「Tencent Hy4 vs Kimi K3.1 Pro」と表示された生成タイトルカード。統計は2列構成:Hy4はIntelligence Index 34.6、総パラメータ770B/アクティブ49B、100万トークンあたり$0.834/$2.501。Kimi K3.1 Proは46.5、総2.8T/アクティブ104B、$2.00/$10.00。フッターには「Index per Artificial Analysis v5.0.1、2026年11月20日時点、両モデルの重みは公開」と表示。
Guides & Insights

Hy4 vs Kimi K3.1 Pro:どちらもダウンロード可能、セルフホスト可能なのは片方のみ

著者

Alistair Wren

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

Kimi K3.1 ProはArtificial Analysis Intelligence Indexで46.5を記録する。Tencent Hy4は34.6を記録する。それは12ポイントの差であり、Hy4が今週どの対戦でもつける最大の劣勢だ——Qwen4-Maxに対するものより大きく、Grok 4.7に対するものの10倍以上だ。ランキング上では、Kimi K3.1 Proは掲載されている中で最高のオープンウェイトモデルであり、同クラス32件中1位だ。

次に、両者の重さを見てみよう。Kimi K3.1 Proは2.78兆パラメータのモデルで、トークンあたり1040億のアクティブパラメータを持つ。Tencent Hy4は総パラメータ7740億、アクティブ490億だ。どちらもダウンロード可能な重みとして公開された——Kimiのものは2026年11月2日、Hy4のものは11月18日で、3週間の隔たりがある。普通の企業が所有するマシンに収まるのは、そのうち片方だけであり、その一つの事実が比較全体を組み替えてしまう。これはどちらのモデルがより賢いかという話ではない。実際に動かせるのはどちらか、そして賢いほうをレンタルして使う場合に、完了したタスク1件あたりいくらかかるかという話なのだ。

これを決める唯一の基準

ベンダー自身の推奨精度における最小の展開可能フットプリント:

• Tencent Hy4 — BF16で7740億パラメータ。約12.9 GBと6.4 GBの245シャードとして公開され、量子化前は約1.45 TB。Tencent自身のサービングレシピでは、FP8ビルドを使用し、単一ノード分のGPU上でテンソル並列度8を採用しており、重みは約786 GB。

• {{1}}Kimi K3.1 Pro{{/1}} — 2.78兆パラメータ。出荷時点のリポジトリ内でU8量子化重みが2.72 TB、さらにBF16テンソルが57 GBを追加で占めます。このモデルが週末プロジェクトで済むような単一ノード構成は存在しません。

両ベンダーとも、提供を現実的にするソフトウェアを出荷しており、その点でどちらも異例なほど優れている。TencentはvLLMイメージタグ(vllm/vllm-openai:hy4)とSGLangイメージ(lmsysorg/sglang:hy4)を公開し、テンソル並列と投機的デコーディングのフラグを明記している。Kimiのリポジトリはcompressed-tensorsのMXFP4設定と、重みファイルを前述の2.72 TBまで縮小する4ビット経路を提供している。どちらも小規模モデルの話ではない。違いは、8 GPUノードがほとんどのエンジニアリング組織で承認できる購入であるのに対し、2.8兆パラメータのデプロイはデータセンターの意思決定だという点にある。

セルフホスティングがオープンウェイトに興味を持った理由だったのなら、その一文こそが議論のすべてであり、ベンチマークに依存するものではありません。

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.'

12のポイントが存在する場所

12ポイントの指数差は一様に見える。そうではない——Hy4はいくつかの評価では互角に渡り合い、ある一つでは壊滅する。

• エージェント型コーディング、Terminal-Bench 4.0 — Kimi K3.1 Pro 67.2%、Tencent Hy4 37.4%。30ポイントの差があり、インデックス差への単一最大の寄与要因です。

• ターミナルにおけるエージェント型科学、Terminal-Bench-Science — K​imi 34.3%、Hy4 12.9%。

• 実リポジトリにおけるソフトウェアエンジニアリング、FrontierCode-AA 2.0 — Hy4 31.4%、K​imi 25.5%。ここではHy4が6ポイント差で優れたモデルであり、ターミナルエージェントの実リポジトリ作業がT​encentに有利となる唯一の評価です。

• 高難度推論、HLE-Diamond — K​imi 37.3%、Hy4 32.7%。見出しから受ける印象より接戦だ。

• 物理学、CritPt v2 高難度サブセット — Kimi 49.5%、Hy4 39.0%。

• SaaSワークフロー実行、AutomationBench-AA — K​imi 73.3%、Hy4 65.6%。

• エージェント型ナレッジワーク、AA-Briefcase Elo — Kimi 1,673.6、Hy4 1,445.9。区間が重ならない228 Eloの差。

FrontierCodeの結果は、立ち止まって考える価値がある。他の6つの明白な解釈と矛盾するからだ。実際のオープンソースリポジトリを変更するベンチマークでは、Hy4がリードしている。クリーンなターミナル環境のベンチマークでは、Kimiが30ポイント差でリードしている。Tencentのモデルカードは、その理由を説明している。Hy4はTencent自身のゲームおよびフロントエンドのパイプライン(Unreal、Unity、Godot、UI状態管理)に特化して訓練されており、社内のGameDevスイートでHy4 preview比19.1%の向上を報告している。つまり、物を作るために調整されたモデルを、それらを修理するテストで評価したのだ。両方の行を踏まえた正直な結論は、コーディングの話はワークロード依存だということであり、一方のモデルの方がコーディング能力が高いということではない。

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.

完了したタスクあたり、3.6倍低い価格

ここが、比較が議論ではなく算術になる地点です。Artificial Analysis は、両モデルについて Intelligence Index タスクあたりの実測コストを報告しており、これにはトークン価格、推論の長さ、キャッシュの挙動が織り込まれています:

• Tencent Hy4 — タスクあたり$1.03、入力は100万トークンあたり$0.834、出力は100万トークンあたり$2.501、$0.042で95%のキャッシュ割引。

• Kimi K3.1 Pro — タスクあたり$3.68、入力は100万トークンあたり$2.00、出力は100万トークンあたり$10.00、キャッシュ割引90%適用で$0.20。

つまり、インデックスが12ポイント違うと、タスクあたりのコストは3.6倍になる。インデックス1ポイントあたりでは、K​imiは約4.4倍の価格だ。それはスキャンダルではない——難しいエージェント作業で本当に優れたモデルは、より高コストであるべきだ——しかし、それは意思決定の枠組みを変える。ワークロードがTerminal-Benchで67%を必要とするなら、代替はなく、支払うべきだ。ワークロードが37%で足りるなら、残りの30ポイントのために3.5倍を支払うのは、使うことのない能力に費やす金だ。

タスクあたりの数値が隠している二次的なコストがある。K​imiはインデックスタスク1件あたり39.7分かかり、Hy4の14.0分に対して遅い。最初の回答トークンを返すのは162.8秒後で、Hy4は115.9秒後だ。出力が毎秒30トークンでHy4の93トークン/秒に対してであるため、この比較で3倍遅い最遅モデルは最も高コストでもある。数百ステップ実行するエージェントループでは、レイテンシとコストはトレードオフになるのではなく、相乗的に積み上がる。

2つの異なる罠を仕掛けられた2つのライセンス

両モデルは、ダウンロードして使用できるという意味ではオープンウェイトです。どちらも Apache 2.0 ではなく、両者の商用条項の違いは学術的なものではありません:

• Tencent Hy4 — Tencent Hy License 1.0(Apache 2.0 から派生)。第10条では、任意の12か月期間における全世界の総売上高が5,000万米ドルを超える場合、またはこれを搭載する製品の月間アクティブユーザー数が1億人を超える場合、モデルをサービスとして提供する前に別途書面による契約が必要です。内部利用は除外されています。

• Kimi K3.1 Pro — Kimi K3.1-Pro ライセンス。同様の形態の制限を、5,000万ドルではなく2,000万ドルの売上高しきい値で設けています。

どちらも、モデルが汎用モデルアクセスとして公開されるのではなく特定の機能に組み込まれているエンドユーザー製品を切り分けている。どちらも、サードパーティのモデルサービスへの単なる中継を許可対象に含めている。平たく言えば、どちらかのモデル上で機能を構築する小規模な製品チームなら問題ない。どちらかで推論ビジネスを営む企業は電話一本必要で、K​imiの場合は収益の半分以下で済む。

念のため付言すると、前世代は例外です。2026年8月28日に提供開始されたHy4プレビューは、商用の閾値が一切ないApache 2.0でした。プレビューのライセンスに基づいて構築し、現在Hy4へ移行している人は、異なる条件へ移行していることになります。

まだ選ばずに両方を実行する

この比較を紙の上で決着させる必要がないのは、両モデルが単一のエンドポイントから利用できるからですそこではプロバイダー自身の料金がそのまま適用されます:tencent/hy4 は100万トークンあたり$0.834と$2.501、kimi/kimi-k3.1-pro は$2.00と$10.00、キャッシュ読み取りは$0.20です。これらは上記の数字そのままで上乗せはなく、ベンダーの価格変更は更新時ではなく同日にここへ反映されます。

能力とコストがこれほど懸け離れた組み合わせでは、有用なパターンは分割ではなく上限です。ルーティングDSLを使って kimi/kimi-k3.1-pro にルーティングし、tencent/hy4 を自動フェイルオーバー先に設定して、フェイルオーバーがどのくらいの頻度で発火するかを見てください。めったに発火しないなら、Kimiの能力に対して支払い、それを得ています。Kimiのレイテンシのために頻繁に発火するなら、ベンチマーク表では分からないことを、Kimiの価格ではなくHy4の価格で発見したことになります。モデル融合はもう一つの選択肢です。両モデルによるパネルにすれば、両者が一致する評価では、強いモデルの推論が弱いモデルの安価なトークン予算を支えることができます。

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.

何がこの回答を変えるでしょうか

3つ、可能性の高い順に。第一に、Hy4のファインチューニングだ。重みは2日前に公開されており、Terminal-Benchの30ポイント差は、企業自身のターミナルトレースに狙いを定めたファインチューニングが削り取るのにうってつけの差だ。第二に、Kimi K3.1 Proを、このインデックスが使うデフォルトの最大値より高い推論エフォートで独立評価すること。モデルの記録にある943,718トークンの出力上限は、結果を公開している誰も試していない。第三に、エージェント訓練を継承し価格を4分の1にしたHy4 Flashクラスの同系モデルで、これが出ればKimiに対するコスト面の反論はさらに答えにくくなる。

そのどちらかが登場するまでは、役割分担は明確だ。Kimi K3.1 Pro はより優れたモデルであり、より高価なモデルでもある。その差は、トークン当たり、タスク当たり、インデックスポイント当たりのいずれで測っても変わらない。Tencent Hy4 は自社ハードウェアに載せられるほうで、ライセンスのしきい値は2倍寛大、価格は3分の1だ。どちらも、もう一方を後悔する理由にはならない。

この記事で比較したモデル1

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