Wygenerowana karta tytułowa o treści „Hy4 flash jest modelem o otwartych wagach”, z trzema kafelkami repozytoriów oznaczonymi jako „Hy4 flash”, „Hy4 flash-FP8” i „Hy4 flash-Base”, paskiem specyfikacji o treści „220B łącznie / 12B aktywnych / 1M kontekstu / obraz na wejściu, tekst na wyjściu” oraz stopką o treści „Wagi opublikowano 17 listopada 2026 r. na warunkach Tencent Hy License v1.0”.
Guides & Insights

Hy4 flash jest teraz dostępny jako Open Weight: przeczytaj sekcję 10, zanim go pobierzesz.

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Licencja Tencent Hy License, Version 1.0, jest pochodną Apache 2.0 z jedną dodatkową sekcją i to właśnie ta sekcja jest powodem, by uważnie przeczytać to wydanie, zamiast po prostu pobrać checkpoint. Sekcja 10.2 mówi, że jeśli prowadzisz działalność model-as-a-service, a Twoje światowe przychody brutto przekraczają 50 mln USD w dowolnym okresie dwunastu miesięcy — albo Twój produkt przekracza 100 mln miesięcznych aktywnych użytkowników — potrzebujesz odrębnej pisemnej licencji od Tencent, zanim użyjesz wag lub będziesz kontynuować ich używanie. Sekcja 10.3 wyłącza użycie wewnętrzne. Sekcja 2 grantu Apache jest miejscem, w którym znajdują się prawa bez opłat licencyjnych, a Sekcja 10.2 zaczyna się od słów „Niezależnie od postanowień Sekcji 2 i 3”. Zatem pobranie jest darmowe, a wdrożenie nie jest bezwarunkowo darmowe, a granica między jednym a drugim jest wyznaczana przez to, czy osoby postronne mogą dotrzeć do modelu poprzez Twoją infrastrukturę.

To jest kontekst tego, co Tencent opublikował 17 listopada 2026 r. o 03:44 UTC, kiedy w ciągu dziewięćdziesięciu sekund od siebie na Hugging Face pojawiły się trzy repozytoria: Hy4 flash, model czatu dostrojony do instrukcji; Hy4 flash-FP8, ten sam model w FP8; oraz Hy4 flash-Base, wstępnie wytrenowany checkpoint bez jakiegokolwiek treningu końcowego. Model instrukcyjny ma łącznie 220 miliardów parametrów, z czego 64 miliardy w tabelach Engram, 12 miliardów aktywnych na token, jest natywnie multimodalny po stronie wejścia i skonfigurowany do kontekstu 1 048 576 tokenów. To ten sam model, który Tencent udostępnił w swoim API dwa dni wcześniej, 16 listopada, z tą różnicą, że teraz możesz uruchomić go na sprzęcie, który posiadasz.

Co właściwie znajduje się w tych trzech repozytoriach

Podział ten jest czystszy niż w przypadku większości wydań z otwartymi wagami, ponieważ te trzy punkty kontrolne to naprawdę odrębne byty, a nie trzy nazwy plików jednego artefaktu.

• Hy4 flash — model instrukcyjny, z szablonem czatu i trybami rozumowania. Obsługuje reasoning_effort o wartości high (domyślnie, myślenie włączone) oraz no_think (bezpośrednie odpowiedzi). Tencent zaleca temperature 0.9 i top_p 1.0.

• Hy4 flash-FP8 — te same wagi skwantyzowane do obsługi produkcyjnej. To ten, na który wskazują oficjalne receptury vLLM i SGLang, i ten, który według Tencenta przekracza 150 tokenów na sekundę na węźle tensor-parallel-8.

• Hy4 flash-Base — wyłącznie wstępnie wytrenowany. Karta modelu jasno stwierdza, że „to wstępnie wytrenowany model bazowy, a nie dostrojony do instrukcji model czatu”, co ma znaczenie, ponieważ każda tabela benchmarków w wydaniu jest tabelą porównującą modele bazowe. Wyniki modelu instruct to dane WorkIndex i wyniki testów zaślepionych od dostawcy, a nie publiczny zestaw ewaluacyjny.

Dwa szczegóły w metadanych są warte więcej, niż się wydaje. Po pierwsze, repozytoria są oznaczone jako image-text-to-text na poziomie pipeline'u, więc enkoder wizyjny jest dostarczany razem z wagami, a nie dokładany później na dalszym etapie. Po drugie, występuje rozbieżność w numeracji: materiały premierowe Tencenta z 16 listopada opisywały model jako 224B, a tabela w samej karcie modelu sumuje się do 220.3B — 155.5B szkieletu, 63.5B Engram, 0.43B ViT, 0.85B modelu draftującego DFly2. Żadna z tych liczb nie jest błędna w kontekście; liczba 224B zdaje się uwzględniać model draftujący DFly2 i inaczej zaokrąglać, podczas gdy tabela karty wyłącza Engram, ViT i DFly2 z własnego wiersza szkieletu 155.5B, a następnie dodaje je z powrotem. Gdy dostawca podaje dwie sumy dla jednego modelu, to kartę należy cytować.

A generated reference card headed 'What the three repositories actually contain', listing the three checkpoints with a one-line description each and a separate outlined panel headed 'Tencent Hy License v1.0, section 10.2' noting the separate written licence above US$50M annual gross revenue or above 100M monthly active users as a service.

Ta architektura to argument o kosztach przebrany w szaty architektury.

Niewiele w tym projekcie ma sens, jeśli czytać go jako zagranie na rzecz możliwości. Odczytany jako sposób na zmniejszenie pamięci podręcznej KV i kroku dekodowania — cały nabiera sensu.

• Uwaga — rzadka uwaga IndexPool przeplatana z uwagą okna przesuwnego o rozmiarze 512 tokenów w proporcji 1:3, w oparciu o formulację wielogłowicowej uwagi utajonej (MLA). Warstwy rzadkie wybierają do 2048 tokenów poprzez selekcję na poziomie grup; w 42-warstwowym szkielecie występuje 12 warstw rzadkich i 30 warstw SWA.

• Routing — 512 ekspertów kierowanych plus jeden wspólny ekspert na warstwę MoE, 16 kierowanych aktywowanych na token, działających w przestrzeni LatentMoE o wymiarze 1536 zamiast pełnej szerokości eksperta.

• Engram — wyuczone reprezentacje bigramów i trigramów pobierane przez wielogłowicowe wyszukiwania haszowe w warstwach szkieletu 1, 11, 21 i 31. To jest 63,5 mld, które karta liczy oddzielnie od szkieletu.

• Drafter — DFly2, 5-warstwowy model do dekodowania spekulacyjnego o 0,85B parametrów, który ponownie wykorzystuje rzadki cache KV modelu docelowego i selekcję indeksera, zamiast utrzymywać własny. Twierdzenie Tencenta mówi o stałym koszcie szkicowania wynoszącym około 2048 kluczy na token szkicu, niezależnie od długości kontekstu, oraz o zerowej dodatkowej pamięci KV.

• Wiodący wskaźnik efektywności — pamięć podręczna KV na poziomie 1/24 wartości Hy3 i 1/6 wartości Hy4, podana przez dostawcę i niezmierzona niezależnie.

• Etap po treningu — samodystylacja z Hy4 oraz uczenie ze wzmocnieniem, które według Tencent obniża średnią liczbę tokenów wyjściowych w całym procesie o 50%. Krótsze dane wyjściowe odpowiadają za dużą część rzeczywistych oszczędności kosztowych, a to właśnie ta część jest najmniej widoczna w jakimkolwiek cenniku opartym na cenie za token.

Poskładane w całość, to model zaprojektowany tak, by kontekst o długości 1 mln tokenów nie kosztował tyle, ile normalnie kosztuje obsłużenie kontekstu o długości 1 mln tokenów. Długość kontekstu to hasło marketingowe; ułamek KV cache to kryjące się pod nim twierdzenie inżynierskie.

Screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the three-model release line, the Model Links table and the quickstart snippet.

Co Tencent zmierzył, a czego nie zmierzył

Wszystkie liczby w tej sekcji pochodzą od Tencenta, zostały wygenerowane w środowisku testowym Tencenta i żadna z nich nie została odtworzona poza firmą. Artificial Analysis nie ma strony dla Hy4 flash — adres URL modelu zwraca 404 na dzień 18 listopada — więc nie ma żadnego wyniku od podmiotu trzeciego, który można by zestawić z którąkolwiek z nich.

Tabela modeli bazowych porównuje Hy4 flash-Base z Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base i DeepSeek-V4-Pro-Base, wszystkie w ramach jednego pipeline'u. To najbardziej uczciwa tabela w wydaniu właśnie dlatego, że ma wiersze, w których model przegrywa: w MMLU-Pro Hy4 flash-Base uzyskuje 71,1 wobec 73,9 dla Hy4 Base i 73,4 dla DeepSeek-V4-Pro-Base; w SimpleQA uzyskuje 37,5 wobec 57,2 i 52,1. Tam, gdzie wygrywa, wygrywa z dużą przewagą w wierszach chińskojęzycznych i wielojęzycznych — C-Eval 92,0, CMMLU 91,6, AGIEval Chinese 90,6, Belebele 93,8, INCLUDE 82,8 — czego można by oczekiwać od modelu tworzonego najpierw z myślą o produktach samego Tencenta.

Przeczytaj drobny druk na karcie, zanim przeczytasz wyniki. Tencent oświadcza, że intensywna ekspozycja na syntetyczne dane instrukcyjne podczas mid-trainingu sprawia, że model czasami nie potrafi podążyć za „oczekiwanym formatem odpowiedzi w ewaluacjach few-shot, co może zniekształcać wyniki” — dostawca sygnalizuje, że niektóre z jego własnych wierszy mogą mierzyć zgodność z formatem zamiast zdolności. Każdą liczbę poniżej traktuj jako górną granicę, dopóki nie potwierdzi tego Twój własny harness.

Model instruct nie ma w ogóle publicznej tabeli benchmarków. Zamiast tego ma WorkIndex, wewnętrzny zestaw ośmiu rodzin zadań — tworzenie slajdów, edycja slajdów, wspólne tworzenie slajdów przez człowieka i AI, wspólne tworzenie w Markdown, edycja dokumentów, naprawa arkuszy kalkulacyjnych, przetwarzanie audio/wideo i rozumienie obrazu. Hy4 flash uzyskuje tam 42,1 wobec 39,7 dla Hy4 preview i 51,4 dla samego Hy4, przy średnim koszcie na zadanie, który firma szacuje na 1/13 kosztu Hy4 preview, 1/20 Hy4 i 1/8 DeepSeek-V4.1-Flash-1017 przy cenach w godzinach szczytu. Istnieje też ślepa ocena z udziałem 85 wewnętrznych użytkowników WorkBuddy obejmująca 259 zadań w 27 kategoriach, w której Hy4 flash otrzymuje 2,79 na 4 za satysfakcję wobec 2,81 dla Claude Haiku 5.5, przy medianie 6,7 minuty i 0,26 RMB na zadanie.

To są rzeczywiste pomiary rzeczywistej populacji. Są to również pomiary pracowników Tencent wykonujących pracę w stylu Tencent, oceniane według opracowanej przez Tencent rubryki oceny, a różnica 0,02 punktu do wyniku satysfakcji konkurenta mieści się głęboko w każdym prawdopodobnym paśmie szumu. Uporządkowanie według WorkIndex należy traktować wyłącznie jako sygnał kierunkowy od dostawcy i nic więcej.

To na podstawie licencji to wydanie zostanie faktycznie ocenione.

Otwarte wagi nie są open source, a Tencent Hy License sprawia, że ta różnica jest wyjątkowo konkretna. Cztery klauzule decydują o tym, co dany zespół może zrobić:

• Podstawowe udzielenie licencji — uprawnienia wynikające z Apache 2.0, w tym użytkowanie komercyjne, modyfikacja i redystrybucja, dotyczą wag, parametrów, konfiguracji, kodu wnioskowania i dokumentacji.

• Przesłanka MaaS — odrębna pisemna licencja jest wymagana, jeśli zapewniasz stronom trzecim zdalny dostęp do wnioskowania lub dostrajania i przekroczysz 50 mln USD światowego przychodu brutto w dowolnym okresie dwunastu miesięcy. Przychód pochodzący z modelu się liczy, podobnie jak przychód niemający z nim nic wspólnego: klauzula brzmi „niezależnie od tego, czy taki przychód pochodzi z Utworu”.

• Wyzwalacz skali — ten sam wymóg obowiązuje przed użyciem wag w dowolnym produkcie, który w miesiącu kalendarzowym ma ponad 100 milionów aktywnych użytkowników miesięcznie, na każdym poziomie przychodów.

• Dwa wyłączenia — produkty dla użytkowników końcowych, których dostęp do modelu ogranicza się do konkretnych funkcji, a nie do uniwersalnego promptowania, znajdują się poza definicją MaaS, a „samo przekazywanie żądań do niezależnie prowadzonej usługi modelowej podmiotu trzeciego” również jest wyłączone. Użycie wyłącznie wewnętrzne jest wprost zwolnione.

Proszę porównać to z licencją na checkpoint ERNIE 5.5 Flash Base, która całkowicie wyklucza UE, Wielką Brytanię i Koreę Południową jako terytoria. Tencent nie wyklucza żadnego terytorium. Zamiast tego opodatkowuje skalę. Dla startupu budującego produkt w oparciu o wagi to dokument istotnie bardziej przyjazny niż zakaz terytorialny. Dla średniej wielkości dostawcy inferencji to telefon do [email protected] przed wdrożeniem.

Serwując to: trzy rzeczywiste ścieżki, wszystkie przypięte

Historia wdrożeń jest pełniejsza niż historia API z tygodnia premiery, a zarazem bardziej krucha niż produkt objęty wsparciem — w ten konkretny sposób, w jaki zawsze kruche bywa wczesne wsparcie dla frameworka.

• vLLM — oficjalny obraz vllm/vllm-openai:hy4-flash, tensor-parallel 8, checkpoint FP8, --attention-backend FLASHMLA_SPARSE, dekodowanie spekulatywne DFly z 5 tokenami oraz parsery wywołań narzędzi i rozumowania hy_v4.

• SGLang — lmsysorg/sglang:hy4-flash, wieloarchitekturowy na x86 i Arm, tensor-parallel 8, --speculative-algorithm DFLY z rozmiarem bloku 6.

• Transformers — jeszcze nie w żadnym wydaniu. Karta każe instalować z refa pull requesta (refs/pull/50903/head), dopóki merge nie zostanie scalony, co jest najwyraźniejszym możliwym sygnałem tego, jak nowe to jest.

• Kwantyzacja — kompilacja GGUF z zestawu narzędzi AngelSlim została podlinkowana do testów end-to-end, a w repozytorium dostępny jest przewodnik po dostrajaniu.

Przypięte obrazy i referencja PR oznaczają, że model działa dziś na dokładnie tych kompilacjach, które przetestował Tencent, i może nie działać w następnym wydaniu pomniejszym któregokolwiek z tych frameworków. Warto to wiedzieć, zanim umieści się go za produkcyjnym endpointem, i dlatego dla każdego, kto faktycznie wdraża, receptury frameworków mają większe znaczenie niż tabela benchmarków.

Jak otwarte wagi wpływają na cenę API

Cena katalogowa Tencenta w Chinach kontynentalnych za Hy4 flash wynosi 0,5 juana za milion tokenów wejściowych, 2 juany za milion tokenów wyjściowych i 0,02 juana za trafienie w pamięć podręczną — około 0,070, 0,281 i 0,003 USD przy obecnych kursach. To oficjalny cennik dostawcy, a nie wynik pomiaru.

To nie ta cena się zmienia, gdy wagi zostają udostępnione. Zmienia się podłoga pod nią. Model, który można pobrać, ma drugą cenę, czyli koszt GPU, na których go uruchamiasz, a cała opisana powyżej architektura jest argumentem, że ta druga cena jest wyjątkowo niska jak na model z kontekstem 1 mln tokenów. Własne współczynniki kosztu na zadanie Tencentu wynoszące od 1/8 do 1/20 są tym argumentem wyrażonym w arytmetyce dostawcy.

OrcaRouter kieruje ponad 200 modeli za jednym API z ceną katalogową dostawcy przekazywaną bez marży (0%), więc zmiana ceny przez dostawcę jest widoczna u nas tego samego dnia, a nie dopiero przy kolejnej przebudowie katalogu. Sam Hy4 flash jeszcze nie znajduje się w tym katalogu — jest tam tencent/hy4-preview, model nauczyciel 770B/49B, z którego ten został wydestylowany, w cenie 0,834 USD za wejście i 2,501 USD za wyjście za milion, ze stawką 0,042 USD za odczyt z cache. Jeśli chcesz ocenić rodzinę przed zdecydowaniem się na samodzielnie hostowane wdrożenie FP8, podgląd to model, który możesz wywołać już dziś; wagi to to, do czego przechodzisz, gdy liczby się potwierdzą. Automatyczne przełączanie awaryjne to druga połowa tego podejścia, ponieważ dwudniowy checkpoint działający na kompilacji Transformers z PR-a to dokładnie ten rodzaj zależności, za którym chcesz mieć drugą trasę.

Screenshot of the tencent/hy4-preview model page, showing the per-million-token input, output and cache-read prices the routed preview model is listed at.

Co obejrzeć

Trzy rzeczy zadecydują o tym, czy to wydanie będzie miało znaczenie za sześć miesięcy, i żadna z nich nie jest tabelą wyników benchmarku.

Po pierwsze, 404. Hy4 flash nie ma niezależnego wyniku. Dopóki Artificial Analysis lub odpowiednik go nie uruchomi, wszelkie twierdzenia o możliwościach w tym artykule pochodzą od Tencenta, a uczciwe stanowisko jest takie, że model jest niezmierzony, a nie dobrze zmierzony. Po drugie, frameworki się scalają: gdy wsparcie dla Transformers wyjdzie z pull requesta 50903, a obrazy vLLM i SGLang przestaną być przypięte, model przestanie być artefaktem badawczym i stanie się infrastrukturą. Po trzecie, interpretacje licencji — pierwsza firma, która poprowadzi biznes MaaS wart 60 mln USD na tych wagach, powie wszystkim, jak faktycznie odczytuje się Sekcję 10.2.

Tencent zakończył swoje ogłoszenie słowami „czekajcie na Hy4, który pojawi się jako następny”, co jest obietnicą, że model z wynikiem 51,4 w WorkIndex na wykresach kosztów zostanie potraktowany tak samo. Jeśli tak się stanie, interesujące pytanie przestaje brzmieć: czy Tencent potrafi wypuścić tani model flash z otwartymi wagami, a zaczyna brzmieć: czy potrafi wypuścić drogi model, który konkuruje możliwościami, a nie ceną.

Porównane w tym artykule2

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie