
Hy4 flash è ora Open Weight: leggi la Sezione 10 prima di scaricarlo
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 138 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 176 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 89 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 187 tok/s
La Tencent Hy License, Version 1.0, è un derivato di Apache 2.0 con una sezione aggiuntiva, ed è proprio quella sezione il motivo per cui conviene leggere con attenzione questa release invece di limitarsi a scaricare il checkpoint. La Sezione 10.2 stabilisce che, se gestisci un'attività di model-as-a-service e il tuo fatturato lordo mondiale supera i 50 milioni di dollari USA in un qualsiasi periodo di dodici mesi — oppure il tuo prodotto supera i 100 milioni di utenti attivi mensili — hai bisogno di una licenza scritta separata da Tencent prima di usare i pesi o di continuare a usarli. La Sezione 10.3 esenta l'uso interno. La Sezione 2 della concessione Apache è dove risiedono i diritti esenti da royalty, e la Sezione 10.2 si apre con le parole «In deroga alle Sezioni 2 e 3». Quindi il download è gratuito e la messa in produzione non è gratuita senza condizioni, e il confine tra le due cose è dato dal fatto che soggetti esterni possano o meno raggiungere il modello tramite la tua infrastruttura.
Questo è il quadro di ciò che Tencent ha pubblicato il 17 novembre 2026 alle 03:44 UTC, quando tre repository sono comparsi su Hugging Face nel giro di novanta secondi l'uno dall'altro: Hy4 flash, il modello chat ottimizzato per le istruzioni; Hy4 flash-FP8, lo stesso modello in FP8; e Hy4 flash-Base, il checkpoint pre-addestrato senza alcun post-addestramento. Il modello instruction ha 220 miliardi di parametri totali, di cui 64 miliardi nelle tabelle Engram, 12 miliardi attivi per token, nativamente multimodale sul lato input e configurato per un contesto di 1.048.576 token. È lo stesso modello che Tencent ha reso disponibile sulla propria API due giorni prima, il 16 novembre, con la differenza che ora puoi eseguirlo su hardware di tua proprietà.
Cosa c'è effettivamente nei tre repository
La distinzione è più netta rispetto alla maggior parte delle release open-weight, perché i tre checkpoint sono cose davvero diverse e non tre nomi di file per un unico artefatto.
• Hy4 flash — il modello instruct, con chat template e modalità di ragionamento incluse. Supporta reasoning_effort su high (impostazione predefinita, ragionamento attivo) e no_think (risposte dirette). Tencent consiglia temperature 0.9 e top_p 1.0.
• Hy4 flash-FP8 — gli stessi pesi quantizzati per il serving in produzione. È quello a cui puntano le ricette ufficiali di vLLM e SGLang, e quello che secondo Tencent supera i 150 token al secondo su un nodo tensor-parallel-8.
• Hy4 flash-Base — solo pre-addestrato. La scheda specifica esplicitamente che questo "è un modello base pre-addestrato, non un modello chat ottimizzato per le istruzioni", il che è importante perché ogni tabella di benchmark nel rilascio è una tabella base contro base. I numeri del modello instruct sono i dati WorkIndex e i valori dei blind test del fornitore, non una suite di valutazione pubblica.
Due dettagli nei metadati valgono più di quanto sembri. Il primo è che i repository sono contrassegnati come image-text-to-text a livello di pipeline, quindi l'encoder visivo viene fornito insieme ai pesi anziché essere aggiunto a valle. Il secondo è una discrepanza di numerazione: il materiale di lancio di Tencent del 16 novembre descriveva il modello come 224B, mentre la tabella della scheda del modello somma a 220,3B — 155,5B di backbone, 63,5B di Engram, 0,43B di ViT, 0,85B di drafter DFly2. Nessuno dei due numeri è errato nel contesto; la cifra di 224B sembra comprendere il drafter DFly2 e adottare un arrotondamento diverso, mentre la tabella della scheda esclude Engram, ViT e DFly2 dalla propria riga backbone da 155,5B per poi riaggiungerli. Quando un fornitore pubblica due totali per un solo modello, è la scheda quella da citare.

L'architettura è un'argomentazione sui costi travestita da architettura.
Quasi nulla di questo design ha senso se lo si legge come una mossa sulle capacità. Se lo si legge come un modo per ridurre la KV cache e la fase di decodifica, tutto quanto ha senso.
• Attenzione — attenzione IndexPool sparsa intercalata con attenzione a finestra scorrevole da 512 token in un rapporto 1:3, su una formulazione di attenzione latente multi-head (MLA). I layer sparsi selezionano fino a 2.048 token mediante selezione a livello di gruppo; ci sono 12 layer sparsi e 30 layer SWA nel backbone a 42 layer.
• Routing — 512 esperti instradati più un esperto condiviso per layer MoE, 16 instradati attivati per token, operanti in uno spazio LatentMoE di dimensione 1.536 anziché nella larghezza completa degli esperti.
• Engram — rappresentazioni apprese di bigrammi e trigrammi, recuperate tramite ricerche hash multi-head nei layer 1, 11, 21 e 31 del backbone. Sono i 63,5B che la scheda conteggia separatamente dal backbone.
• Drafter — DFly2, un modello di decodifica speculativa da 0,85B con 5 layer che riutilizza la cache KV sparsa e la selezione dell'indexer del modello target invece di mantenerne una propria. Secondo Tencent, il costo di draft è costante, pari a circa 2.048 chiavi per token di draft, indipendentemente dalla lunghezza del contesto, e non comporta alcuna memoria KV aggiuntiva.
• Cifra di efficienza principale — KV cache a 1/24 di quella di Hy3 e a 1/6 di quella di Hy4, dichiarata dal fornitore e non misurata in modo indipendente.
• Post-training — auto-distillazione da Hy4 più apprendimento per rinforzo, che secondo Tencent riduce del 50% il numero medio di token di output end-to-end. Gli output più brevi sono la fonte di gran parte del risparmio sui costi, ed è la parte meno visibile in qualsiasi listino prezzi per token.
Messo tutto insieme, si tratta di un modello progettato affinché un contesto da 1M di token non costi quanto costa normalmente servire un contesto da 1M di token. La lunghezza del contesto è la frase di marketing; la frazione di KV cache è la tesi ingegneristica che vi sta sotto.

Ciò che Tencent ha misurato, e ciò che non ha misurato
Ogni numero in questa sezione è di Tencent, prodotto sull'harness di Tencent, e nessuno di essi è stato riprodotto al di fuori dell'azienda. Artificial Analysis non ha alcuna pagina per Hy4 flash — l'URL del modello restituisce 404 al 18 novembre — quindi non esiste alcun punteggio di terze parti da affiancare a nessuno di questi dati.
La tabella dei modelli base confronta Hy4 flash-Base con Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base e DeepSeek-V4-Pro-Base, tutti sulla stessa pipeline. È la tabella più onesta del rilascio proprio perché perde delle righe: MMLU-Pro segna 71,1 per Hy4 flash-Base contro 73,9 per Hy4 Base e 73,4 per DeepSeek-V4-Pro-Base; SimpleQA segna 37,5 contro 57,2 e 52,1. Dove vince, vince con ampio margine sulle righe in cinese e multilingua — C-Eval 92,0, CMMLU 91,6, AGIEval Chinese 90,6, Belebele 93,8, INCLUDE 82,8 — che è ciò che ci si aspetterebbe da un modello costruito innanzitutto per i prodotti di Tencent.
Leggi le note in piccolo sulla scheda prima di leggere i punteggi. Tencent afferma che un'esposizione massiccia a dati sintetici di istruzione durante il mid-training lascia il modello talvolta incapace di seguire "il formato di risposta atteso nelle valutazioni few-shot, il che può distorcere i punteggi" — un fornitore che segnala che alcune delle proprie righe potrebbero misurare la conformità al formato invece della capacità. Considera ogni numero riportato sotto come un limite superiore finché il tuo harness non concorda.
Il modello instruct non ha alcuna tabella di benchmark pubblica. Ha invece WorkIndex, una suite interna di otto famiglie di attività: creazione di slide, modifica di slide, co-scrittura di slide uomo-AI, co-scrittura Markdown, modifica di documenti, riparazione di fogli di calcolo, elaborazione audio/video e comprensione visiva. Hy4 flash ottiene 42,1, contro 39,7 di Hy4 preview e 51,4 di Hy4 stesso, con un costo medio per attività che l'azienda stima pari a 1/13 di Hy4 preview, 1/20 di Hy4 e 1/8 di DeepSeek-V4.1-Flash-1017 ai prezzi delle ore di punta. E c'è una valutazione in cieco con 85 utenti interni di WorkBuddy su 259 attività in 27 categorie, in cui Hy4 flash ottiene 2,79 su 4 per la soddisfazione, contro 2,81 di Claude Haiku 5.5, con una mediana di 6,7 minuti e 0,26 RMB per attività.
Quelle sono misurazioni reali di una popolazione reale. Sono anche misurazioni di dipendenti Tencent che svolgono un lavoro modellato su Tencent, valutate con una rubrica scritta da Tencent, e il divario di 0,02 punti rispetto al punteggio di soddisfazione di un concorrente è ben dentro qualsiasi banda di rumore plausibile. Trattare l'ordinamento di WorkIndex come un segnale direzionale del fornitore e nulla di più.
La licenza è l'aspetto su cui questa versione sarà realmente giudicata
I pesi aperti non sono open source, e la licenza Tencent Hy rende la distinzione insolitamente concreta. Quattro clausole decidono ciò che un dato team può fare:
• Concessione di base — le autorizzazioni di Apache 2.0, inclusi l'uso commerciale, la modifica e la ridistribuzione, si applicano ai pesi, ai parametri, alla configurazione, al codice di inferenza e alla documentazione.
• Il trigger MaaS — è necessaria una licenza scritta separata se si fornisce a terzi accesso remoto all'inferenza o al fine-tuning e si superano 50 milioni di dollari statunitensi di ricavi lordi mondiali in qualsiasi periodo di dodici mesi. Contano i ricavi derivanti dal modello, e anche i ricavi che non hanno nulla a che fare con esso: la clausola recita "indipendentemente dal fatto che tali ricavi siano o meno derivati dall'Opera."
• Il trigger di scala — lo stesso requisito si applica prima di utilizzare i pesi in qualsiasi prodotto con più di 100 milioni di utenti attivi mensili in un mese di calendario, a qualsiasi livello di ricavi.
• Due eccezioni: i prodotti destinati agli utenti finali il cui accesso ai modelli è limitato a funzionalità specifiche anziché al prompting generico sono al di fuori della definizione di MaaS, e anche "il mero inoltro di richieste a un servizio di modelli di terze parti gestito in modo indipendente" è escluso. L'uso esclusivamente interno è esente a priori.
Confrontalo con la licenza sul checkpoint ERNIE 5.5 Flash Base, che esclude completamente l'UE, il Regno Unito e la Corea del Sud come territori. Tencent non esclude alcun territorio. Tassa invece la scala. Per una startup che costruisce un prodotto sopra i pesi, quello è un documento sostanzialmente più favorevole di un divieto territoriale. Per un fornitore di inferenza di medie dimensioni, è una telefonata a [email protected] prima di rilasciare.
Servirlo: tre percorsi reali, tutti fissati
La storia del deployment è più completa di quanto lo fosse quella dell'API nella settimana del lancio, ed è anche più fragile di un prodotto supportato, esattamente nel modo in cui lo è sempre il supporto anticipato ai framework.
• vLLM — l'immagine ufficiale vllm/vllm-openai:hy4-flash, tensor-parallel 8, il checkpoint FP8, --attention-backend FLASHMLA_SPARSE, decodifica speculativa DFly a 5 token e i parser delle tool-call e del reasoning di hy_v4.
• SGLang — lmsysorg/sglang:hy4-flash, multi-architettura su x86 e Arm, tensor-parallel 8, --speculative-algorithm DFLY con dimensione del blocco 6.
• Transformers — non ancora in una release. La scheda ti dice di installare da un ref di pull request (refs/pull/50903/head) finché il merge non viene effettuato, che è il segnale più chiaro possibile di quanto sia recente.
• Quantizzazione — una build GGUF del toolkit AngelSlim è collegata per i test end-to-end, e nel repository è inclusa una guida al fine-tuning.
Immagini con versione fissata e un riferimento a una PR significano che il modello funziona oggi sulle esatte build testate da Tencent e potrebbe non funzionare alla successiva release minore di uno dei due framework. Vale la pena saperlo prima di metterlo dietro un endpoint di produzione, ed è il motivo per cui le ricette per i framework contano più della tabella dei benchmark per chiunque stia effettivamente distribuendo.
Che effetto hanno i pesi aperti sul prezzo delle API
Il prezzo di listino di Tencent per la Cina continentale per Hy4 flash è ¥0,5 per milione di token di input, ¥2 per milione di output e ¥0,02 per un cache hit — circa $0,070, $0,281 e $0,003 ai tassi di cambio attuali. Quelli sono il listino del fornitore, non una misurazione.
Quel prezzo non è ciò che cambia quando i pesi vengono distribuiti. Ciò che cambia è il livello minimo sotto di esso. Un modello che puoi scaricare ha un secondo prezzo, che è il costo delle GPU su cui lo esegui, e l'intera architettura descritta sopra è un argomento secondo cui questo secondo prezzo è insolitamente basso per un modello con contesto da 1M. I rapporti di costo per attività da 1/8 a 1/20 di Tencent stesso sono quell'argomento in aritmetica del fornitore.
OrcaRouter instrada 200+ modelli dietro un'unica API con il prezzo di listino del fornitore passato così com'è a un ricarico dello 0%, quindi una variazione di prezzo del fornitore è attiva dalla nostra parte lo stesso giorno anziché alla successiva ricostruzione del catalogo. Hy4 flash stesso non è ancora in quel catalogo — quello che c'è è tencent/hy4-preview, il modello teacher 770B/49B da cui questo è stato distillato, a $0,834 per input e $2,501 per output per milione con una tariffa di $0,042 per lettura dalla cache. Se vuoi valutare la famiglia prima di impegnarti in un deployment FP8 self-hosted, la preview è il modello che puoi chiamare oggi; i pesi sono ciò a cui passi quando i numeri tengono. Il failover automatico è l'altra metà di questa impostazione, perché un checkpoint vecchio di due giorni in esecuzione su una build Transformers PR-ref è esattamente il tipo di dipendenza dietro cui vuoi una seconda rotta.

Cosa guardare
Tre cose decideranno se questa release conterà tra sei mesi, e nessuna di esse è la tabella dei benchmark.
Innanzitutto, il 404. Hy4 flash non ha un punteggio indipendente. Finché Artificial Analysis o un equivalente non lo esegue, ogni affermazione sulle capacità in questo articolo è di Tencent, e la posizione onesta è che il modello è non misurato anziché ben misurato. Secondo, le fusioni dei framework: quando il supporto Transformers esce dalla pull request 50903 e le immagini vLLM e SGLang smettono di essere fissate, il modello smette di essere un artefatto di ricerca e diventa infrastruttura. Terzo, le interpretazioni della licenza — la prima azienda che gestirà un business MaaS da 60 milioni di dollari su questi pesi dirà a tutti come viene effettivamente letta la Sezione 10.2.
Tencent ha concluso il suo annuncio con la frase «restate sintonizzati, Hy4 arriverà prossimamente», che è la promessa che il modello con 51,4 su WorkIndex nei grafici dei costi riceverà lo stesso trattamento. Se così sarà, la domanda interessante smetterà di essere se Tencent può lanciare un modello flash open-weight economico e diventerà se può lanciarne uno costoso che compete sulle capacità anziché sul prezzo.
Confrontati in questo articolo2
Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno
