生成されたタイトルカードには「Tencent Hy4 vs Qwen4-Max」と表示され、2つの統計列があります。Hy4はインテリジェンス指数34.6、総パラメータ数770B、アクティブ49B、オープンウェイト、100万トークンあたり$0.834/$2.501。Qwen4-Maxは42.9、パラメータ非公開、プロプライエタリ、$1.50/$4.50。フッターには「Artificial Analysis v5.0.1による指数と価格、2026年11月20日閲覧」と表示されています。
Guides & Insights

Hy4 vs Qwen4-Max:Hy4が実際に勝っている2つの行

著者

Elias Hawthorne

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 Intelligence Index v5.0.1 を構成する9つの評価のうち7つで、Qwen4-Max は Tencent Hy4 を上回っています。当然とも言えます。Alibaba の旗艦モデルは Tencent の34.6に対して42.9を記録し、1回の呼び出しあたり262,144トークンの思考・回答共有予算を持っています。しかし2項目は逆の結果で、各モデルが実際に何をするために作られたかを示すのはこの2項目です。実際のオープンソースリポジトリ内でのソフトウェアエンジニアリングを扱う FrontierCode-AA 2.0 では、Tencent Hy4 が31.4%、Qwen4-Max が26.5%を記録します。医療分野の長文脈推論を扱う MLCR-AA では、Hy4 が32.8%、Qwen4-Max が19.4%です。

8.3インデックスポイントも劣るモデルにしては奇妙な2勝であり、だからこそこの比較はスコアボード以上の価値がある。Qwen4-Maxはより強力な汎用モデルで、難しい推論、ナレッジワーク、動画を含むあらゆる用途で選ぶべきものだ。Tencent Hy4はより安価なモデルで、ダウンロード可能で、そして——実リポジトリでの作業では僅差で——より優れたエンジニアである。両者のどちらを選ぶかは、それらのどれを実際に必要とするかと、安価なモデルをトークン価格が示すより安くする料金体系にかかっている。

Q​wenへ7行、Hy4へ2行

どちらの数値セットも、2026年11月20日時点のArtificial Analysisによるもので、評価バージョンもハーネスも同じです:

• 高度な推論、HLE-Diamond — Qwen4-Max 44.9%、Hy4 32.7%。このボード上で最大の差は12.2ポイントです。

• 物理学、CritPt v2 ハードサブセット — Qwen4-Max 43.0%、Hy4 39.0%。

• クリーンなターミナルでのエージェント型コーディング、Terminal-Bench 4.0 — Qwen4-Max 48.5%、Hy4 37.4%。

• ターミナル内でのエージェント型科学、Terminal-Bench-Science — Qwen4-Max 23.3%、Hy4 12.9%。

• SaaSワークフロー実行、AutomationBench-AA — Qwen4-Max 72.6%、Hy4 65.6%。

• プロフェッショナル文書推論、GDP.pdf 全パス — Qwen4-Max 26.2%、Hy4 21.6%。

• エージェント型ナレッジワーク、AA-Briefcase Elo — Qwen4-Max 1,686.1、Hy4 1,445.9。240 Eloの差は、このシリーズで最大です。

• 実際の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%、Qwen4-Max 26.5%。

• 医療分野の長文コンテキスト推論、MLCR-AA — Hy4 32.8%、Qwen4-Max 19.4%。

この2つの敗北に見られるパターンは、ノイズではないのだから、正確に名付ける価値がある。Qwen4-Maxはターミナルベンチマークで勝つ。これは明確な目標が設定されたクリーン環境でのコーディングタスクだ。Hy4はリポジトリベンチマークで勝つ。これは評価用に誰も書いていないコードを読み解くことを伴う。さらに医療分野の長文コンテキストでは13ポイント差で勝っており、これこそが明言された設計目標に対応する唯一の能力だ。TencentはHy4を長い文書とディープリサーチで訓練したと、モデルカードに明記している。一方、AlibabaのQwen4-Max向け自社資料は、Work360、トークン効率に関する主張、共有推論予算を前面に出している——汎用フラッグシップであり、広さに最適化されている。

Generated two-column scoreboard comparing Tencent Hy4 and Qwen4-Max across six dimensions: Intelligence Index 34.6 versus 42.9, price $0.834/$2.501 versus $1.50/$4.50 per million tokens, context 1,048,576 versus 983,616 tokens, FrontierCode-AA 31.4% versus 26.5%, terminal coding Terminal-Bench 4.0 37.4% versus 48.5%, and cost per index task $1.03 versus $3.27, with a footer reading 'All figures per Artificial Analysis v5.0.1, 20 November 2026; terminal rows favour Qwen, repository rows favour Hy4.'

価格比率とコスト比率の間のギャップ

Qwen4-Maxは、入力価格がHy4の1.8倍、出力価格も1.8倍です。しかしIntelligence Indexのタスクあたりの実測コストでは3.2倍、$3.27対$1.03となります。この差を生む追加の倍率がトークン効率であり、まさにこの比較で多くの人が見落とす部分です。

• 入力 — Qwen4-Max は100万トークンあたり$1.50、Hy4 は$0.834。Qwen は80%高価です。

• 出力 — Qwen4-Max $4.50、Hy4 $2.501。同じ80%。

• キャッシュ読み取り — Qwen4-Max は 95% 割引で $0.075、Hy4 は 95% で $0.042。Q​wen は 79% 高価で、割引率は同一のため、キャッシュはこの差を埋めない。

• インデックスタスクあたりの出力トークン数 — Qwen4-Max 104,940、Hy4 78,058。Qwen はタスクあたり3分の1長く推論する。

• インデックスタスクあたりの所要時間 — Qwen4-Max 29.8分、Hy4 14.0分。2倍以上長くなっています。

• 出力速度 — Qwen4-Max は毎秒59トークン、Hy4 は93。

2つの効果を掛け合わせると、1.8倍の価格比は3.2倍のコスト比になる。月に1万件のエージェントタスクを実行するワークロードでは、それが「守るべき費目」か「再交渉すべき費目」かの違いになる。しかも、Qwen4-Maxの方が高性能なモデルであってもこれは当てはまる。呼び出していない能力にも依然として課金されるからだ。

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.

Qwen側には、逆方向に働く見落としやすい料金詳細が1つあります。Alibabaの従量課金カードはリージョン依存で、シンガポールでは$1.50と$4.50ですが、北京、香港、フランクフルト、米国バージニアでは$1.413と$4.24で、キャッシュ読み取りは$0.071です。トラフィックがこれらのリージョンのいずれかで終端する場合、入力の差は約80%ではなく約69%に縮まります。ただし、答えの方向は変わりません。

動画入力、重み出力

2つのモデルは同じ入力を受け付けておらず、実際の調達の場で決め手となるのは多くの場合この違いです:

• 入力モダリティ — Qwen4-Max はテキスト、画像、動画に対応。T​encent Hy4 はテキストと画像に対応。Hy4 は11月4日以降、ビジョン面で何も失っていない — 画像理解とコンピュータ操作がそのリリースの目玉の追加機能だった — が、動画の経路はない。

出力 — 両方ともテキストのみ。

• コンテキスト — Hy4 1,048,576トークン、Qwen4-MaxはArtificial Analysisの集計で983,616トークン。ただしAlibaba自身のドキュメントでは1,000,000と記載されている。この違いは能力ではなく計上の仕方によるもので、どちらも100万トークンモデルである。

• 重み — Hy4はTencent Hyライセンスの下、2026年11月18日からダウンロード可能。BF16の7740億パラメータのチェックポイントで、FP8ビルドと事前学習済みベースを備える。Qwen4-Maxには公開されたチェックポイントがなく、Alibabaの資料では独自のフラッグシップと説明されている。

重みに関する論点は、価格を超えた帰結を伴うものだ。ダウンロード可能なモデルは、自社のトレースでファインチューニングし、ハードウェアに合うよう量子化し、監査し、バージョンを固定し、外向きルートのないネットワーク内で実行できる。プロプライエタリなモデルは、API契約と提供終了日を与えるだけだ。このブログの以前のQwen4-Maxに関する記事が、何度も同じ非対称性に立ち戻っていたのはそのためだ。7700億パラメータのオープンウェイトは法的障壁を取り除くが、ハードウェアの障壁は取り除かない。しかし、すでにハードウェアを所有している企業にとっては、そこが決定的な違いなのだ。

ルーターが計算を変える場面

T​encent Hy4 はここでは tencent/hy4 としてルーティング可能で、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 — プロバイダー自身のリストを 0% のマークアップでそのまま反映しているため、T​encent の価格変動は当日にあなたへ届きます。Qwen4-Max は 当社のカタログには含まれていません。A​libaba は自社の Model Studio API および複数のサードパーティプラットフォームを通じて提供しており、当社はそれをルーティングしていないため、この記事のいかなる内容も提供の申し出として解釈されるべきではありません。

単一のエンドポイントが実際にもたらすのは、その選択を恒久的なものとして扱うのをやめられることだ。ルーティングDSLは作業をその性質に応じて振り分けられる。リポジトリレベルのエンジニアリングと長文書分析はtencent/hy4へ、高度な推論と動画を含むものはQwen4-Maxへ、それぞれ独自のAPIキーを介して送り、両者間で自動フェイルオーバーを行う。上記のコンポーネントスコアでは、この分割は妥協ではない。正しい割り当てなのだ。なぜなら、2つのモデルの弱点評価はほとんど重ならないからだ。モデル融合はさらに先へ進むだろう。2モデルによるパネルなら、同じ回答に対してQwenのHLE-DiamondスコアとHy4のリポジトリスコアを並べることになる。

Screenshot of the OrcaRouter model page for Hy4, captured 20 November 2026, showing the tencent/hy4 endpoint at $0.83 per million input tokens and $2.50 per million output tokens, a 1M-token context window, 65k maximum output, text and image input, vision, tools and JSON, zero data retention, and public benchmarks dated 4 November 2026.

誰がどれを選ぶべきか

作業が推論中心なら、そのいずれかに動画が含まれるなら、または成果物がテストではなく人間によって評価されるなら、Qwen4-Maxを選べ。240-EloのAA-Briefcaseギャップは丸め誤差ではない。Hy4のタスクあたりコストの3.2倍と、各タスクの完了に2倍の時間がかかるモデルを見込んで予算を組め。

重みを自分で持ちたいなら、作業がリポジトリ規模のコードや長文書の分析なら、あるいは調達をユニットエコノミクスで決めるなら、T​encent Hy4 を選べ。測定されたあらゆる軸でより安価なモデルであり、自分で動かせるモデルであり、誰も事前に用意していない資料を読み解くことを評価する2つの評価で勝利する。

残る疑問は、その2番目のリストが伸びるかどうかだ。Hy4の重みは2日前に公開された。企業自身のリポジトリのトレースに対するファインチューニングなら、5ポイントの差を攻めることになり、現在の価格では週末分の計算資源に相当する。Qwen4-Maxは、そのようにはまったく攻められない。片方は改善でき、もう片方は待つことしかできない——この非対称性はどのベンチマーク表にも載っておらず、今後1年で、それは8.3ポイントよりも重要になるだろう。

この記事で比較したモデル1

この記事から検出