Hy4 flash と Gemini 3.8 Flash を比較する生成済みのヒーローカード。左タイルには「Hy4 flash — $0.070 / $0.281、オープンウェイト、独立スコアなし」、右タイルには「Gemini 3.8 Flash — $0.75 / $3.75、Intelligence Index 31、非推奨」と表示され、フッターには「Gemini の数値は Artificial Analysis による index v5.0.1 に基づく。Hy4 flash の価格は Tencent のリスト料金。」と表示される。
Guides & Insights

Hy4 flash vs Gemini 3.8 Flash:非推奨モデルが今なお価格表を持つ唯一の存在

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

Artificial AnalysisはGemini 3.8 Flashを「非推奨」と表示し、読者にGemini 4 Hydrogenを勧めている。Googleは今もそれを入力100万トークンあたり0.75ドル、出力100万トークンあたり3.75ドルで販売している。Hy4 flashは登場から2日で、価格はその10分の1、独立したスコアは一切ない。したがってこの対決で正直に問うべきは、どちらのモデルが優れているかではない——それはまだ誰にも答えられない——そうではなく、2つの居心地の悪い立場のうち、どちらに身を置きたいかだ。自社のメーカーが既に取って代わったモデルにフラッグシップに近い価格を払うか、Tencent以外の誰も測定していないモデルにほぼゼロしか払わないか、である。

Hy4 flashは2026年11月16日にTencentのAPIで公開され、11月17日にオープンウェイトとしてリリースされた。総パラメータ数220B、アクティブ12B、コンテキスト長1,048,576トークン、画像入力・テキスト出力に対応し、Tencent Hy Licenseの下で提供される。Gemini 3.8 Flashは2026年9月2日にリリースされ、100万トークンのコンテキスト、テキスト・画像・動画・音声・ファイル入力に対応し、高い推論設定でのArtificial Analysis Intelligence Indexスコアは31。この比較の中で独立した測定値を持つ唯一のモデルであり、非推奨とされている唯一のモデルでもある。

ここで非推奨ラベルが実際に意味するもの

Artificial AnalysisによるGemini 3.8 Flashへの「非推奨」フラグは、同ボードがこのモデルを後継に置き換えられたものと見なしていることを意味し、ページでは代替としてGemini 4 Hydrogenが示されています。これはGoogleがこのモデルを停止したという意味ではありません。モデルは解決可能で、価格が設定されており、OrcaRouterのカタログに$0.75と$3.75、90%のキャッシュ割引付きで掲載されています。つまり、少なくとも1つのプラットフォームによって、依然として有料顧客に提供されているということです。

つまり、ロードマップ上ではすでにその先へ進んでいるということだ。9月初旬にリリースされ、11月中旬までには旧世代とされたモデルは、現行世代としての寿命がおよそ2か月半しかなかったことになる。今このモデルを標準として採用するチームは、ベンダー自身の推奨の中ですでに置き換えられたものに標準化していることになり、実務上の帰結は明快だ。次の能力向上はこのモデルのアップデートとしてやって来るのではなく、移行を強いられる別のモデルとしてやって来るのだ。

Hy4 flashは逆の問題を抱えている。非推奨なのではなく、測定されていないのだ。Tencent自身の評価はWorkIndexの社内スイートと85名のユーザーによるブラインドテストで、どちらもベンダーが実施したものであり、Artificial AnalysisのHy4 flash URLは11月18日時点で404を返す。モデルカードの公開ベンチマーク表はベース対ベースであり、実際に呼び出すインストラクションモデルではなく、事前学習済みチェックポイントを説明している。

どちらの立場も居心地の良いものではない。一方は終わりに向かう曲線上の既知の存在であり、もう一方は始まりに向かう曲線上の未知の存在だ。

価格差は確かに存在するが、そこが面白いところではない

テンセントの中国本土向け価格表では、Hy4 flash は入力100万トークンあたり¥0.5、出力100万トークンあたり¥2、キャッシュ入力100万トークンあたり¥0.02で、約$0.070、$0.281、$0.003です。GoogleのGemini 3.8 Flashの定価は$0.75と$3.75で、キャッシュ読み取りは90%割引です。

• 入力 — $0.070 対 $0.75。Hy4 flash なら約10.7倍安価です。

• 出力 — $3.75に対して$0.281。約13.3倍安価です。

• キャッシュ済み入力 — 約$0.075に対して$0.003。約25倍安価です。

• 入力/出力/キャッシュの7:2:1の混合比率で算出すると、Hy4 flashでは100万あたり約0.10ドル、Artificial AnalysisによればGemini 3.8 Flashは0.58ドルです。

それは割引ではなく、別カテゴリの製品であり、重要な2つ目の数値、つまり完了したIntelligence Indexタスクあたりのコストを説明するものだ。Artificial AnalysisはGemini 3.8 Flashを1タスクあたり7.77ドル、14.2分超と測定している。Hy4 flashの数値がないのはHy4 flashのスコアがないためだが、TencentのWorkIndexの計算では、その1タスクあたりの平均コストはピーク時間帯料金でHy4 previewの13分の1、Hy4の20分の1、DeepSeek-V4.1-Flash-1017の8分の1になる。

それらは異なるタスクであり、異なるハーネスであり、互いに割って比較してはならない。それらが示すのはトレードオフの構図だ。Gemini 3.8 Flash はトークンあたりのコストが高く、そこに至るまでに多くのトークンを消費するため、タスクあたりのコストが高い。Hy4 flash は、ハイブリッド疎アテンション、Hy4 の 1/6 の KV キャッシュ、RL による 50% 短い出力によって、タスクあたりの数値を小さくするために特別に設計されている。

A generated reference card headed 'Price favours one, modality favours the other', with a Hy4 flash panel of four rows and a Gemini 3.8 Flash panel of four rows, and a split band beneath reading '10.7x cheaper on input, 13.3x on output' beside 'four more input modalities'.

能力——測定できる唯一の軸において

Gemini 3.8 Flashの独立系スコアは、いずれもArtificial Analysis v5.0.1によるもので、エフォートに依存しており、見出しの数値よりもエフォート設定のほうが重要です:

• インテリジェンス指数:高 — 31

• Intelligence Index(中)— 30

• インテリジェンス指数:低 — 23。

• クラス順位 — Intelligence Indexで92中66位。

• 出力速度 — 毎秒116トークン。

• 最初の回答トークンまでの時間 — 22.4秒。

• コンテキスト — 100万トークン。

高エフォート時の指数31は中位であり、非推奨フラグがあるのは、Googleがそれ以降より優れたものを出荷しているためです。このモデルの以前の報道ではローンチ時に59とされていましたが、その数値は2026年10月27日の指数リベースより前のもので、今日の31とは比較できません。59と31を同じ文脈で挙げる人は、2つの異なる計測器を比較しているのです。

Hy4 flash には、その下に置く行がありません。外部アンカーに最も近いのは Tencent 自身のブラインドテストで、そこでは Hy4 flash がユーザー満足度で4点満点中2.79、Claude Haiku 5.5 が2.81でした。そして Claude Haiku 5.5 は、Gemini 3.8 Flash が31を記録する同じ指標で36を記録しています。この2つの事実をつなげると、Hy4 flash の暗黙の位置づけは30台前半あたりになります。これはまさに、このブログが測定値ではなく推論として注意を促すために存在する種類の推論です。ベンダーの数字2つと第三者による数字1つでは、ベンチマークにはなりません。

Screenshot of the Artificial Analysis model page for Gemini 3.8 Flash, showing its Intelligence Index scores at high, medium and low effort, its class rank, output speed, time to first answer token, context window and cost per task on index v5.0.1.

モダリティでは、Gemini 3.8 Flashが依然として完全に優位を保っています

これは価格差があっても生き残る行であり、その点について具体的に述べる価値がある。

• Hy4フラッシュ入力 — テキストと画像を、2x2の特徴マージを備えた27層のSigLIP2派生エンコーダー経由で処理。

• Gemini 3.8 Flash の入力 — テキスト、画像、動画、音声、ファイル。OrcaRouter のカタログ項目および Google のモデルドキュメントに基づく。

• Gemini の出力 — テキスト。

パイプラインが画面収録、通話録音、または音声トラック付きのPDFを取り込む場合、Hy4 flashはそれを受け付けられず、Gemini 3.8 Flashは受け付けられます。重みのオープンさは助けになりません。存在しないエンコーダーは、存在しないのです。Tencent自身がHy4 flashに推奨するユースケースは、テキストとスクリーンショットを前提とした形——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のデモ、コンピューター操作——であり、これは一貫した製品判断であると同時に、境界でもあります。

文書に限って言えば、両者はより近い。どちらも画像を入力でき、どちらも100万トークンのコンテキストを保持し、Hy4 flash の文書作業におけるハルシネーション特性こそが、その WorkIndex スイートが実際に測定しているものだ。表計算の修復、文書編集、スライドの共同作成。それは汎用的なベンチマークスコアよりも正直な主張だが、それが Tencent の評価基準であることを忘れなければ、の話だ。

「flash」モデルであるための、大きく異なる2つの方法

Googleのflashティアは、proティアと比べて高速かつ安価であることを意味し、クローズドAPI上で、ベンダーがサービングの複雑さを吸収します。Tencentのflashはより具体的な意味を持ちます。すなわち、100万トークンのコンテキストを低コストで提供することだけを目的としたアーキテクチャです。

• アテンション — Hy4 flashは、42層にわたって疎なIndexPoolアテンションと512トークンのスライディングウィンドウを1:3の比率でインターリーブします。Geminiのアーキテクチャは非公開です。

• KVキャッシュ — Hy4 flashはHy3の1/24、Hy4の1/6(ベンダー報告値)。Gemini 3.8 Flashについては比較可能な公開数値はない。

• 投機的デコーディング — Hy4 flashはDFly2を搭載しています。これは0.85Bのドラフターで、ターゲットモデルのスパースKVとインデクサー選択を再利用するため、コンテキスト長に関わらずドラフトコストが一定に保たれます。Googleの同等機能は内部用です。

• 出力長 — Tencentによると、RLポストトレーニングにより平均出力トークン数が50%削減され、ブラインドテストではタスク完了時間の中央値が6.7分と報告されている。Gemini 3.8 Flashのインデックス実行では、タスクあたり平均14.2分かかる。

最後の行こそ、腰を据えて向き合うべきものだ。Hy4 flash がタスクあたり安く済む理由の大きな部分は、書く量が少ないことにあり、書く量が少ないモデルが自動的に劣ったモデルというわけではない。ただし、顧客向けワークフローをこれ経由で回す前に、その出力に目を通すべきモデルではある。冗長さと品質は別の軸であり、コストの列に現れるのはそのうち一方だけだ。

デプロイは、両者がまったく比較にならない軸です。

Gemini 3.8 FlashはAPIです。チェックポイントも、FP8ビルドも、GGUFも、ファインチューニングの経路もありません。OrcaRouterのカタログエントリには、モデル本体のみが表示され、それ以外は何もありません。

Hy4 flash は、API、3つの Hugging Face リポジトリ(instruct モデル、FP8 ビルド、ベースチェックポイント)、AngelSlim による GGUF 量子化、ファインチューニングガイド、バージョン固定された vLLM と SGLang のイメージ、そして現在プルリクエスト 50903 上にある Transformers 統合から成ります。このリストは一概に良いニュースばかりではありません。固定されたイメージと PR の ref を指定したインストールは、リリース済みのビルドではなく、Tencent がテストしたビルドを実行していることを意味します。

しかし、それは「安い」の意味を変える。Gemini 3.8 Flashでは、安いはGoogleの価格を意味し、Googleはそれを変更できる。Hy4 flashでは、安いはTencentの価格か自社GPUを意味し、後者には価格がまったくない。容量計画があり、アーキテクチャはその計画が小さいことの論拠になっている。Tencent Hy Licenseはそれを認めているが、注意点が一つある。Section 10.2では、model-as-a-service事業として全世界の総収益が5,000万ドルを超える場合、または月間アクティブユーザー数が1億人を超える場合、別途書面によるライセンスが必要となる。内部利用は免除される。欧州または韓国のチームには地域制限がなく、これは一部の中国のオープンウェイトライセンスには言えないことだ。ライセンスはApache 2.0に収益トリガーを後付けしたもので、つまり2つのデプロイ経路は2つの文書ではなく同じ文書の下で価格設定される。これは、財務チームがなぜ安い選択肢が安いのかと尋ねるときに重要な詳細だ。

実際にどちらをどこで実行するか

Gemini 3.8 Flash は OrcaRouter のカタログにgoogle/gemini-3.8-flash として掲載されており、入力100万トークンあたり $0.75、出力100万トークンあたり $3.75、キャッシュ読み取りは $0.075 です。Google の定価でルーティングされ、当社側のマークアップは 0% です — そのため、Google がすでに非推奨にしたモデルの価格を引き下げた場合、次のカタログ同期時ではなく、それが起きた当日に確認できます。Hy4 flash はカタログにありません。掲載されているのはその教師モデルである tencent/hy4-preview で、100万トークンあたり $0.834 と $2.501、キャッシュ読み取りは $0.042 です。

この特定の組み合わせで役立つパターンは、選択ではなくルーティングルールです。音声と動画の取り込み層はGeminiルートに置いてください。2つのうち、そうした入力を受け付けるのはこちらだけだからです。大量のテキストとドキュメントの層は、自分で測定してから安価なルートに置いてください。ルーティングDSLは、まさにその分割を1つのエンドポイント内で表現するために存在し、自動フェイルオーバーとは、安価なルートが劣化してもパイプラインを道連れに停止させないという意味です — これは、安価なルートが2日前にできたばかりで、固定されたコンテナイメージ上で稼働している場合には、いつも以上に重要です。

Screenshot of the google/gemini-3.8-flash model page, showing the per-million-token input, output and cache-read prices the model is listed at and the modalities it accepts.

3つのケースとして述べられた決定

音声入力や映像入力が必要なら、比較はそこで終わります。ここでの唯一の選択肢はGemini 3.8 Flashであり、これが非推奨であることは、除外する理由ではなく、織り込むべき移行コストです。

顧客の前に出す前に、独立したスコアを持つモデルが必要なら、同じ答えが別の理由で当てはまります。Intelligence Indexでの31は控えめな数字ですが、測定された数字ではあります。そしてHy4 flashには、測定されたものが何もありません。

ワークロードが大量のテキストや文書で、レイテンシに寛容で、自前の評価を実行できるなら、Hy4 flash はテストに費やす午後の時間だけの価値があります。出力価格の13倍の差は丸め誤差ではなく、Tencent が0.02ポイント差で負けたブラインドテストを公開したという事実は、このモデルの誠実さについて Google のモデルカード上のどの数値よりも良いシグナルです。ただし評価を飛ばさないでください。このモデルには第三者スコアがなく、公開ベンチマーク表はあなたが呼び出すチェックポイントとは別のものを示しており、唯一の外部測定は開発元が実施した満足度調査だけです。

そして非推奨化に注意してください。GoogleがGemini 3.8 Flashを、以前のモデルたちを引退させたのと同じように引退させると、このページの本当の答えは「高価な方には測定値がある」から「測定値があった方は消えた」に変わり、スコアがない2日前のオープンウェイトモデルが、今日よりもかなり魅力的に見え始めます。

この記事で比較したモデル3

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新