
Hy4 flash is nu Open Weight: lees sectie 10 voordat je het downloadt
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 138 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 176 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 89 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 187 tok/s
De Tencent Hy-licentie, versie 1.0, is een afgeleide van Apache 2.0 met één extra sectie, en die sectie is de reden om deze release zorgvuldig te lezen in plaats van alleen de checkpoint op te halen. Sectie 10.2 bepaalt dat als je een model-as-a-servicebedrijf exploiteert en je wereldwijde bruto-omzet in een willekeurige periode van twaalf maanden meer dan US$50 miljoen bedraagt — of je product meer dan 100 miljoen maandelijkse actieve gebruikers heeft — je een afzonderlijke schriftelijke licentie van Tencent nodig hebt voordat je de gewichten gebruikt of blijft gebruiken. Sectie 10.3 zondert intern gebruik uit. Sectie 2 van de Apache-verlening is waar de royaltyvrije rechten staan, en Sectie 10.2 begint met de woorden "Onverminderd secties 2 en 3." Dus de download is gratis en de implementatie is niet onvoorwaardelijk gratis, en de grens tussen beide wordt getrokken bij de vraag of buitenstaanders via jouw infrastructuur bij het model kunnen komen.
Dat is het kader voor wat Tencent op 17 november 2026 om 03:44 UTC publiceerde, toen binnen negentig seconden na elkaar drie repositories op Hugging Face verschenen: Hy4 flash, het instructiegetunede chatmodel; Hy4 flash-FP8, hetzelfde model in FP8; en Hy4 flash-Base, het voorgetrainde checkpoint zonder enige post-training. Het instructiemodel heeft 220 miljard parameters in totaal, waarvan 64 miljard in Engram-tabellen, 12 miljard actief per token, native multimodaal aan de invoerkant en geconfigureerd voor een context van 1.048.576 tokens. Het is hetzelfde model dat Tencent twee dagen eerder, op 16 november, op zijn API zette, met als verschil dat je het nu kunt draaien op hardware die je zelf bezit.
Wat staat er eigenlijk in de drie repositories?
De opdeling is schoner dan bij de meeste open-weight releases, omdat de drie checkpoints echt verschillende dingen zijn in plaats van drie bestandsnamen voor één artefact.
• Hy4 flash — het instructmodel, inclusief chatsjabloon en redeneermodi. Ondersteunt reasoning_effort op high (de standaard, denken ingeschakeld) en no_think (directe antwoorden). Tencent raadt temperature 0.9 en top_p 1.0 aan.
• Hy4 flash-FP8 — dezelfde gewichten gekwantiseerd voor productie-serving. Dit is degene waar de officiële vLLM- en SGLang-recepten naar verwijzen, en degene waarvan Tencent zegt dat hij 150 tokens per seconde haalt op een tensor-parallel-8-node.
• Hy4 flash-Base — alleen vooraf getraind. De kaart zegt expliciet dat dit "een vooraf getraind basismodel is, geen op instructies afgestemd chatmodel", wat ertoe doet omdat elke benchmarktabel in de release een base-versus-base-tabel is. De cijfers van het instructmodel zijn de WorkIndex- en blindtestcijfers van de leverancier, geen openbare evaluatiesuite.
Twee details in de metadata zijn belangrijker dan ze lijken. Het eerste is dat de repositories op pipelineniveau als image-text-to-text zijn gemarkeerd, zodat de vision-encoder met de gewichten wordt meegeleverd in plaats van er downstream aan te worden vastgeschroefd. Het tweede is een discrepantie in de nummering: het lanceringsmateriaal van Tencent van 16 november beschreef het model als 224B, en de eigen tabel van de modelkaart telt op tot 220,3B — 155,5B backbone, 63,5B Engram, 0,43B ViT, 0,85B DFly2-drafter. Geen van beide getallen is in context onjuist; het 224B-cijfer lijkt de DFly2-drafter mee te tellen en anders af te ronden, terwijl de tabel van de kaart Engram, ViT en DFly2 uitsluit van de eigen backbone-regel van 155,5B en ze er vervolgens weer bij optelt. Wanneer een leverancier twee totalen voor één model levert, is de kaart degene die je moet citeren.

De architectuur is een kostenargument in de kleren van een architectuur.
Weinig van dit ontwerp is logisch als je het als een capaciteitsverhaal leest. Lees je het als een manier om de KV-cache en de decodeerstap te verkleinen, dan is alles logisch.
• Attention — sparse IndexPool-attentie, afgewisseld met sliding-window-attentie van 512 tokens in een verhouding van 1:3, binnen een multi-head latent attention (MLA)-formulering. Sparse lagen selecteren tot 2.048 tokens via selectie op groepsniveau; er zijn 12 sparse lagen en 30 SWA-lagen in de 42-laagse backbone.
• Routing — 512 gerouteerde experts plus één gedeelde expert per MoE-laag, waarbij per token 16 gerouteerde experts worden geactiveerd, werkend in een LatentMoE-ruimte met dimensie 1,536 in plaats van de volledige expertbreedte.
• Engram — aangeleerde bigram- en trigramrepresentaties die via multi-head-hashlookups worden opgehaald in backbone-lagen 1, 11, 21 en 31. Dat is de 63.5B die de kaart apart van de backbone meetelt.
• Drafter — DFly2, een 5-laags 0,85B-model voor speculatief decoderen dat de sparse KV-cache en indexerselectie van het doeltmodel hergebruikt in plaats van een eigen cache aan te houden. Tencent stelt dat de draftkosten constant zijn op ongeveer 2.048 keys per drafttoken, ongeacht hoe lang de context is, en dat er geen extra KV-geheugen nodig is.
• Opvallend efficiëntiecijfer — KV-cache op 1/24 van die van Hy3 en 1/6 van die van Hy4, door de leverancier gerapporteerd en niet onafhankelijk gemeten.
• Post-training — zelfdestillatie van Hy4 plus reinforcement learning, waardoor volgens Tencent het gemiddelde aantal end-to-end outputtokens met 50% daalt. Kortere outputs leveren feitelijk een groot deel van de kostenbesparing op, en dat is het onderdeel dat het minst zichtbaar is op welke per-tokenprijskaart dan ook.
Alles bij elkaar is dat een model dat zo is ontworpen dat een context van 1M tokens niet kost wat het normaal gesproken kost om een context van 1M tokens te serveren. De contextlengte is de marketingregel; de KV-cachefractie is de engineeringclaim daaronder.

Wat Tencent wel en niet heeft gemeten
Elk cijfer in deze sectie is van Tencent, geproduceerd met Tencent's eigen testopstelling, en niets ervan is buiten het bedrijf gereproduceerd. Artificial Analysis heeft geen pagina voor Hy4 flash — de model-URL geeft per 18 november een 404 — dus er is geen score van een derde partij om ernaast te leggen.
De tabel met basismodellen vergelijkt Hy4 flash-Base met Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base en DeepSeek-V4-Pro-Base, allemaal via dezelfde pipeline. Het is de eerlijkste tabel in de release, juist omdat er rijen in staan waarop het verliest: MMLU-Pro noteert 71,1 voor Hy4 flash-Base tegenover 73,9 voor Hy4 Base en 73,4 voor DeepSeek-V4-Pro-Base; SimpleQA noteert 37,5 tegenover 57,2 en 52,1. Waar het wint, wint het met ruime marges op Chinese en meertalige rijen — C-Eval 92,0, CMMLU 91,6, AGIEval Chinese 90,6, Belebele 93,8, INCLUDE 82,8 — wat je zou verwachten van een model dat in de eerste plaats is gebouwd voor de eigen producten van Tencent.
Lees de kleine lettertjes op de kaart voordat je de scores leest. Tencent stelt dat zware blootstelling aan synthetische instructiedata tijdens de mid-training ertoe leidt dat het model soms niet in staat is om "het verwachte antwoordformaat bij few-shot-evaluaties, wat de scores kan vertekenen" te volgen — een leverancier die aangeeft dat sommige van zijn eigen rijen mogelijk naleving van het formaat meten in plaats van vermogen. Beschouw elk getal hieronder als een bovengrens totdat je eigen harness dit bevestigt.
Het instructmodel heeft helemaal geen openbare benchmarktabel. In plaats daarvan heeft het WorkIndex, een interne suite van acht taakfamilies: slides maken, slides bewerken, mens-AI-samenwerking bij het schrijven van slides, samen Markdown schrijven, documenten bewerken, spreadsheets repareren, audio-/videoverwerking en visueel begrip. Hy4 flash scoort daar 42,1, tegen 39,7 voor Hy4 preview en 51,4 voor Hy4 zelf, tegen een gemiddelde kostprijs per taak die het bedrijf vaststelt op 1/13 van Hy4 preview, 1/20 van Hy4 en 1/8 van DeepSeek-V4.1-Flash-1017 bij piektarief. En er is een blinde evaluatie met 85 interne WorkBuddy-gebruikers over 259 taken in 27 categorieën, waarbij Hy4 flash 2,79 van de 4 scoort voor tevredenheid, tegen 2,81 voor Claude Haiku 5.5, met een mediaan van 6,7 minuten en RMB 0,26 per taak.
Dat zijn echte metingen aan een echte populatie. Het zijn ook metingen aan Tencent-medewerkers die werk doen dat typerend is voor Tencent, gescoord op een rubric die Tencent zelf heeft opgesteld, en het verschil van 0,02 punt met de tevredenheidsscore van een concurrent valt ruim binnen elke plausibele ruisband. Beschouw de rangorde van WorkIndex als niet meer dan een richtinggevend signaal van de leverancier.
De licentie is waar deze release daadwerkelijk op beoordeeld zal worden.
Open gewichten zijn geen open source, en de Tencent Hy-licentie maakt dat onderscheid ongewoon concreet. Vier clausules bepalen wat een bepaald team kan doen:
• Basistoekenning — de machtigingen van Apache 2.0, inclusief commercieel gebruik, wijziging en herdistributie, zijn van toepassing op de gewichten, parameters, configuratie, inferentiecode en documentatie.
• De MaaS-trigger: er is een aparte schriftelijke licentie vereist als u derden op afstand toegang biedt tot inference of fine-tuning en in enige periode van twaalf maanden meer dan US$50 miljoen aan wereldwijde bruto-omzet behaalt. Omzet die uit het model voortkomt telt mee, en omzet die er niets mee te maken heeft ook: de clausule luidt: "of die omzet al dan niet uit het Werk voortkomt."
• De schaaltrigger — dezelfde vereiste geldt voordat de gewichten worden gebruikt in elk product met meer dan 100 miljoen maandelijkse actieve gebruikers in een kalendermaand, op elk omzetniveau.
• Twee uitzonderingen — eindgebruikersproducten waarvan de modeltoegang beperkt blijft tot specifieke functies in plaats van algemene prompting, vallen buiten de MaaS-definitie, en "louter het doorgeven van verzoeken aan een onafhankelijk geëxploiteerde modeldienst van derden" is eveneens uitgesloten. Gebruik uitsluitend intern is volledig vrijgesteld.
Vergelijk dat met de licentie op het ERNIE 5.5 Flash Base-checkpoint, die de EU, het VK en Zuid-Korea volledig als grondgebied uitsluit. Tencent sluit geen enkel grondgebied uit. In plaats daarvan rekent het af op schaal. Voor een startup die een product op de gewichten bouwt, is dat een wezenlijk vriendelijker document dan een territoriaal verbod. Voor een middelgrote inferenceprovider is het een telefoontje naar [email protected] voordat ze live gaan.
Het serveren ervan: drie echte paden, allemaal vastgepind
Het deploymentverhaal is completer dan het API-verhaal van de lanceerweek was, en het is ook fragieler dan een ondersteund product, op de specifieke manier waarop vroege frameworkondersteuning dat altijd is.
• vLLM — de officiële image vllm/vllm-openai:hy4-flash, tensor-parallel 8, de FP8-checkpoint, --attention-backend FLASHMLA_SPARSE, DFly speculatieve decoding bij 5 tokens, en de hy_v4 tool-call- en reasoning-parsers.
• SGLang — lmsysorg/sglang:hy4-flash, multi-arch over x86 en Arm, tensor-parallel 8, --speculative-algorithm DFLY met blokgrootte 6.
• Transformers — nog niet in een release. De kaart zegt dat je moet installeren vanaf een pull-request-ref (refs/pull/50903/head) totdat de merge is geland, wat het duidelijkst mogelijke signaal is van hoe nieuw dit is.
• Quantisatie — een GGUF-build van de AngelSlim-toolkit is gelinkt voor end-to-end testen, en er wordt een fine-tuninggids meegeleverd in de repository.
Vastgepinde images en een PR-ref betekenen dat het model vandaag werkt op de exacte builds die Tencent heeft getest en mogelijk niet werkt op de volgende minor release van een van beide frameworks. Dat is goed om te weten voordat je het achter een productie-endpoint zet, en het is de reden waarom de framework-recepten belangrijker zijn dan de benchmarktabel voor iedereen die daadwerkelijk uitrolt.
Wat open gewichten doen met de API-prijs
De vastelandprijslijst van Tencent voor Hy4 flash is ¥0,5 per miljoen inputtokens, ¥2 per miljoen output en ¥0,02 voor een cachehit — ruwweg $0,070, $0,281 en $0,003 tegen de huidige koersen. Dat zijn de officiële prijzen van de leverancier, geen meting.
Die prijs is niet wat verandert wanneer gewichten worden uitgeleverd. Wat verandert, is de bodem eronder. Een model dat je kunt downloaden heeft een tweede prijs: de kosten van de GPU's waarop je het draait, en de hele hierboven beschreven architectuur is een argument dat deze tweede prijs ongewoon laag is voor een model met 1M-context. Tencents eigen kostenratio's per taak van 1/8 tot 1/20 zijn dat argument in leveranciersrekenkunde.
OrcaRouter routeert 200+ modellen achter één API met de lijstprijs van de provider doorgegeven tegen 0% markup, zodat een prijswijziging van de leverancier bij ons dezelfde dag live staat in plaats van pas bij de volgende catalogusrebuild. Hy4 flash zelf staat nog niet in die catalogus — wat er wel staat is tencent/hy4-preview, het 770B/49B-leraarmodel waaruit dit model is gedistilleerd, voor $0.834 input en $2.501 output per miljoen, met een cache-leestarief van $0.042. Als je de familie wilt evalueren voordat je je vastlegt op een self-hosted FP8-deployment, is de preview het model dat je vandaag kunt aanroepen; de weights zijn waar je naartoe gaat zodra de cijfers overeind blijven. Automatische failover is de andere helft van die opzet, want een checkpoint van twee dagen oud dat draait op een PR-ref Transformers-build is precies het soort afhankelijkheid waar je een tweede route achter wilt hebben.

Wat te kijken
Drie dingen zullen bepalen of deze release over zes maanden ertoe doet, en geen ervan is de benchmarktabel.
Ten eerste: de 404. Hy4 flash heeft geen onafhankelijke score. Totdat Artificial Analysis of een equivalent het uitvoert, is elke bewering over de capaciteiten in dit stuk afkomstig van Tencent, en het eerlijke standpunt is dat het model niet gemeten is in plaats van goed gemeten. Ten tweede, de framework-merges: wanneer de Transformers-ondersteuning pull request 50903 verlaat en de vLLM- en SGLang-images niet langer vastgepind zijn, houdt het model op een onderzoeksartefact te zijn en wordt het infrastructuur. Ten derde, de licentie-interpretaties — het eerste bedrijf dat met deze gewichten een MaaS-business van $60 miljoen runt, zal iedereen vertellen hoe Sectie 10.2 daadwerkelijk wordt gelezen.
Tencent sloot de aankondiging af met de regel "blijf op de hoogte, want hierna komt Hy4", een belofte dat het model met 51,4 op WorkIndex in de kostengrafieken dezelfde behandeling krijgt. Als dat gebeurt, is de interessante vraag niet langer of Tencent een goedkoop open-weight flashmodel kan uitbrengen, maar of het een duur model kan uitbrengen dat concurreert op mogelijkheden in plaats van prijs.
Vergeleken in dit artikel2
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
