
Hy4 flash vs DeepSeek V4.1 Flash: 텐센트가 이 싸움을 자처했다
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 90 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 96 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 87 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 133 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 100만 토큰당 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100만 토큰당 · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955지능
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855지능
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100만 토큰당 · 219 tok/s
Tencent가 상대를 골랐다. 연구 글의 대상은 Hy4 flash이며, 2026년 11월 16일 발표된 이 글은 자사 작업당 비용을 정확히 하나의 경쟁 모델 — DeepSeek V4.1 Flash, 1017 스냅샷 기준, 최대 노력 등급 및 DeepSeek의 혼잡 시간대 요금 기준 —과 비교해 8분의 1이라고 보고한다. 이는 출시 글로서는 이례적으로 구체적인 비교이며, Tencent가 싸움의 장소를 어디로 보는지 알려 준다. Alibaba의 플래그십과의 싸움이 아니라, 자사의 Tencent HY4와의 싸움도 아니라, 9월부터 코딩 에이전트들이 계속 사용해 온 저렴한 오픈 웨이트 모델과의 싸움이다. 그 비교에서 DeepSeek 쪽에는 3주치 공개 수치가 있다. Tencent 쪽에는 차트 하나가 있다.
그러므로 유용한 질문은 추상적으로 어느 모델이 더 나은가가 아니다. 그것은 2.1배의 입력 가격 우위가 두 모델 사이에서 달라지는 요소들과 맞닿아도 유지되는지, 그리고 작업당 8분의 1이라는 수치가 독자가 가정할 의미를 실제로 갖는지다. 둘 다 공개된 자료로 답할 수 있으며, 그 답들은 서로 반대 방향을 가리킨다.
각 회사가 실제로 출시한 것
산출물부터 시작하세요. 산출물들은 서로 동등하지 않으며, 그 차이가 다운스트림에서 발생하는 대부분의 불일치를 설명하기 때문입니다.
DeepSeek V4.1 Flash는 2026년 9월 10일 MIT 라이선스로 공개되었습니다. 총 약 510GB에 달하는 48개의 safetensors 샤드, "KV 캐시 압축의 한계에 도전하다"라는 제목의 기술 보고서, 배포 태그가 포함된 모델 카드, fp8 변형, 그리고 오프피크 및 피크 요금제가 공개된 API가 함께 제공되었습니다. 갱신된 스냅샷인 1017이 10월 17일에 이를 대체했으며, 현재 동일한 API 이름으로 서비스되고 있습니다. 해당 저장소는 다운로드 169만 회와 좋아요 4,978개를 기록하고 있습니다. Artificial Analysis는 최대 에포트 설정에서 Intelligence Index 32.6점을 부여하며, Epoch AI의 Capabilities Index는 1017 체크포인트를 159점으로 평가해 추적 중인 253개 모델 중 19위로 올렸습니다.
Hy4 flash는 2026년 11월 16일 모델 카드가 첨부되지 않은 연구 게시물로 공개됐습니다. 총 2240억 개 파라미터 중 640억 개가 Engram 파라미터이고, 토큰당 120억 개가 활성화되며, 네이티브 멀티모달리티, 1,048,576토큰 컨텍스트, 추후 오픈소스화 계획을 갖췄습니다. 가중치도, 라이선스도, 기술 보고서도, 독립적인 점수도 없으며, 벤치마크 결과는 PNG 차트로 제시됐습니다. Artificial Analysis는 11월 5일 기준 Tencent HY4를 34.6으로 집계하고 있으며, Hy4 flash 항목은 전혀 없습니다.
둘을 나란히 놓고 보면 대결 구도가 묘한 형태를 띤다. 최신 모델은 들여다볼 수 없는 쪽이고, 더 오래된 모델은 직접 다운로드해 미세 조정하고 자신의 하드웨어에서 서빙할 수 있는 쪽이다. 이런 비대칭성은 아래의 모든 섹션에 걸쳐 나타난다.
가격 카드, 솔직하게 비교하면
두 공급업체 모두 리스트 요율을 공개하며, 각각 그중 하나 이상을 공개하는데, 바로 이 점에서 대부분의 비교가 잘못된다.
• 입력, 백만 토큰당 — Hy4 flash $0.070 단일 요금; DeepSeek V4.1 Flash 비수기 $0.15, 피크 시간대 $0.30.
• 백만 토큰당 출력 — Hy4 flash $0.281; DeepSeek 비첨두 시간 $0.60, 첨두 시간 $1.20.
• 캐시 적중, 백만 토큰당 — Hy4 flash $0.003; DeepSeek 오프피크 $0.003, 피크 $0.006.
• 피크 정의 — DeepSeek의 피크 시간대는 UTC 기준 01:00–04:00 및 06:00–10:00이며, 월요일부터 금요일까지이고 중국 공휴일은 제외됩니다. 그 외 모든 시간은 오프피크입니다. 즉, 미국이나 유럽 팀에게는 근무 시간 대부분에 적용되는 저렴한 카드가 바로 그것입니다.
• 컨텍스트 — Hy4 flash 1,048,576 토큰; DeepSeek V4.1 Flash 1,000,000 토큰, 출력 상한 384,000 토큰.
• 중국 본토 요금 카드 — Hy4 flash 백만 토큰당 ¥0.5 / ¥2 / ¥0.02이며, 달러 금액은 별도로 공개된 국제 요금이 아니라 여기에서 나온 것입니다.
같은 시각 기준으로 보면 격차는 입력에서 2.1배, 출력에서 2.1배입니다: $0.070 대 $0.15, $0.281 대 $0.60. DeepSeek의 피크 시간대에는 4.3배로 벌어집니다. 캐시된 입력에서는 비피크 시간대에 차이가 없습니다. 둘 다 $0.003이기 때문입니다. 그리고 이 점이 표면적인 수치보다 더 중요합니다. 매 단계마다 시스템 프롬프트, 도구 스키마, 파일 트리를 다시 보내는 코딩 에이전트는 대부분의 시간에 캐시 요금을 지불하기 때문입니다. 이 비교가 실제로 다루는 워크로드 형태에서는 두 모델의 가격이 동일합니다.
마지막 문장이 논쟁의 대부분을 무력화하는 문장이다. 텐센트의 1/8은 캐시 비중이 높은 비교가 아니라 WorkIndex상의 작업당 비용이며, 이 비용은 요금표와 함께 출력 길이, 재시도율, 단계 수를 반영한다. 이 세 입력 중 두 가지는 텐센트가 자체 포스트트레이닝을 통해 통제하는 항목이며, 텐센트는 그 통제 효과를 단일 비율로 보고한다: 출력 길이 50% 감소.

왜 120억 개의 활성 파라미터가 아키텍처 논쟁의 전부인가
DeepSeek V4.1 Flash는 5520억 개 파라미터의 백본으로, 토큰당 160억 개가 활성화되며, DeepSeek가 Causal Encoder-Decoder 설계라고 부르는 구조를 기반으로 합니다. 40개 레이어는 20개 레이어의 causal encoder와 20개 레이어의 decoder로 균등하게 나뉘며, 기술 보고서는 지각보다 KV cache 압축에 중점을 둡니다. Hy4 flash는 총 2240억 개 중 토큰당 120억 개를 활성화하는데, 이는 DeepSeek의 활성 파라미터 수의 4분의 3이자 전체 크기의 40%입니다.
Tencent의 설명은 차이가 어디서 비롯되는지에 대해 메커니즘은 구체적으로 말하지만 구조에 대해서는 침묵한다. Hybrid attention, LatentMoE, Engram 파라미터는 Hy3의 24분의 1, Tencent HY4의 6분의 1 크기인 KV cache를 만들어낸다. Tencent HY4로부터의 self-distillation에 이어 reinforcement learning을 적용해 end-to-end 출력 길이를 절반으로 줄였다. 4비트 가중치와 DFly decoding path를 갖춘 megakernel은 decode를 초당 150 token 이상으로 유지한다. 공개되지 않은 것은 checkpoint로 반증할 수 있는 어떤 것들이다: layer 수, expert 수, routing width, vision encoder 크기, 그리고 multimodality가 native인지 attached인지.
Engram 매개변수는 별도의 문장을 할애할 가치가 있습니다. 2,240억 개 매개변수 모델 안에 640억 개의 Engram 매개변수가 들어 있다는 것은 정상적인 구성이 아니기 때문입니다. Tencent가 사용하는 의미에서 Engram은 모든 순방향 전파에서 실행되는 라우팅된 전문가가 아니라, 학습된 연관성을 담는 메모리 스타일 구성 요소입니다. 실질적인 결과는 모델 전체 크기의 29%가 토큰당 연산 비용에 포함되지 않는다는 것인데, 이는 매개변수당 역량을 사는 정당한 방식이자 매개변수 수를 비교하는 부당한 방식입니다. Engram이 640억 개 들어간 224B 모델은 두 숫자가 시사하는 것처럼 552B 모델보다 작은 것이 아니라, 형태가 다를 뿐입니다.
DeepSeek의 설계는 검증 가능하지만 Tencent의 설계는 그렇지 않으며, 이는 맞대결에서 작은 차이가 아니다. 누구나 510기가바이트의 가중치를 내려받아 레이어 수를 셀 수 있다. 하지만 누구도 Hy4 flash를 내려받아 무엇인가를 할 수는 없다.
8분의 1, 추적된
Tencent의 작업별 비교는 면밀히 주목할 가치가 있습니다. 이는 두 회사가 이 조합에 관해 공개한 유일한 직접 비교 수치이며, 일반적인 출시 게시물의 계산보다 더 신중하기 때문입니다.
슬라이드 제작, 슬라이드 수정, 인간-기계 공동 작성, Markdown 공동 작성, 문서 편집, 표 복구, 오디오 및 비디오 처리, 시각 이해를 아우르는 Tencent의 내부 8종 제품군인 WorkIndex에서, Tencent는 최대 노력 티어와 혼잡 시간 가격 기준으로 Hy4 flash의 작업당 비용이 Hy4 preview의 13분의 1, Tencent HY4의 20분의 1, DeepSeek-V4.1-Flash-1017의 8분의 1이라고 보고합니다. 그 문장의 모든 한정어는 Tencent가 붙인 것이며, 마지막 두 가지가 꼭 기억해야 할 부분입니다. 최대 노력은 DeepSeek의 사고 예산이 높게 설정되었다는 뜻이고, 혼잡 시간은 $0.15/$0.60짜리가 아니라 $0.30/$1.20짜리 요금 카드를 의미합니다.
한정 조건을 빼면 계산이 크게 달라진다. 비첨두 시간 요금과 동일한 출력 길이에서는 토큰당 격차가 8배가 아니라 2.1배다. Hy4 flash가 출력 토큰도 절반만 생성한다면 작업당 비용은 가격 차이에 더해 대략 다시 절반으로 줄어들며, 그러면 Tencent가 설계한 작업에서 두 모델 간 격차는 대략 4~5배가 된다. 또한 DeepSeek가 공개한 자체 동작, 제어된 사고 노력, 384,000토큰 출력 상한은 최대 티어가 절반의 토큰으로 답하도록 조정된 모델보다 작업당 상당히 더 많은 작업을 수행하고 있음을 시사한다.
Tencent가 자발적으로 공개한 프로덕션 수치는 이번 릴리스에서 더 흥미로운 절반입니다. 단일 점수가 아니라 세부 지표가 함께 제공되기 때문입니다. WeChat Pay의 에이전트 흐름에서 DeepSeek-V4.1-Flash-1017과 비교해 Tencent는 네 가지 프로세스 단계 전반에서 동등하거나 더 나은 성능을 보고했으며, 실행 단계는 약 6% 적고 단일 출력은 29% 더 짧습니다. WeChat Pay의 정적 스캔에서는 동일한 탐지 품질에서 스캔 완료 시간이 37% 짧고 토큰이 46% 적습니다. Honor of Kings의 근본 원인 분석에서는 DeepSeek 및 GLM-5.3-Flash보다 요청이 22%~39% 적고 토큰이 40.5%~61.2% 적었으며, 각각보다 도구 호출은 51.2%, 7.7% 더 많이 수행했습니다. Marvis에서는 앱 설치에서 작업 만족도가 6.2%, 시스템 설정 및 진단에서 4.4%, 문서 처리 및 연구 보고서에서 6.9% 상승했습니다.
그 목록에서 두 가지가 눈에 띕니다. 토큰과 단계 감소 폭은 크고 일관되며, 이는 답변을 짧게 만들도록 훈련된 12B 활성 모델이라면 당연히 나올 결과입니다. 그리고 도구 호출 증가는 솔직한 단서입니다. Hy4 flash는 더 많고 더 짧은 왕복을 통해 거기에 도달합니다. 요청당 과금 모델에서는 이는 손익이 없거나 이득이지만, 단계당 실제 시간 예산에서는 다른 맞교환입니다. 그리고 Tencent 자체의 표현, 즉 WeCom에서 88% 더 빠르다는 것은 작업량에 대한 주장이라기보다 지연 시간에 대한 주장입니다.
증거 비대칭성, 그것이 실제 결정이다
다음은 두 모델이 자신에 대해 말해 줄 수 있는 내용입니다.
DeepSeek V4.1 Flash에는 공개 하네스 점수, 읽어볼 수 있는 기술 보고서, 실행해 볼 수 있는 가중치, 그리고 모델과 함께 다듬어진 3개월치 추론 스택이 있습니다. 여기에는 양자화, 서빙 레시피, 다른 사람들이 이미 겪은 문서화된 특이 동작들이 포함됩니다. 벤치마크상 위치는 눈부시지 않습니다. Terminal-Bench 2.1에서 90.6, DeepSWE v1.1에서 74.2, 출시 당시 NL2Repo-Bench에서 65.4, Intelligence Index 32.6이지만, 그것은 다른 누군가가 측정한 위치입니다.
Hy4 flash에는 공급업체 차트, 85명의 직원을 대상으로 한 공급업체 블라인드 테스트, 공급업체 내부 벤치마크, 그리고 향후 오픈 웨이트에 관한 한 문장이 있다. 이 주장들은 그럴듯하고 내적으로 일관된다. KV 캐시는 플래그십의 6분의 1 크기이고, 출력 길이는 절반으로 줄었으며, 디코드는 초당 150토큰을 넘는다. 이 중 어느 것도 재현되지 않았고, 가장 확인하기 쉬운 항목 — 120억 개 활성 파라미터가 정말로 DeepSeek의 160억 개만큼 사무 업무를 잘 수행하는가 — 는 바로 Tencent 외부에서는 아무도 실행할 수 없는 항목이다. 웨이트가 없기 때문이다.
그 비대칭성은 Hy4 flash를 더 나쁘게 만들지 않는다. 그것은 Hy4 flash를 입증되지 않은 상태로 만들 뿐이며, 더 나쁨과 입증되지 않음 사이의 차이가 바로 평가 예산이 투입되어야 할 지점이다. 미세 조정하고, 자체 호스팅하거나 감사할 수 있는 저렴한 멀티모달 모델이 필요한 팀이라면 여기서 읽기를 멈춰야 한다: DeepSeek V4.1 Flash가 답이며, 2.1배의 가격 차이는 그 옵션의 비용이다. 워크로드가 문서, 슬라이드, 추출, 짧은 에이전트 루프이고, 작업당이 아니라 토큰당 비용을 지불하는 팀이라면 Tencent 카드를 살펴볼 실질적인 이유가 있다 — 빠진 증거를 기다리기보다 그 증거 없이 구매를 진행할 만큼 충분히 강력한 이유다.
하나의 키에 대해 비교를 실행하는 중
Hy4 flash도 Tencent 자체 로드맵도 이 일을 쉽게 만들지 않는다. 11월 16일 기준으로 Hy4 flash는 Tencent Cloud의 TokenHub와 Tencent의 소비자 및 기업 제품을 통해 제공되며, 서드파티 플랫폼은 발표되었지만 일정은 정해지지 않았고, DeepSeek V4.1 Flash는 DeepSeek 자체 API와 오픈 웨이트로 제공된다.
이 맞대결에서 오늘 당장 실행할 수 있는 쪽은 바로 기준선을 세우는 쪽입니다. deepseek/deepseek-v4.1-flash는 OrcaRouter에서 백만 토큰당 입력 $0.15, 출력 $0.60, 캐시 읽기 $0.003에 제공됩니다 — 아무것도 덧붙이지 않은 DeepSeek 자체의 오프피크 정가 — 1,048,576토큰 컨텍스트에 걸쳐서요. 그리고 1017 스냅샷은 자체 식별자 아래 같은 요율로 자리하고 있어서, 별칭이 아니라 Tencent가 벤치마크한 그 체크포인트를 고정할 수 있습니다. 같은 키로 쓰는 Tencent 라우트는 tencent/hy4-preview로 $0.834와 $2.501이며, 이것이 Hy4 flash의 교사 모델입니다. preview와 DeepSeek에 각자 과제 세트를 돌리면 지금 바로 교사 대 경쟁자 비율을 얻을 수 있고, flash 티어가 출시되면 같은 하네스에 끼워 넣을 수 있습니다.

그것이 Tencent 자체 발표에서 따라 할 만한 패턴입니다. 그 주장은 Tencent가 선택한 여덟 가지 작업 유형에 대한 작업당 비용입니다. 여러분의 경우는 실제로 비용을 지불하는 작업에 대한 작업당 비용이어야 하며, 두 모델 모두에서 측정하고 토큰, 단계, 실제 경과 시간을 기록해야 합니다. 그리고 이 세 가지를 함께 보면 2.1배의 요율 우위가 청구서에서 실제로 어떤 의미가 있는지 알 수 있을 것입니다.
자동 페일오버는 그 계획에서 눈에 띄지 않는 부분입니다. 출시 첫 주에 있고 종료일이 명시되지 않은 프로모션으로 제공되는 모델은, 그 모델로 마이그레이션하기보다는 뒤에 폴백 체인을 두고 싶은 바로 그런 모델입니다. 동일한 키가 이미 DeepSeek에 도달하므로, 응답이 시작되기 전에 기존 모델을 재시도하는 규칙은 설정 한 줄만 들고 실험에서 출시 주간 위험을 제거합니다.

무엇이 그것을 해결할까요?
세 가지를, 답이 얼마나 달라질지를 기준으로 순서대로 말씀드리겠습니다.
{{1}}Hy4 flash{{/1}}에 대한 독립적인 점수. Artificial Analysis는 Tencent HY4가 출시된 지 8일 후에 이를 지수에 올렸다. flash 항목이 있다면 적어도 두 모델을 하나의 평가 하네스에 올려놓을 수 있으며, DeepSeek의 flash와 Tencent의 플래그십 사이의 32.6~34.6 격차가 바로 이 맞대결이 논쟁하는 구간이다. 증류된 모델이 교사 모델보다 낮게 나와도 누구도 놀라서는 안 되며, 그 하락 폭은 이 비교에서 가장 유용한 단일 미지수다.
가중치, 아니면 가중치 공개 날짜라도. 텐센트가 직접 8월에 내놓은 프리뷰는 첫날부터 Apache 2.0과 vLLM, SGLang 레시피를 함께 제공했으니, 이 회사도 방법을 알고 있는 셈이다. Hy4 flash가 그 뒤를 따른다면 효율성 주장을 검증할 수 있게 되고, 510기가바이트 다운로드가 더 이상 유일한 선택지로 남지 않게 된다.
중립적인 작업별 벤치마크. Tencent의 1/8은 두 가지 단서가 붙은 선의의 수치이며, 다른 누구도 실행할 수 없는 평가 하네스를 전제로 한다. 공개 에이전트 작업에서 이를 재현해 보면 논쟁은 반나절 만에 어느 쪽으로든 결판난다.
그때까지는 솔직한 요약이 어느 벤더의 요약보다도 좁다: DeepSeek V4.1 Flash는 감사 추적이 있는 저렴한 멀티모달 모델이고, Hy4 flash는 그것이 없는 더 저렴한 모델이며, 가격 차이는 요율표에서보다 캐시 비중이 큰 작업에서 더 작다. 그것은 판결이 아니다. 그것은 11월 16일에 실제로 바뀐 것, 즉 요율표와 계획 — 그리고 Tencent가 스스로 그린 점수판에서 선택한 싸움 — 에 대한 정확한 설명이다.
이 글에서 비교한 모델4
이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트
