Hy4 flash と Claude Haiku 5.5 を比較する生成されたヒーローカード。大きな数字「2.79 vs 2.81」が表示され、「Tencent 独自の85ユーザーによるブラインドテストにおける4点満点中の満足度」とラベル付けされ、フッターには「両方の満足度スコアは Tencent の測定値です。Hy4 flash の重みは2026年11月17日に公開されました。」と記されています。
Guides & Insights

Hy4 flash vs Claude Haiku 5.5:Tencentが自らこの比較を実施し、敗北を公表

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

Tencent の誰かが、Hy4 flash の適切な対戦相手は Claude Haiku 5.5 だと決め、両モデルを自社の WorkBuddy ユーザー 85 人に 259 のタスクで向き合わせ、負ける結果であっても公開した。Hy4 flash はユーザー満足度で 4 点満点中 2.79 点。Claude Haiku 5.5 は 2.81 点。これは 4 点満点の尺度における 0.02 点差であり、挑戦者自身が、挑戦者自身のタスクで測定したものだ。そしてこれこそが Hy4 flash 発表の中で最も興味深い数字である。なぜなら、Tencent が実際に何を売っていると考えているのかを明らかにするからだ。より優れたモデルではない。満足度調査にかけても差が残らないほど十分に近い、より安価なモデルなのだ。

リリースの残りの部分は、その解釈を裏付けている。Hy4 flash は2026年11月17日にオープンウェイトとして公開された。11月16日にTencentのAPIに搭載されてから2日後のことだ。総パラメータ数220B、トークンあたり12Bがアクティブ、100万トークンのコンテキスト、画像入力とテキスト出力を備える。Claude Haiku 5.5 は2026年10月7日から一般提供されており、100万トークンあたり0.10ドルと0.50ドルだ。どちらのモデルもOrcaRouterのカタログにはなく、本稿もそうではないふりはしない。ルーティング可能なものについては末尾近くで触れるが、それは別の2つのモデルだ。

ブラインドテストを正しく読み解く

Tencentによる評価の記述は3文と1つのグラフで構成されており、そのグラフは特定のことを示している。満足度を、エンドツーエンドの完了時間の中央値とタスクあたりのコストに対してプロットすることで、2つの軸で勝るモデルが一目で分かるようにしている。数値は、Hy4 flashの2.79/4に対してClaude Haiku 5.5が2.81/4、Hy4 flashの完了時間の中央値が6.7分、タスクあたり0.26人民元である。Tencentの主張は、評価対象モデルの中でHy4 flashがタスクあたりのコストと完了時間の中央値の両方で最も低い記録を示したというものだ。

このレポートから分からないのは、評価対象モデルの全リスト、カテゴリ別の内訳、評価基準だ。一方、対象母集団については明記されている。85人の社内ユーザー、27カテゴリ、259タスクで、すべてTencent自身の生産性アシスタントであるWorkBuddyから取られている。それは一貫した評価ではあるが、中立的な評価ではない。従業員が自社の雇用主のモデルを評価する場合、どれが自社のモデルか分かっているし、ブラインドのインターフェースであっても、タスクはTencentが自社製品に似ているとして選んだものだ。

0.02の差が役に立つのは、どちらの立場に立っても議論にどう作用するかという点だ。テストを信じる気なら、Tencentが、Claude Haiku 5.5との能力差はオフィス作業では無視できると述べていることになり、これは自己に不利な主張だ。テストを疑う気なら、同じテストはHy4 flashの方が優れていると信じる理由を何も与えず、残るのはコストの列であり、そもそもTencentが注目してほしいのはそこだ。

2つのモデルが実際に異なる点

仕様書は、満足度スコアでは示すことのできない形で互いに食い違っています。以下の数値はすべて、Artificial Analysisによる測定値と明記されている場合を除き、ベンダー自身が公表した仕様です。

• 合計パラメータ数とアクティブパラメータ数 — Hy4 flashは合計220Bで、そのうち64BがEngramテーブルに含まれ、トークンあたり12Bがアクティブ。Claude Haiku 5.5のパラメータ数は非公開であり、これはAnthropicとしては通常のことです。

• コンテキストウィンドウ — Hy4 flash は 1,048,576 トークン、Claude Haiku 5.5 は 1,000,000 トークン。

• 最大出力 — サービング設定では Hy4 flash で 64,000 トークン、Claude Haiku 5.5 ではその2倍の 128,000 トークン。

• 入力モダリティ — Hy4 flashは、SigLIP2由来の27層エンコーダーを介してテキストと画像を取り込みます。Claude Haiku 5.5のリリース資料はテキストとツール利用を中心にしており、公開されている能力セットはビジョン面でより限定的です。

• ライセンス — Hy4 flash は Tencent Hy ライセンスの下で提供されており、第10.2条では MaaS 収益が5,000万ドルを超える場合、または MAU が1億人を超える場合に別途契約が必要です。Claude Haiku 5.5 はプロプライエタリであり、ウェイトは一切存在しません。

• 独立スコア — Hy4 flash にはなく、その Artificial Analysis URL は 404 を返します。Claude Haiku 5.5 は Max effort で Intelligence Index v5.0.1 の 36 を記録しています。

• Indexタスクあたりの実測コスト — Artificial AnalysisによるとClaude Haiku 5.5で0.41ドル。Hy4 flashについては未測定で、ボードに掲載されていません。

出力上限の行は、実運用で最も問題になりやすい項目です。コンテキスト1M、出力64kのモデルは、大量に読み、適度に書くように構成されています。1回の応答で64,000トークンを超えて出力することを想定した文書草稿ワークフローでは、このモデルは使えません。Tencent自身が推奨する用途——ディープサーチ、文書処理、スライド作成、簡単なフロントエンドデモ、コンピューター操作——は、その上限と整合しています。長文生成はそのリストにありません。

価格の比較は、一つの数字を別の数字と比べることではありません。

テンセントの中国本土における Hy4 flash の料金は、入力トークン100万個あたり0.5元、出力100万個あたり2元、キャッシュ済み入力トークンあたり0.02元で、およそ0.070ドル、0.281ドル、0.003ドルに相当する。Claude Haiku 5.5 の公表価格表は、入力100万トークンあたり0.10ドル、出力100万トークンあたり0.50ドルから始まり、キャッシュ書き込みは5時間キャッシュと1時間キャッシュでそれぞれ0.125ドルと0.625ドル、キャッシュ読み取りは0.01ドルとなっている。

これらの見出し料金では、Hy4 flash は入力で約30%安く、出力で44%安く、キャッシュヒットで70%安くなります。どちらも最初の10万トークンまでは均一料金です。違いはその後に起きることです。Anthropicの料金表では、リクエストが入力10万トークンを超えると、Claude Haiku 5.5の入力価格は100万トークンあたり$0.10から$0.50に、出力価格は$0.50から$2.50に引き上げられます。20万トークンの文書では、Claude Haiku 5.5は見出し入力料金の5倍で請求され、その比較は$0.50対Tencentの$0.070、つまり30%の差ではなく7倍の差になります。

それはごまかしではなく設計上の選択であり、弁護できる論理もある。長い入力はプリフィルにコストがかかるため、ベンダーはそれに対してより多くを課金する。しかし、それは見出しの数字が、両モデルが得意と主張するまさにそのワークロードにとっては誤った数字であることを意味する。1Mコンテキストでの文書処理は、定義上10万トークン超のワークロードだ。長文書を扱うユースケースなら、カードの最上段ではなく、自分のプロンプト長に該当する行で両モデルの価格を比較すべきだ。

レイテンシー:Tencent が測定した指標は、Anthropic が公表している指標とは異なる

Tencentは、WorkBuddyタスクにおけるHy4 flashのエンドツーエンド完了時間の中央値が6.7分であると報告している。Artificial Analysisは、Max effortでのIntelligence Indexタスク1件あたりClaude Haiku 5.5が14.7分で、最初の回答トークンまでの時間が192秒であると報告しており、同ボードはこのモデルを「タスクあたり著しく遅く、非常に冗長」と指摘し、インデックス実行での出力トークン数は2億9,800万に達している。

それらの2つの数値は比較可能なものではなく、差し引くべきでもありません。タスクも異なり、ハーネスも異なり、「完了」の定義も異なります。それらが示しているのは、Claude Haiku 5.5 のエフォート設定が非常に広い範囲を持つレイテンシのダイヤルであること、そしてその上限は実時間において高コストであるということです:

• Max — インデックス36、タスクあたり14.7分、初回トークンまで192秒、出力トークン298M。

• Xhigh — インデックス35、9.6分、最初のトークンまで44秒、1億5100万トークン。

• 高 — Index 30、6.4分、最初のトークンまで21秒、8,980万トークン。

• Medium — インデックス25、3.9分、最初のトークンまで10秒、52.7Mトークン。

• 低 — インデックス19、2.2分、最初のトークンまで5.8秒、2990万トークン。

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'.

5行すべてはv5.0.1に関するArtificial Analysisの測定値です。これらを掲載する要点は、「Claude Haiku 5.5が36を記録する」というのが、Anthropicが提供する最も高コストな構成についての記述だということです。そのhigh設定では30を記録し、半分未満の時間で完了します。レイテンシに敏感な製品をMaxの数値と比較している人は、出荷しない設定と比較していることになります。

Hy4 flash も同じダイヤルを、より粗い形で備えています:reasoning_effort は high(デフォルト)または no_think です。5段階に対して2段階です。ワークロードに中間設定 — 思考はオンだが最大ではない — が必要なら、Claude Haiku 5.5 はその調整つまみを提供しますが、Hy4 flash はほとんど提供しません。

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.

これを決める、どちらの仕様書にも載っていない3つのこと

APIサーフェス。 Claude Haiku 5.5のリクエスト形式は、コードを壊す形で前世代より厳格になっています。Anthropicのドキュメントでは、temperature、top_p、top_kが非デフォルト値の場合に拒否され、アシスタントのプレフィルは破棄され、手動のbudget_tokensは削除され、特定のcomputer-useツールセットバージョンが必須です。Hy4 flashはサンプリング設定の全セットを受け入れ、temperature 0.9とtop_p 1.0を推奨し、vLLM向けのhy_v4ツール呼び出しパーサーと推論パーサーを提供します。temperatureスイープで調整したプロンプトライブラリがある場合、一方のモデルではそのまま実行でき、もう一方では400エラーになります。

デプロイ形態。Claude Haiku 5.5 は API であり、それ以外の何ものでもありません。Hy4 flash は API であり、Hugging Face リポジトリであり、FP8 ビルドであり、ベースチェックポイントであり、GGUF 量子化であり、ファインチューニングガイドです。これは自動的に利点になるわけではありません——セルフホストするモデルは、自分で運用し、パッチを適用し、キャパシティプランニングを行うモデルだからです——しかし、それはベンダーとの関係と資産との違いであり、データレジデンシー要件やファインチューニングのニーズを抱えるチームにとっては、いかなるベンチマークを参照するよりも前に比較の決着をつけます。

測定のギャップ。Claude Haiku 5.5は10月からArtificial Analysisに掲載されており、このブログを含め、インターネット上のあらゆる比較ブログで細かく検証されてきた。Hy4 flashは、スコアが表示されるべき場所に404が表示される。モデルが悪いからではなく、まだ登場から2日しか経っておらず、独立した立場の誰もこれを実行していないからだ。上記の満足度スコアは実在する集団を測定したものであり、同時に、製作者以外の誰かによるこのモデルの唯一の測定値でもある。

正直に言って、どちらかに電話すること

これを書いている時点では、Hy4 flash も Claude Haiku 5.5 も OrcaRouter のカタログにないため、ここでそれらを呼び出すよう案内するこのセクションのバージョンはありません。あるのはそれぞれの側の世代です:tencent/hy4-preview。これは Hy4 flash の蒸留元である 770B/49B モデルで、100万トークンあたり入力 $0.834、出力 $2.501、キャッシュ読み取り料率 $0.042 です。そしてanthropic/claude-haiku-4.5 は100万トークンあたり入力 $1.00、出力 $5.00、キャッシュ読み取り $0.10 — この比較における 5.5 ではなく、前世代です。

その組み合わせは聞こえ以上に有用です。Hy4 flash のコスト特性のためにパイプラインを再構築する価値があるか検討しているなら、プレビューモデルは、カタログ内のほかのすべてと同じキーと同じエンドポイントで、実験が安く済む価格でこのファミリーの挙動を提供し、プロバイダーの定価を0%のマークアップでそのまま適用するため、Tencent の価格変更が発生した当日にあなたへ届きます。ルーティング DSL は、候補が2つになってから重要になる部分です。長文書の階層は、自分の評価で勝ったモデルに送り、もう一方をフォールバックとして保持しましょう。切り替えに契約が必要だからという理由で、すべてを1つのベンダーに任せるのではなく。

そしてHy4 flashがカタログに登場したとき——どのカタログでも、当社のものも含めて——試すべきは満足度スコアではない。自分のタスクにおける出力トークン数だ。Tencentのポストトレーニングは、平均エンドツーエンド出力トークンの50%削減を主張しており、それがあなたのワークロードでも成り立つなら、トークンあたり30%の割引よりも価値がある。なぜなら出力トークンは、両モデルいずれの請求でも高くつく半分だからだ。

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.

何がそれを決着させるのか

共通ハーネス上での1回の独立実行。Hy4 flash と Claude Haiku 5.5 を同じ9項目評価の Intelligence Index にかけ、2つの行を見る。スコアと、完了タスクあたりのコストだ。Tencent は、これらの行が何を示すと期待しているかをすでに明言している。つまり Hy4 flash は能力では Claude Haiku 5.5 に近く、コストではそれを大きく下回るという。Tencent の外部の誰かがその2つを公表するまでは、その期待は企業のマーケティング予算に支えられた仮説であって、結果ではない。

今日の時点で実際に取れる行動は、より限定的だが、より有用だ。作業量が長い文書中心なら、何よりも先に10万トークン超の行の価格を確認すべきだ。そこが2つのカードで最も大きく分かれる点だからだ。レイテンシーが重要なら、Maxではなく高エフォートのClaude Haiku 5.5を比較しよう。ファインチューニングやオンプレミス推論が必要なら、結論はすでに出ており、どのベンチマークでも変わらない。満足度の0.02ポイント差は、どちらに切り替える理由にもならないし、Tencentがそれを公表したことが、このリリースで最も信頼できる点だ。