Een gegenereerde hero-kaart die Hy4 flash en Claude Haiku 5.5 vergelijkt, met een groot getal '2.79 vs 2.81' met het label 'tevredenheid op 4 in Tencents eigen blindtest met 85 gebruikers', en een voettekst die luidt: 'Beide tevredenheidsscores zijn Tencents meting. Hy4 flash-gewichten gepubliceerd op 17 november 2026.'
Guides & Insights

Hy4 flash vs Claude Haiku 5.5: Tencent voerde deze vergelijking zelf uit en publiceerde het verlies

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Iemand bij Tencent besloot dat Claude Haiku 5.5 de juiste tegenstander voor Hy4 flash was, zette beide modellen tegenover 85 van de eigen WorkBuddy-gebruikers van het bedrijf over 259 taken, en publiceerde het resultaat ook al verliest het. Hy4 flash scoorde 2,79 op 4 op gebruikerssatisfactie. Claude Haiku 5.5 scoorde 2,81. Dat is een verschil van twee honderdsten van een punt op een schaal van vier punten, gemeten door de uitdager, op de eigen taken van de uitdager — en het is het allerinteressantste getal in de Hy4 flash-release, omdat het je vertelt wat Tencent eigenlijk denkt te verkopen. Geen beter model. Een goedkoper model dat dicht genoeg in de buurt komt dat het verschil een tevredenheidsonderzoek niet overleeft.

De rest van de release ondersteunt die lezing. Hy4 flash werd op 17 november 2026 gepubliceerd als open weights, twee dagen nadat het op 16 november op de API van Tencent verscheen: 220B totale parameters, 12B actief per token, een context van 1M tokens, beeldinvoer met tekstuitvoer. Claude Haiku 5.5 is algemeen beschikbaar sinds 7 oktober 2026 voor $0,10 en $0,50 per miljoen tokens. Geen van beide modellen staat in de OrcaRouter-catalogus, en dit artikel zal niet doen alsof dat wel zo is; wat routeerbaar is, wordt tegen het einde besproken, en dat is een ander paar modellen.

De blinde test, goed gelezen

Tencents verslag van de evaluatie bestaat uit drie zinnen en één grafiek, en de grafiek doet iets specifieks: ze zet tevredenheid uit tegen de mediane end-to-end voltooiingstijd en de kosten per taak, zodat het model dat op twee assen wint in één oogopslag zichtbaar is. De cijfers zijn 2,79/4 voor Hy4 flash tegenover 2,81/4 voor Claude Haiku 5.5, een mediane voltooiingstijd van 6,7 minuten voor Hy4 flash, en RMB 0,26 per taak. Tencents claim is dat Hy4 flash zowel de laagste kosten per taak als de kortste mediane voltooiingstijd noteerde onder de geëvalueerde modellen.

Wat het verslag je niet geeft, is de volledige set geëvalueerde modellen, de uitsplitsing per categorie of het beoordelingskader. Wat het wel vermeldt, is de populatie: 85 interne gebruikers, 27 categorieën, 259 taken, allemaal afkomstig uit WorkBuddy, Tencent's eigen productiviteitsassistent. Dat is een samenhangende evaluatie, en het is geen neutrale. Medewerkers die het model van hun werkgever evalueren, weten welk model het hunne is, en zelfs in een blinde interface zijn het de taken die Tencent heeft gekozen omdat ze op Tencent's product lijken.

Het nuttige aan de kloof van 0,02 is wat die met het argument in beide richtingen doet. Als je geneigd bent de test te vertrouwen, heb je Tencents woord dat het capaciteitsverschil ten opzichte van Claude Haiku 5.5 verwaarloosbaar is voor kantoorwerk, wat een claim tegen eigen belang is. Als je geneigd bent hem niet te vertrouwen, geeft dezelfde test je geen reden om te geloven dat Hy4 flash beter is, en blijf je achter met de kostenkolom, en daar wil Tencent toch je aandacht op vestigen.

Waarin de twee modellen daadwerkelijk verschillen

De specificatiebladen lopen uiteen op manieren die de tevredenheidsscore niet kan weergeven. Elk cijfer hieronder is de eigen gepubliceerde specificatie van de leverancier, tenzij het is gemarkeerd als een meting van Artificial Analysis.

• Totaal aantal en actieve parameters — Hy4 flash 220B totaal, waarvan 64B in Engram-tabellen, 12B actief per token; de parameteraantallen van Claude Haiku 5.5 zijn niet bekendgemaakt, wat normaal is voor Anthropic.

• Contextvenster — 1.048.576 tokens voor Hy4 flash; 1.000.000 voor Claude Haiku 5.5.

• Maximale uitvoer — 64.000 tokens op Hy4 flash volgens de servingconfig; 128.000 tokens op Claude Haiku 5.5, twee keer zoveel.

• Invoermodaliteit — Hy4 flash verwerkt tekst en afbeeldingen via een van SigLIP2 afgeleide encoder met 27 lagen; de release-informatie van Claude Haiku 5.5 draait om tekst en toolgebruik, en de gepubliceerde mogelijkheden zijn beperkter op het gebied van visie.

• Licentie — Hy4 flash wordt geleverd onder de Tencent Hy License, met een Sectie 10.2 die een afzonderlijke overeenkomst vereist bij meer dan $50 miljoen aan MaaS-omzet of 100 miljoen MAU; Claude Haiku 5.5 is propriëtair en heeft helemaal geen gewichten.

• Onafhankelijke score — Hy4 flash heeft er geen, en de URL van Artificial Analysis ervan geeft een 404; Claude Haiku 5.5 scoort 36 op Intelligence Index v5.0.1 bij Max effort.

• Gemeten kosten per Index-taak — $0,41 voor Claude Haiku 5.5 volgens Artificial Analysis; niet gemeten voor Hy4 flash, dat niet op de ranglijst staat.

Het outputplafond is de rij die in de praktijk het meest waarschijnlijk problemen oplevert. Een model met 1M context en 64k output is geconfigureerd om heel veel te lezen en een gematigde hoeveelheid te schrijven; een workflow voor het opstellen van documenten die verwacht meer dan 64.000 tokens in één reactie te produceren, kan het niet gebruiken. Tencents eigen aanbevolen gebruik — diep zoeken, documentverwerking, dia's maken, eenvoudige frontenddemo's, computergebruik — is in overeenstemming met dat plafond. Generatie van lange teksten staat niet op de lijst.

De prijsvergelijking is niet het ene getal tegenover het andere.

Het vastelandtarief van Tencent voor Hy4 flash is ¥0,5 per miljoen inputtokens, ¥2 per miljoen output en ¥0,02 per gecachte inputtoken — ongeveer $0,070, $0,281 en $0,003. De gepubliceerde prijskaart van Claude Haiku 5.5 begint bij $0,10 per miljoen input en $0,50 per miljoen output, met cacheschrijfacties tegen $0,125 en $0,625 voor caches van vijf en één uur en cachelezingen tegen $0,01.

Op die gepubliceerde tarieven is {{1}}Hy4{{/1}} flash ongeveer {{2}}30% goedkoper{{/2}} op invoer, {{3}}44% goedkoper{{/3}} op uitvoer en {{4}}70% goedkoper{{/4}} bij een cachehit. Beide hanteren vaste tarieven voor de eerste honderdduizend tokens. Het verschil zit in wat daarna gebeurt: de kaart van {{5}}Anthropic{{/5}} verhoogt de invoerprijs van {{6}}Claude Haiku 5.5{{/6}} van {{7}}$0.10{{/7}} naar {{8}}$0.50{{/8}} per miljoen en de uitvoerprijs van {{9}}$0.50{{/9}} naar {{10}}$2.50{{/10}} zodra een verzoek 100.000 invoertokens overschrijdt. Voor een document van 200.000 tokens wordt {{6}}Claude Haiku 5.5{{/6}} gefactureerd tegen vijf keer het gepubliceerde invoertarief, waardoor die vergelijking uitkomt op {{11}}$0.50{{/11}} tegenover {{12}}Tencent{{/12}} met {{13}}$0.070{{/13}} — een {{14}}7x-verschil{{/14}} in plaats van een verschil van {{2}}30%{{/2}}.

Dat is een ontwerpkeuze, geen truc, en er zit een verdedigbare logica achter: lange inputs kosten meer om te prefillen, dus rekent de leverancier er meer voor. Maar het betekent wel dat het getal in de kop het verkeerde getal is voor precies de workload waarvan beide modellen beweren dat ze er goed in zijn. Documentverwerking met een context van 1M is per definitie een workload van >100.000 tokens. Als jouw use case werk met lange documenten is, baseer de prijs van beide modellen dan op de rijen die van toepassing zijn op jouw promptlengte, niet op de bovenkant van de kaart.

Latentie: de maatstaf die Tencent heeft gemeten, is niet degene die Anthropic publiceert.

Tencent rapporteert een mediane end-to-end voltooiingstijd van 6,7 minuten voor Hy4 flash bij een WorkBuddy-taak. Artificial Analysis rapporteert Claude Haiku 5.5 op 14,7 minuten per Intelligence Index-taak bij Max effort, met een tijd tot het eerste antwoordtoken van 192 seconden — en de ranglijst bestempelt het model als 'opvallend traag per taak en zeer breedsprakig', met 298M outputtokens voor de indexrun.

Die twee getallen zijn niet vergelijkbaar en mogen niet van elkaar worden afgetrokken. Verschillende taken, verschillende harnesses, verschillende definities van "klaar". Wat ze wel aantonen, is dat de effort-instelling van Claude Haiku 5.5 een latentieknop met een zeer breed bereik is, en dat de bovenkant daarvan duur is in kloktijd:

• Max — Index 36, 14,7 minuten per taak, 192 seconden tot het eerste token, 298 mln outputtokens.

• Xhigh — Index 35, 9,6 minuten, 44 seconden tot het eerste token, 151M tokens.

• Hoog — Index 30, 6,4 minuten, 21 seconden tot eerste token, 89,8M tokens.

• Gemiddeld — Index 25, 3,9 minuten, 10 seconden tot eerste token, 52,7 mln tokens.

• Laag — Index 19, 2,2 minuten, 5,8 seconden tot eerste token, 29,9M tokens.

A generated reference card headed 'The effort ladder Artificial Analysis measured', with five horizontal bars for Claude Haiku 5.5 at Max, Xhigh, High, Medium and Low effort, each carrying its Intelligence Index score, minutes per task and seconds to first token, and a vertical marker at the High row labelled 'the setting most products would ship'.

Alle vijf rijen zijn metingen van Artificial Analysis op v5.0.1. Het doel van ze afdrukken is dat "Claude Haiku 5.5 scoort 36" een uitspraak is over de duurste configuratie die Anthropic aanbiedt. Op de hoge instelling scoort het 30 en is het in minder dan de helft van de tijd klaar. Iedereen die een latentiegevoelig product vergelijkt met het Max-getal, vergelijkt met een instelling die ze niet zullen uitbrengen.

Hy4 flash heeft dezelfde knop, in een grovere vorm: reasoning_effort op high, wat de standaard is, of no_think. Twee standen tegenover vijf. Als je workload een tussenstand nodig heeft — denken aan, maar niet maximaal — dan geeft Claude Haiku 5.5 je de knop en Hy4 flash meestal niet.

Screenshot of the Artificial Analysis model page for Claude Haiku 5.5, showing the five effort rows from Max down to Low with their Intelligence Index scores, time per task and output token counts.

Drie dingen die dit bepalen en die op geen van beide specsheets staan

Het API-oppervlak. Het aanvraagformaat van Claude Haiku 5.5 is strikter dan dat van zijn voorganger, op manieren die code breken. De documentatie van Anthropic weigert temperature, top_p en top_k bij elke niet-standaardwaarde, schrapt assistant prefill, verwijdert handmatige budget_tokens en vereist een specifieke versie van de computer-use-toolset. Hy4 flash accepteert de volledige sampling-set, raadt temperature 0.9 met top_p 1.0 aan en levert hy_v4 tool-call- en reasoning-parsers voor vLLM. Als je een promptbibliotheek hebt die is afgestemd met temperature-sweeps, zal een van deze modellen die ongewijzigd uitvoeren en de andere zal een 400 geven.

De implementatievorm. Claude Haiku 5.5 is een API en niets anders. Hy4 flash is een API, een Hugging Face-repository, een FP8-build, een basis-checkpoint, een GGUF-kwantisatie en een gids voor fine-tuning. Dat is niet automatisch een voordeel — een model dat je zelf host, is een model dat je beheert, patcht en waarvan je de capaciteit plant — maar het is het verschil tussen een leveranciersrelatie en een asset, en voor een team met een vereiste rond gegevensresidentie of een behoefte aan fine-tuning beslecht het de vergelijking voordat er ook maar één benchmark wordt bekeken.

De meetkloof. Claude Haiku 5.5 staat sinds oktober op Artificial Analysis en is door elke vergelijkingsblog op het internet uitgeplozen, deze incluis. Bij Hy4 flash staat er een 404 waar de score zou moeten staan. Niet omdat het model slecht is, maar omdat het twee dagen oud is en niemand onafhankelijks het heeft gedraaid. De tevredenheidsscore hierboven is een meting van een echte populatie, en het is ook de enige meting van dit model door iemand anders dan de maker.

Eerlijk gezegd, een van beiden bellen

Noch Hy4 flash noch Claude Haiku 5.5 staat op het moment van schrijven in de OrcaRouter-catalogus, dus er is geen versie van deze sectie waarin we je vertellen ze hier aan te roepen. Wat er wel is, is de generatie aan elke kant: tencent/hy4-preview, het 770B/49B-model waaruit Hy4 flash is gedistilleerd, tegen $0,834 voor input en $2,501 voor output per miljoen, met een cache-leesprijs van $0,042; en anthropic/claude-haiku-4.5 tegen $1,00 voor input en $5,00 voor output per miljoen, met een cache-leesprijs van $0,10 — de vorige generatie, niet de 5.5 in deze vergelijking.

Die combinatie is nuttiger dan ze klinkt. Als je erover nadenkt of het kostenprofiel van Hy4 flash het waard is om een pipeline voor te herstructureren, geeft het previewmodel je het gedrag van de familie tegen een prijs waarbij het experiment goedkoop is, op dezelfde sleutel en hetzelfde endpoint als al het andere in de catalogus, met de lijstprijs van de provider doorgegeven aan 0% marge zodat een prijswijziging van Tencent je bereikt op de dag dat ze plaatsvindt. De routing-DSL is het onderdeel dat ertoe doet zodra je twee kandidaten hebt: stuur de categorie lange documenten naar het model dat je eigen evaluatie wint en houd het andere als fallback, in plaats van één leverancier voor alles te kiezen omdat overstappen een contract kost.

En wanneer Hy4 flash in een catalogus opduikt — elke catalogus, ook de onze — is wat je moet testen niet de tevredenheidsscore. Het is het aantal output-tokens op je eigen taken. De post-training van Tencent claimt een verlaging van 50% in gemiddelde end-to-end output-tokens, en als dat standhoudt op jouw workload, is dat meer waard dan een korting van 30% per token, omdat output-tokens de dure helft van elke rekening vormen bij beide modellen.

Screenshot of the anthropic/claude-haiku-4.5 model page, showing the per-million-token input, output and cache-read prices the previous generation is listed at.

Wat zou het beslechten?

Eén onafhankelijke run op een gedeelde harness. Laat Hy4 flash en Claude Haiku 5.5 dezelfde Intelligence Index met negen evaluaties doorlopen en kijk naar twee rijen: de score en de kosten per voltooide taak. Tencent heeft je al verteld wat het verwacht dat die rijen zeggen: dat Hy4 flash qua capaciteit dicht bij Claude Haiku 5.5 uitkomt en qua kosten ver eronder. Totdat iemand buiten Tencent dat paar publiceert, is die verwachting een hypothese met het marketingbudget van een bedrijf erachter, geen resultaat.

Waar je vandaag op kunt inspelen, is beperkter en nuttiger. Als je werklast uit lange documenten bestaat, bereken dan eerst de prijs voor de rij van >100.000 tokens, want daar lopen de twee kaarten het meest uiteen. Is het latentiegevoelig, vergelijk dan Claude Haiku 5.5 bij hoge inspanning in plaats van Max. Als het fine-tuning of on-premises inferentie vereist, is de beslissing al genomen en zal geen enkele benchmark daar iets aan veranderen. Het tevredenheidsverschil van 0,02 punten is in geen van beide richtingen een reden om over te stappen, en dat Tencent dat publiceert, is het meest geloofwaardige in de release.