Wygenerowana karta hero z napisem „Hy4 flash vs MiniMax M3.1 Flash”, z lewym kafelkiem pokazującym „220B / 12B aktywnych, $0.070 / $0.281, brak wyniku indeksu, premiera 17 lis 2026” i prawym kafelkiem pokazującym „428B / 23B aktywnych, $0.15 / $0.60, Intelligence Index 29, premiera 19 paź 2026”, a także stopką o treści „Index 29 według Artificial Analysis v5.0.1; ceny Hy4 flash to ceny listowe Tencent.”
Guides & Insights

Hy4 flash vs MiniMax M3.1 Flash: dwa tanie modele otwartowagowe, jeden z wynikiem

Autor

jinhao.song

Data publikacji

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

To rzadkie starcie, w którym oba modele można pobrać, oba są pozycjonowane w tej samej kategorii „tanio i szybko”, oba przyjmują obrazy, oba obsługują milion tokenów, a jeden z nich ma wynik od kogoś innego niż jego twórca. MiniMax-M3.1-Flash znajduje się w Artificial Analysis od premiery 19 października 2026 r. i obecnie ma 29 punktów w Intelligence Index v5.0.1, przy cenie 0,15 USD za milion tokenów wejściowych i 0,60 USD za milion wyjściowych. Hy4 flash jest publicznie dostępny od 16 listopada 2026 r., 17 listopada przeszedł na otwarte wagi, w przypadku wejścia kosztuje około połowy tej kwoty, a w przypadku wyjścia mniej niż połowę, i w ogóle nie ma wpisu w Artificial Analysis.

Ta strona nie może więc powiedzieć, który model jest mądrzejszy, ponieważ zmierzono tylko jeden z nich. Może natomiast zrobić coś bardziej użytecznego dla każdego, kto faktycznie dokonuje wyboru: zestawić oba artefakty wydania obok siebie, ponieważ są to naprawdę porównywalne obiekty — ten sam poziom, ta sama otwartość, ten sam miesiąc — a różnice, które się utrzymują, są konkretne i dotyczą licencjonowania, kosztu obsługi oraz tego, co każdy dostawca optymalizował.

Zacznij od tego, co faktycznie dostarczyli obaj dostawcy

Oba wydania obejmują model dostrojony do instrukcji, otwarte wagi oraz bazowego lub skwantyzowanego bliźniaka. Żadne z nich nie jest zamkniętym API z doklejonym na siłę pobieraniem.

• MiniMax-M3.1-Flash — 428 mld parametrów łącznie, 23 mld aktywnych, mieszanka ekspertów (mixture-of-experts), model rozumujący, wejście tekstowe i obrazowe, wyjście tekstowe, kontekst 1 mln tokenów, wagi na Hugging Face na licencji MiniMax Community License, która dopuszcza użycie komercyjne z ograniczeniami.

• Hy4 flash — 220 mld parametrów łącznie (155,5 mld w backbone plus 63,5 mld w Engram plus 0,43 mld w enkoderze wizji i 0,85 mld w drafterze), 12 mld aktywnych, mixture-of-experts, tekst i obraz na wejściu, tekst na wyjściu, kontekst 1 048 576 tokenów, wagi na Hugging Face jako Hy4 flash, Hy4 flash-FP8 i Hy4 flash-Base na licencji T​encent Hy License.

• Czego MiniMax nie dostarczył — brak osobnego checkpointu bazowego i brak tabeli benchmarków modelu bazowego; artefaktem jest model 428B.

• Czego T​encent nie wydał — żadnego niezależnego wyniku, żadnego opublikowanego zestawu benchmarków agentowych dla modelu instrukcyjnego ani wydania Transformers (integracja znajduje się w pull requeście 50903).

Liczby parametrów zasługują raczej na zastrzeżenie niż na porównanie, ponieważ nie mierzą tego samego. 428B/23B MiniMaxa to konwencjonalna liczba gęstych parametrów. 220B Tencenta obejmuje 63,5B tabel osadzeń n-gramowych Engram — parametry, które są hashowane i wyszukiwane, a nie mnożone — więc oba te wyniki nie są porównywalną miarą rozmiaru modelu, podobnie jak liczba półek w bibliotece nie jest miarą tego, ile ona przeczytała. Liczby parametrów aktywnych są uczciwszym porównaniem: 12B wobec 23B, i przewidują to, co faktycznie pokazują cenniki.

Wiersze cen i jedno miejsce, w którym się odwracają

Obie karty stawek to własne ceny katalogowe dostawców, a nie wyniki pomiarów.

• Wejście — Hy4 flash $0,070 w porównaniu z MiniMax-M3.1-Flash $0,15. Hy4 flash jest 2,1 razy tańszy.

• Wyjście — 0,281 USD w porównaniu do 0,60 USD. Hy4 flash jest 2,1× tańszy.

• Buforowane dane wejściowe — 0,003 USD w porównaniu z 0,015 USD. Hy4 flash jest 5 razy tańszy.

• Zmierzony koszt na zadanie Index — 0,49 USD dla MiniMax-M3.1-Flash według Artificial Analysis; dla Hy4 flash nie zmierzono.

Ciekawy jest ostatni wiersz, ponieważ pokazuje, dlaczego cena za token jest złym przybliżeniem kosztu na zadanie. MiniMax-M3.1-Flash przy cenie 0,49 USD za ukończone zadanie Index jest rozliczany według stawki 0,15 USD za tokeny wejściowe — ponad dwukrotnie wyższej niż w Hy4 flash — a mimo to okazuje się tańszy na zadanie niż modele z niższymi cenami tokenów, ponieważ liczba tokenów, które model zużywa na dojście do odpowiedzi, zmienia się w większym stopniu niż sama stawka. Twierdzenie Tencenta, że trening po szkoleniu z RL skrócił jego średnią długość odpowiedzi o 50%, to ta sama idea, tylko z drugiej strony: najtańszy model to zwykle ten, który pierwszy przestaje mówić.

Uczciwa interpretacja porównania cen jest taka: stawki Hy4 flash są dwukrotnie niższe, a nikt nie wie, czy przełoży się to na dwukrotność na zadanie, dopóki niezależny harness nie uruchomi obu. Własne dane WorkIndex Tencenta wskazują, że Hy4 flash ma 1/8 kosztu na zadanie w porównaniu z DeepSeek-V4.1-Flash-1017, co jest innym porównaniem w innym zestawie. Nie przenoś tego.

A generated reference card headed 'Two price cards, one measured bill', with four comparison rows for Hy4 flash and MiniMax M3.1 Flash — input $0.070 against $0.15, output $0.281 against $0.60, cached input $0.003 against $0.015, and cost of one measured Index task 'not measured' against $0.49 — plus a strip beneath reading '220B total, 12B active' and '428B total, 23B active'.

Prędkość: jedna zmierzona, jedna deklarowana

• MiniMax-M3.1-Flash — 132 tokeny wyjściowe na sekundę, 50,64 sekundy do pierwszego tokenu odpowiedzi, około 14,2 minuty czasu zegarowego na zadanie Index, jeśli ekstrapolować z liczb $0,49 i 132 t/s. Wszystkie dane pochodzą z Artificial Analysis.

• Hy4 flash — ponad 150 tokenów na sekundę podczas dekodowania, jak twierdzi T​encent w przypadku wersji FP8 na węźle tensor-parallel-8, oraz mediana 6,7 minuty całkowitego czasu ukończenia we własnym ślepym teście T​encent na 85 użytkowników.

Nie są to porównywalne wielkości, a różnica jest pouczająca. Liczba MiniMax to pomiar przepustowości na standaryzowanym środowisku testowym; T​encent to deklaracja dotycząca obsługi konkretnego obrazu kontenera na konkretnym sprzęcie, a dodatkowo mediana ukończenia zadań z wewnętrznej populacji. Żaden z dostawców nie jest nieuczciwy. Odpowiadają na różne pytania, a to drugie — jak długo użytkownik czeka na swoją odpowiedź — decyduje o tym, czy produkt wydaje się szybki.

50-sekundowy czas do pierwszego tokenu w MiniMax-M3.1-Flash wart jest odnotowania sam w sobie. To model rozumujący, który myśli, zanim cokolwiek powie; nadaje się do pracy wsadowej, ale nie do niczego interaktywnego, co korzysta ze strumieniowania. Hy4 flash ma ten sam problem strukturalny w łagodniejszej formie: reasoning_effort domyślnie ma wartość high, a udokumentowana alternatywa to no_think. W modelu T​encent nie ma ustawienia pośredniego, podczas gdy MiniMax udostępnia pełniejszą konfigurację rozumowania. Jeśli Twój budżet opóźnienia wymaga „trochę pomyśleć”, to jest to realna luka.

Licencje: dwa różne sposoby na bycie nie do końca otwartym

Żaden z checkpointów nie jest open source. Oba są open weight z warunkami, a warunki te są ukształtowane wystarczająco różnie, że przesądzą o różnych umowach.

• Licencja MiniMax Community — zezwala na użycie komercyjne z ograniczeniami; wdrażanie reguluje tekst licencji, który znajduje się na karcie modelu, a nie licencja zatwierdzona przez OSI.

• {{1}}T​encent Hy License v1.0{{/1}} — Apache 2.0 plus sekcja 10.2, która wymaga odrębnej pisemnej licencji, jeśli prowadzisz działalność model-as-a-service o światowym przychodzie brutto przekraczającym 50 mln USD w dowolnym okresie dwunastu miesięcy lub obsługujesz ponad 100 mln miesięcznych aktywnych użytkowników.

• Wyłączenia Tencent — zespół, który nigdy nie odsprzedaje dostępu, nie płaci nic dodatkowo; produkt, który udostępnia model wyłącznie w ramach określonej funkcji, a nie poprzez otwarte promptowanie, w ogóle nie jest MaaS; a przekazywanie żądania do hostowanego punktu końcowego należącego do kogoś innego się nie liczy. Te trzy zdania sprawiają, że europejska firma SaaS zwykle może przeczytać tę licencję raz i przejść dalej, podczas gdy tekst MiniMax wymaga oceny, co słowo „restrictions” oznacza dla jej własnego wdrożenia.

• Mechanizm wyzwalający w przypadku Tencenta jest powiązany z przychodami, a nie z terytorium — nie ma wykluczonej jurysdykcji, co odróżnia go od licencji, które całkowicie zakazują działania w UE, Wielkiej Brytanii lub Korei Południowej.

Dokument Tencenta jest jak na ten gatunek zaskakująco czytelny, ponieważ dodatkowe warunki wyodrębniono w jednej ponumerowanej sekcji, która dokładnie określa, jak wpływają one na uprawnienia przyznane na mocy licencji Apache. Cokolwiek jeszcze można powiedzieć o tym wydaniu, licencję napisał ktoś, kto oczekiwał, że inżynierowie będą ją czytać.

Screenshot of the Artificial Analysis model page for MiniMax M3.1 Flash, showing its Intelligence Index score, class rank, output speed, time to first answer token and cost per task on Intelligence Index v5.0.1.

Różnica w wynikach i dlaczego „29” to nie cała historia

Artificial Analysis mierzy MiniMax-M3.1-Flash na 29 w wersji v5.0.1. Jeśli czytasz na tym blogu cokolwiek innego o tym modelu, mogłeś zobaczyć 42 lub 43 — były one poprawne w poprzedniej kompilacji indeksu, a przebudowa bazowa z 27 października 2026 r. przesunęła każdy model w tabeli. Cytowanie dziś 43 i 29 w przypadku konkurenta oznaczałoby porównywanie dwóch różnych narzędzi. W obecnej kompilacji liczbą jest 29, co lokuje MiniMax-M3.1-Flash w tym samym szerokim przedziale co 31 modelu Gemini 3.8 Flash i poniżej 36 modelu Claude Haiku 5.5.

Dla Hy4 flash nie ma przedziału. Najbliższym dostępnym dowodem jest test ślepy Tencenta, w którym model uzyskał 2,79 na 4 punkty pod względem zadowolenia użytkowników, wobec 2,81 dla Claude Haiku 5.5. Jeśli jesteś skłonny wyciągnąć wniosek — a to wyłącznie wniosek — model, który na zadaniach biurowych wypada w granicach szumu względem modelu o indeksie 36, prawdopodobnie także nie jest daleko od tego przedziału. To hipoteza do sprawdzenia, a nie wynik do cytowania.

Rozstrzygnęłoby to jedno wspólne uruchomienie tego samego harnessu. Oba modele można pobrać, co oznacza, że barierą jest moc obliczeniowa, a nie dostęp, a społeczność benchmarkująca chińskie modele open-weight się tym zajmie. Do tego czasu asymetria pozostaje faktem: jeden z nich został publicznie zmierzony, a drugi nie, i żadna ilość opisu architektury tego nie zasypie.

Screenshot of the minimax/minimax-m3.1-flash model page, showing the per-million-token input, output and cache-read prices the model is listed at along with its context window and accepted modalities.

Routing: dziś możesz zadzwonić do jednego z tych dwóch

To jest praktyczna różnica — i akurat biegnie ona przez nasz własny katalog. MiniMax-M3.1-Flash jest dostępny w OrcaRouter jako minimax/minimax-m3.1-flash, w cenie 0,15 USD za milion tokenów wejściowych i 0,60 USD za milion tokenów wyjściowych, przy odczycie z pamięci podręcznej za 0,015 USD — to cena katalogowa samego MiniMax, przekazana bez marży (0%), więc zmiana ceny dostawcy jest tu widoczna tego samego dnia. Dane wejściowe multimodalne obejmują tekst, obraz i wideo, a okno kontekstu wynosi 1 048 576 tokenów.

Hy4 flash nie znajduje się w katalogu. To, co jest dostępne od T​encent, to tencent/hy4-preview, model 770B/49B, z którego destylowano Hy4 flash, w cenie $0,834 i $2,501 za milion tokenów, z odczytem z pamięci podręcznej za $0,042. To naprawdę przydatny trzeci model w tej decyzji, a nie pocieszenie: jeśli zastanawiasz się, czy zachowanie rodziny Hy pasuje do Twojego obciążenia, preview powie Ci to w ciągu jednego popołudnia, a otwarte wagi powiedzą Ci, ile kosztowałoby samodzielne uruchomienie taniego modelu.

DSL routingu sprawia, że staje się to ciekawsze niż wybór między dwiema opcjami. Potok może kierować krótkie wywołania interaktywne do tańszej trasy, a długą pracę nad dokumentami do modelu, który wygrał Twoją własną ewaluację, w ramach jednego punktu końcowego, z automatycznym przełączaniem awaryjnym między dostawcami dzięki czemu model w pierwszym tygodniu dostępności nie stanowi pojedynczego punktu awarii. Takie podejście — skierowanie nowego modelu na ruch, na którego utratę możesz sobie pozwolić — jest właściwe dla każdego tak młodego checkpointu i jest tym samym podejściem, którego chciałbyś użyć w przypadku samodzielnie hostowanego wdrożenia FP8 za wewnętrzną bramą.

Który do jakiej pracy

Wybierz MiniMax-M3.1-Flash, jeśli potrzebujesz teraz wyważonego modelu, jeśli Twoje dane wejściowe obejmują wideo, jeśli potrzebujesz ustawienia wysiłku rozumowania między „włączone” a „wyłączone” albo jeśli chcesz być na platformie, na której cena dostawcy już obowiązuje, zamiast karty, którą musisz samodzielnie modelować. Jego konfiguracja 428B/23B i 132 tokeny na sekundę czynią go koniem roboczym, a fakt, że jest na liście od miesiąca, oznacza, że inni ludzie zdążyli już publicznie odkryć jego tryby awarii.

Wybierz Hy4 flash, jeśli koszt na token jest wiążącym ograniczeniem, jeśli chcesz samodzielnie zarządzać wdrożeniem, jeśli potrzebujesz bazowego checkpointu do dostrojenia lub jeśli decyduje kwestia licencji — dokument Tencenta nie zawiera wyłączenia terytorialnego i ma czyste zastrzeżenie użytku wewnętrznego, a dla europejskiego zespołu to może być cała odpowiedź. Jego 12B aktywnych parametrów i kontekst 1M tokenów przy 1/6 pamięci KV cache poprzednika to argument, że druga cena, ta mierzona w GPU, jest niezwykle niska.

Czekaj, w obu przypadkach, jeśli decyzja jest kosztowna. Jednego z tych modeli nigdy nie poddano niezależnemu testowi porównawczemu, a drugiego nigdy nie testowano w bezpośrednim porównaniu z nim. Porównanie, które rzeczywiście to rozstrzygnie — oba w jednym środowisku testowym, oceniane na tych samych zadaniach, z kosztem na ukończone zadanie obok wyniku — jeszcze nie istnieje. Gdy powstanie, wiersze z parametrami i licencją powyżej nadal będą prawdziwe, a wiersz z wynikiem w końcu będzie miał znaczenie.

Porównane w tym artykule4

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