
Tencent Hy4 vs Gemini 4 Argon: pesi aperti vs un insieme più ampio di modalità
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 182 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 749 tok/s
- AlibabaNUOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1M di token · 1902 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 87 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 96 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 · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 41 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 · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Prendi mille pagine di fatture scansionate e chiedi loro due cose: quanto costa leggerle e quanto costa ragionarci sopra. Le risposte puntano in direzioni opposte, e questo è tutto il nodo della decisione tra Tencent Hy4 e Gemini 4 Argon. Tencent Hy4, generalmente disponibile dal 4 novembre 2026 e con pesi aperti dal 20 novembre, è un modello testo e immagine a $0,834 per milione di token di input. Gemini 4 Argon, rilasciato da Google il 30 settembre 2026, accetta testo, immagini, audio, video e PDF, e costa $2,00 per milione di token di input. Uno costa 2,4 volte l'altro sull'input e quattro volte sull'output. Quello più economico può essere scaricato ed eseguito sul proprio hardware. Quello più costoso legge formati che il più economico non riesce affatto a vedere.
Sull'indice indipendente i due sono abbastanza vicini che il divario di prezzo è difficile da giustificare unicamente in base alle capacità: Artificial Analysis colloca Gemini 4 Argon a 50 sul suo Intelligence Index ad alto sforzo e 48 a medio, contro 35 per Tencent Hy4. Un divario di 15 punti a uno sforzo più o meno equivalente è reale, ma è molto più piccolo di quanto i multipli di 2,4x in input e 4x in output suggerirebbero. È sul dato del costo per attività completata che il divario di prezzo si concretizza davvero: $4,97 per Argon contro $1,03 per Hy4 sullo stesso indice.
La fattura, elaborata
L'aritmetica concreta batte uno screenshot del tariffario, quindi eccola per un lavoro plausibile: 1.000 pagine di fatture scansionate, circa 800 token immagine ciascuna, un prompt da 600 token, un output strutturato da 300 token per pagina.
• Volume di input — 1,4 milioni di token immagine più 0,6 milioni di token del prompt, per un totale di 2,0 milioni di token di input.
• Volume di output — 300.000 token di campi estratti.
• Tencent Hy4 — 2,0 milioni a $0,834 fanno $1,67, più 0,3 milioni a $2,501 fanno $0,75. Totale $2,42.
• Gemini 4 Argon — 2,0 milioni a 2,00 $ fanno 4,00 $, più 0,3 milioni a 10,00 $ fanno 3,00 $. Totale 7,00 $.
• Con la cache — se il prefisso del prompt è stabile tra le pagine, come di solito accade in una pipeline di estrazione, l’input in cache di Hy4 a $0,042 per milione riduce la quota del prompt a quasi nulla; la tariffa in cache di Argon a $0,10 per milione fa lo stesso in proporzione. Il rapporto non cambia molto, perché i token delle immagini dominano e nessuno dei due fornitori applica sconti significativi su di essi.
C'è una differenza di $4,58 per singola esecuzione. A un milione di pagine al mese, sono $4.580 contro $7.000, e la domanda interessante diventa se il divario di 15 punti nell'indice comporti abbastanza precisione da giustificare $2.420 al mese — il che dipende interamente dal fatto che i punti di errore aggiuntivi di Hy4 si trovino in un campo che puoi convalidare a posteriori.
L'ultima clausola è la parte utile. L'estrazione delle fatture con uno schema e una passata di validazione è un carico di lavoro in cui un modello più debole con controlli deterministici batte un modello più forte da solo, perché un parsing fallito è economico da riprovare, mentre un numero errato che supera la validazione no. Tencent Hy4 a 35 non è troppo debole per quel compito. Probabilmente è troppo debole per il compito due paragrafi più sotto.
Dove il divario tra modalità morde davvero
Hy4 legge testo, immagini e fotogrammi video attraverso un unico encoder visivo. Gemini 4 Argon legge in modo nativo testo, immagini, audio, video e documenti PDF, e la documentazione di Google sul modello elenca tutte e cinque queste modalità nella riga delle capacità del modello. La differenza non è uno slogan di marketing; cambia quali pipeline sono possibili senza una fase di pre-elaborazione.
• Audio. Una registrazione di una chiamata, una riunione, un messaggio vocale — Argon prende il file. Hy4 necessita prima di una fase di trascrizione, il che significa un secondo modello, un secondo contratto e una seconda modalità di errore.
• Il PDF come documento anziché come pagine. Se un PDF contiene testo selezionabile, immagini incorporate e un blocco di firma scansionato, Argon gestisce la combinazione in un'unica passata. Hy4 elabora le pagine renderizzate come immagini, quindi il livello di testo va perso e il costo in token aumenta.
• Video lungo. La scheda di Tencent descrive l'adattamento delle caratteristiche dei fotogrammi per il video, che è una capacità reale e superiore a quella della maggior parte dei modelli aperti. Ma si tratta di campionamento dei fotogrammi, non di modellazione temporale nativa, e per qualsiasi caso in cui la domanda riguardi il movimento nell'arco di una clip lunga, la differenza si nota.
• Il divario inverso. Hy4 prevede 64K token di output rispetto al default di 64K di Argon, con un limite massimo di 1M disponibile sul lato output secondo la documentazione di Google. Nessuno dei due è il vincolo limitante per il lavoro di estrazione.
Quindi la formulazione onesta è che Gemini 4 Argon è lo strumento più ampio e Tencent Hy4 quello più economico. Su un carico di lavoro che resta nell'ambito di testo e immagini — cioè la maggior parte del codice, dei documenti e del lavoro degli agenti — l'ampiezza resta inutilizzata e il prezzo è ciò che paghi.
Capacità, misurata e mal misurata
Artificial Analysis colloca Gemini 4 Argon a 50 (sforzo alto) e 48 (medio) sull'Intelligence Index v5.0.1, con un prezzo misto di 1,47 $ per milione di token, 68 token al secondo, 47 secondi di attesa per il primo token con sforzo alto e 4,97 $ per ogni attività dell'indice completata. Tencent Hy4 si attesta a 35, con 93 token al secondo, un prezzo misto di 0,45 $ e 1,03 $ per attività completata. Nessuno dei due valori riporta una suddivisione per livello di sforzo sul lato Hy4, che è lo stesso limite che penalizza ogni confronto in cui è coinvolto: Tencent non pubblica il proprio modello per livelli di sforzo e il valutatore dispone di un solo numero.
L'annuncio di Google conteneva una tabella di benchmark di diciannove righe che confrontava Argon con GPT-6 Astra, Claude Fable 5.1 e Claude Opus 5.5. È in testa su Vals Index, AutomationBench, Harvey's Legal Agent Benchmark e diverse suite di visione; è in svantaggio su FrontierSWE v2 e Terminal-bench 4.0. Si tratta dei numeri di Google secondo la metodologia di Google, con i dati relativi ai modelli non Gemini presi dai punteggi forniti dagli altri provider stessi — un'avvertenza che il PDF della metodologia dichiara esplicitamente. Sono utili per sapere su cosa Google abbia puntato l'ottimizzazione, non per stilare una classifica.
La base di prove di Tencent è più esile e di natura diversa. L'annuncio di Hy4 ha eliminato del tutto le righe Terminal-Bench e SWE-bench dell'anteprima e le ha sostituite con suite di attività interne: un panel finanziario di 213 esperti in cui Hy4 ha ottenuto una media di 3,04 su 4, un tasso di allucinazioni ridotto dal 15,76% al 5,45%, un guadagno del +19,1% su una suite interna di sviluppo di giochi. La scheda del modello le ripete. Nessuno di questi risultati è riproducibile al di fuori di Tencent. L'unico risultato indipendente specifico per la sicurezza, un punteggio Cyber Index di 58 e un 76% al primo posto su CWE-Bench-AA, non ha un corrispettivo in Gemini 4 Argon perché il modello di Google non è presente in quella classifica.
Che cosa significa per un acquirente: Argon ha un aggregato misurato e una tabella del fornitore; Hy4 ha un aggregato misurato, un risultato specifico per la sicurezza e una tabella del fornitore sul lavoro interno. Entrambi gli aggregati provengono dallo stesso valutatore, ed è questo che rende significativo il confronto a 15 punti.
Perché questa sfida risale solo a poche settimane fa
Vale la pena dirlo chiaramente, perché la ricostruzione dei fatti conta. Quando Google ha annunciato Gemini 4 Argon il 30 settembre, ha descritto un rollout in tre fasi — prima i difensori informatici tramite il Fairwind Program, poi i clienti API a pagamento e gli abbonati AI Ultra, infine tutti gli altri — senza date oltre la prima fase. A quel punto il nome aveva una pagina della famiglia di modelli, una tabella di benchmark e nessun identificatore di modello da inserire in una richiesta.
Questo è cambiato. La documentazione dei modelli di Google ora elenca gemini-4-argon come modello corrente senza etichetta di anteprima, con una finestra di input di 1 milione di token e il set di cinque modalità di input descritto sopra. Artificial Analysis lo elenca come rilasciato e disponibile tramite API attraverso Google. Quindi il confronto in questo articolo è tra due modelli che puoi chiamare, cosa che non sarebbe stata vera sei settimane fa. Vale la pena fare la correzione perché molte pagine descrivono ancora Argon come un teaser ad accesso limitato.
Lo stato stesso di Tencent Hy4 è cambiato nella direzione opposta: è passato da API chiusa il 4 novembre a pesi aperti il 20 novembre, sotto la Tencent Hy License 1.0 anziché l'Apache 2.0 che aveva regolato l'anteprima di agosto. Entrambi i modelli si sono mossi, in direzioni opposte sul fronte dell'apertura, nell'arco delle stesse sei settimane.
La questione dell'apertura, valutata onestamente
Il checkpoint da 770 miliardi di parametri di Hy4 è scaricabile. Per eseguirlo servono otto GPU di classe H100 per la build FP8 con tensor-parallel size 8, secondo la ricetta vLLM di Tencent stessa. È una macchina reale e, per la maggior parte delle aziende, la risposta onesta è che i pesi aperti offrono opzionalità più che risparmi: il modello è auto-ospitabile in linea di principio, economico da noleggiare in pratica e vale la pena scaricarlo solo se la residenza dei dati, il fine-tuning o un deployment air-gapped sono requisiti imprescindibili.
La licenza aggiunge una clausola che vale la pena leggere. La sezione 10 della licenza Tencent Hy richiede una licenza scritta separata se si gestisce un'attività di model-as-a-service con un fatturato lordo mondiale superiore a 50 milioni di dollari USA in un qualsiasi periodo di dodici mesi, oppure con più di 100 milioni di utenti attivi mensili. L'uso interno è escluso. Quindi un'impresa che esegue Hy4 all'interno di uno strumento interno non è interessata; una piattaforma che rivende l'inferenza su di esso sta negoziando.
Gemini 4 Argon non ha una domanda equivalente perché non c’è nulla da licenziare: chiami l’endpoint di Google oppure non usi il modello. Si tratta di un accordo più semplice e strettamente meno flessibile. Per un acquirente soggetto a normative, «possiamo eseguirlo nel nostro rack» spesso vale più di quindici punti indice; per tutti gli altri è una nota a piè di pagina.
Quale inserire nel percorso della richiesta
• Estrazione di volumi all'interno di testo e immagini — Tencent Hy4. L'aritmetica sopra non ci va affatto vicina, e uno schema più un passaggio di validazione assorbe gran parte del divario di accuratezza.
• Qualsiasi contenuto con audio, PDF nativi o video lunghi — Gemini 4 Argon. Hy4 non è in grado di vedere l'input, e un modello di preelaborazione costa più della differenza di token.
{{1}}Superfici interattive{{/1}} — Argon con impegno medio, se uno dei due. L'attesa di 115,9 secondi di Hy4 per un primo token lo rende inadatto, e il percorso ad alto impegno di Argon è di 47 secondi, che è meglio ma non è ancora un'interfaccia chat.
• Una rete regolamentata o un piano di fine-tuning — Tencent Hy4, soggetto alla Sezione 10.
• Il ragionamento più difficile che hai — Gemini 4 Argon, in virtù di un divario indipendente di 15 punti che i fornitori di entrambi i modelli concordano esistere all'incirca in quella direzione.
Entrambi su un unico tasto, e cosa questo comporta

Entrambi i modelli sono richiamabili tramite OrcaRouter con le rispettive stringhe — tencent/hy4 a $0.834 e $2.501, google/gemini-4-argon a $2.00 e $10.00 — il che rende la suddivisione per modalità una decisione di routing anziché una decisione architetturale. Invia il lavoro su immagini e testo al modello economico e instrada in base al tipo di input, così che qualsiasi contenuto con audio o PDF nativo vada al modello in grado di leggerlo. È il DSL di routing che fa il lavoro per cui esiste, e costa una sola chiave anziché due integrazioni.
Il prezzo pass-through qui conta più del solito, perché i due fornitori modificano le loro tariffe secondo tempistiche diverse. OrcaRouter applica il prezzo di listino del provider con zero ricarico, quindi una variazione di prezzo di Google e una di Tencent arrivano entrambe dalla nostra parte lo stesso giorno anziché dopo che un rivenditore ha reinserito un catalogo.
Il failover automatico è l'altra metà. Un job batch che non supera una validazione dello schema su Hy4 può riprovare su Argon senza che il client lo sappia, il che è un modo più economico per ottenere accuratezza rispetto a pagare quattro volte la tariffa di output a ogni chiamata.
Cosa cambierebbe la risposta


Due sviluppi sposterebbero questo confronto, ed entrambi sono plausibili su un orizzonte di dodici mesi.
Il primo è un modello Tencent con audio. Il percorso di visione di Hy4 è un unico encoder su immagini e fotogrammi video campionati; aggiungere un encoder audio è il passo successivo ovvio, e ridurrebbe gran parte del vantaggio in ampiezza di Argon. Tencent ha già rilasciato Hy4 Flash, un fratello più economico da 220 miliardi di parametri con lo stesso insieme di modalità, quindi la famiglia si sta espandendo anziché consolidarsi.
Il secondo è la valutazione indipendente dei pesi aperti di Hy4. Il 35 sull'indice è il numero di un valutatore per una singola build. Con i pesi pubblici, un secondo laboratorio può eseguire il checkpoint ottimizzato per le istruzioni e confermare o ridurre il divario rispetto ad Argon. Questo non è ancora successo: il materiale di benchmark della scheda modello è ancora in gran parte la tabella di pre-addestramento, MMLU a 91,6 e MMMU-Pro a 59,6 per il modello base, più le suite interne di Tencent.
Fino ad allora il riepilogo è ristretto e difendibile. Gemini 4 Argon è il modello più ampio e quello con il punteggio più alto, a 2,4 volte il prezzo di input, quattro volte il prezzo di output e 4,8 volte il costo per attività completata. Tencent Hy4 è quello più economico di un ordine di grandezza per attività completata, aperto dal 20 novembre e cieco all'audio. Scegli prima in base al tipo di input, perché è quello che decide la questione prima che il prezzo abbia voce in capitolo.
Confrontati in questo articolo1
Rilevato da questo articolo
