• Tencent Hy4 — Lisensi Tencent Hy 1.0, yang diturunkan dari Apache 2.0. Bagian 10 mensyaratkan perjanjian tertulis terpisah sebelum menawarkan model sebagai layanan jika pendapatan bruto Anda di seluruh dunia melebihi $50 juta dalam periode 12 bulan apa pun, atau jika produk yang memuatnya melebihi 100 juta pengguna aktif bulanan. Penggunaan internal dikecualikan.

• Kimi K3.1 Pro — Lisensi Kimi K3.1-Pro. Bentuk pembatasan yang sama, pada ambang pendapatan $20 juta alih-alih $50 juta.

Keduanya mengecualikan produk pengguna akhir yang modelnya tertanam dalam fitur tertentu alih-alih diekspos sebagai akses model serbaguna. Keduanya mencakup sekadar penerusan ke layanan model pihak ketiga sebagaimana diizinkan. Secara sederhana: tim produk kecil yang membangun fitur pada salah satu model tidak masalah. Perusahaan yang menjalankan bisnis inferensi pada salah satunya perlu panggilan telepon, dan panggilan telepon Kimi datang dengan imbalan kurang dari setengah pendapatan.

Untuk kelengkapan, generasi sebelumnya adalah pengecualian: Hy4 pratinjau, yang dirilis pada 28 Agustus 2026, adalah Apache 2.0 tanpa ambang komersial sama sekali. Siapa pun yang membangun di atas lisensi pratinjau tersebut dan sekarang beralih ke Hy4 sedang beralih ke ketentuan yang berbeda.

Menjalankan keduanya tanpa memilih dulu

Alasan perbandingan ini tidak harus diselesaikan di atas kertas adalah karena kedua model tersedia dari satu endpoint dengan tarif milik penyedia diteruskan apa adanya: tencent/hy4 pada $0,834 dan $2,501 per juta token, kimi/kimi-k3.1-pro pada $2,00 dan $10,00 dengan pembacaan cache sebesar $0,20. Itulah angka-angka di atas, tanpa markup, dan perubahan harga vendor langsung berlaku di sini pada hari yang sama, bukan pada saat perpanjangan.

Untuk pasangan yang terpaut sejauh ini dalam hal kemampuan dan biaya, pola yang berguna bukanlah pemisahan — melainkan batas atas. Arahkan ke kimi/kimi-k3.1-pro melalui DSL perutean, tetapkan tencent/hy4 sebagai target failover otomatis, dan pantau seberapa sering failover terpicu. Jika jarang terpicu, Anda membayar untuk kemampuan K​imi dan mendapatkannya. Jika sering terpicu karena latensi K​imi, Anda baru saja menemukan sesuatu yang tidak dapat diberitahukan oleh tabel benchmark, dengan harga Hy4, bukan harga K​imi. Fusi model adalah opsi lainnya: panel yang terdiri dari keduanya akan memungkinkan penalaran model yang lebih kuat menopang anggaran token yang lebih murah dari model yang lebih lemah pada evaluasi saat keduanya konvergen.

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.

Apa yang akan mengubah jawaban ini?

Tiga hal, dalam urutan kemungkinan. Pertama, fine-tune Hy4: bobotnya sudah publik selama dua hari, dan selisih 30 poin di Terminal-Bench persis merupakan jenis margin yang tergerus oleh fine-tune tertarget pada jejak terminal milik perusahaan sendiri. Kedua, evaluasi independen terhadap Kimi K3.1 Pro pada tingkat upaya penalaran yang lebih tinggi daripada maksimum default yang digunakan indeks — plafon output 943,718 token dalam catatan model belum pernah diuji oleh siapa pun yang memublikasikan hasil. Ketiga, model sekelas Hy4 Flash yang mewarisi pelatihan agentic dengan harga seperempat, yang akan membuat argumen biaya terhadap K​imi makin sulit dijawab.

Sampai salah satu dari itu hadir, pembagiannya jelas. Kimi K3.1 Pro adalah model yang lebih baik sekaligus lebih mahal, dengan selisih yang tetap berlaku baik Anda mengukurnya per token, per tugas, maupun per poin indeks. T​encent Hy4 adalah model yang dapat Anda pasang di perangkat keras sendiri, dengan ambang lisensi dua kali lebih longgar dan harga hanya sepertiganya. Tidak satu pun dari keduanya menjadi alasan untuk menyesali yang lain.

Dibandingkan dalam artikel ini1

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