Wygenerowana karta hero zatytułowana „Hy4 flash vs Qwen3.8-Flash”, z lewym kafelkiem zawierającym: Tencent, 16 listopada 2026, $0.070 za wejście i $0.281 za wyjście za milion, 220B łącznie przy 11.3B aktywnych, kontekst 1,048,576 tokenów, wejście tekstowe i obrazowe z wyjściem tekstowym oraz brak jeszcze niezależnego wyniku; i prawym kafelkiem zawierającym: Alibaba, w QwenCloud od 26 sierpnia 2026, $0.15 za wejście i $0.47 za wyjście za milion, 125B MoE z około 6B aktywnych, kontekst 1M i maksymalnie 131K wyjścia, wejście tekstowe, obrazowe i wideo z wyjściem tekstowym oraz Intelligence Index 28.6 dla wersji open-weights. Stopka informuje, że ceny Hy4 flash to stawki z cennika Tencent, ceny Qwen3.8-Flash to cennik QwenCloud, a wartość indeksu pochodzi z Artificial Analysis v5.0.1 dla Qwen3.8-Flash-Next.
Guides & Insights

Hy4 flash vs Qwen3.8-Flash: dwukrotnie więcej aktywnych parametrów, o połowę niższa cena za token

Autor

jinhao.song

Data publikacji

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

Tańszy model jest tutaj większy. Hy4 flash uruchamia 11,3 miliarda parametrów tekstowych na każdy token i ma cenę katalogową 0,070 USD za milion tokenów wejściowych. Qwen3.8-Flash uruchamia około 6 miliardów i ma cenę katalogową 0,15 USD. Prawie dwa razy więcej aktywnej mocy obliczeniowej na token, mniej niż połowa ceny wejścia — i żadna z tych dwóch liczb nie jest tą, która decyduje, który model powinieneś faktycznie wywoływać.

Hy4 flash ma dwa dni. Tencent udostępnił go we własnym API 16 listopada 2026 r., następnego dnia opublikował wagi i wydał trzy repozytoria: checkpoint instruct, kompilację FP8 i model bazowy. To mieszanka ekspertów o 220 miliardach parametrów, z 12 miliardami aktywnymi, kontekstem 1 048 576 tokenów, wejściem obrazowym i wyjściem tekstowym, objęta licencją Tencent Hy License. Qwen3.8-Flash jest dostępny w QwenCloud od 26 sierpnia 2026 r., kiedy Alibaba udostępniła go wraz z wagami Qwen3.8-Flash-Next: korpus ekspertów o 125 miliardach parametrów aktywujący około 6 miliardów, plus 51-miliardowa tablica osadzeń n-gramowych, przyjmujący tekst, obrazy i wideo i zwracający tekst, z kontekstem 1M i maksymalnym wyjściem 131K.

A więc kształt tego porównania jest nietypowy. Jeden model to najlepiej udokumentowana tania półka na rynku, a drugi jest najsłabiej udokumentowany. Jeden ma niezależny wiersz benchmarku, a drugi ma 404. A dwie karty cenowe są denominowane w różnych walutach, sprzedawane na różnych rynkach i obudowane różną ilością drobnego druku. Ciekawe nie jest 2,1x w wierszu wejściowym — chodzi o to, co dzieje się z tą luką, gdy przestajesz wyceniać tokeny, a zaczynasz wyceniać gotową pracę.

Inwersja na karcie stawek, przede wszystkim.

Cennik Tencent dla Chin kontynentalnych dla Hy4 flash podaje ¥0,5 za milion tokenów wejściowych, ¥2 za milion tokenów wyjściowych i ¥0,02 za milion tokenów wejściowych z pamięci podręcznej. Tencent podaje te same trzy pozycje w dolarach jako $0,070, $0,281 i $0,003. Cennik QwenCloud dla Qwen3.8-Flash podaje $0,15 za wejście, $0,47 za wyjście, $0,016 za odczyt z pamięci podręcznej i $0,20 za milion za jawne utworzenie pięciominutowej pamięci podręcznej.

• Dane wejściowe — 0,070 USD w porównaniu z 0,15 USD. Hy4 flash jest 2,1 razy tańszy.

Wyjście — 0,281 USD wobec 0,47 USD. Hy4 flash jest 1,7 razy tańszy.

• Buforowane dane wejściowe — {{1}}$0.003{{/1}} wobec {{2}}$0.016{{/2}}. Hy4 flash jest {{3}}5,3 razy tańszy{{/3}} w pozycji kosztowej, która dominuje u każdego agenta ponownie wysyłającego stały prompt.

• Uśredniona stawka przy proporcji 3:1 danych wejściowych do wyjściowych — około 0,123 USD za milion wobec 0,230 USD.

• Mieszane w proporcji 1:3, z przewagą outputu — około 0,228 USD wobec 0,390 USD.

To realna luka — i mniejsza, niż sugeruje proporcja z nagłówka, ponieważ kolumna wyjściowa to miejsce, w którym oba modele faktycznie wydają pieniądze na pracę agentową, a luka w wyjściu wynosi tylko 1,7×. Jest ona również mniejsza niż luka, jaką którykolwiek z tych modeli wykazuje wobec zachodniego flagowca — czyli modelu, z którym każde z nich dzieli tę półkę.

Uczciwe zastrzeżenie do wszystkich pięciu pozycji: to nie są ceny tego samego rodzaju. Cena Tencenta to stawka katalogowa w RMB dla Chin kontynentalnych, którą Tencent przeliczył dla czytelników anglojęzycznych, a Tencent już w pierwszym tygodniu uruchomił promocyjne zniżki na ten model. Stawka QwenCloud to katalogowa cena w USD dla globalnego endpointu. Zespół kupujący w dolarach spoza Chin kontynentalnych powinien traktować dane liczbowe Hy4 flash jako dolny pułap tego, co jest dostępne, a nie jako kwotę, którą otrzyma na fakturze, i powinien ponownie przeczytać kartę, zanim cokolwiek na niej oprze.

Uruchom ten wolumen mimo to, ponieważ proporcje się utrzymują. Dziesięć milionów tokenów wejściowych i dwa miliony tokenów wyjściowych dziennie kosztuje 1,26 USD na Hy4 flash i 2,44 USD na Qwen3.8-Flash — 461 USD wobec 891 USD rocznie, czyli różnica około 430 USD przy rozmiarze obciążenia, jaki mały zespół może realnie wygenerować. Przesuń mieszankę w stronę pamięci podręcznej, jak robi to każdy agent wieloturnowy, a luka się powiększa: dwa miliony nowych tokenów wejściowych, osiem milionów odczytów z pamięci podręcznej i dwa miliony tokenów wyjściowych daje 0,73 USD dziennie wobec 1,37 USD, ponieważ współczynnik odczytów z pamięci podręcznej wynosi 5,3x, a nie 2,1x.

A generated two-column scoreboard for Hy4 flash and Qwen3.8-Flash across six shared dimensions: input price $0.070 against $0.15, output price $0.281 against $0.47, cached input $0.003 against $0.016, active parameters 11.3B of 220B against roughly 6B of 125B, video input no against yes, and independent score none against 28.6. A footer notes the prices are Tencent and QwenCloud list rates and the 28.6 is Artificial Analysis Intelligence Index v5.0.1 for Qwen3.8-Flash-Next.

Obaj dostawcy przeznaczyli niemal jedną trzecią parametrów na ten sam pomysł

To jest ta część zestawienia, której żaden z dostawców w swoim poście premierowym nie stawia obok tej drugiej, i właśnie dlatego ceny obu modeli różnią się najwyżej dwukrotnie, a nie dziesięciokrotnie.

Hy4 flash zawiera 63,5 miliarda parametrów Engram — wyuczone reprezentacje bigramów i trigramów, pobierane za pomocą wielogłowicowych wyszukiwań haszowych i wpięte do szkieletu modelu w warstwach 1, 11, 21 i 31. To 28,9% z 220 miliardów parametrów modelu, które znajdują się w tabeli wyszukiwania, a nie w ekspertach. Qwen3.8-Flash zawiera 51-miliardową tabelę osadzeń n-gramów indeksowaną bieżącym tokenem oraz kilkoma poprzedzającymi, spośród około 180 miliardów parametrów na dysku — 28,3%.

Dwa laboratoria, dwie generacje, ten sam wniosek: najtańszym sposobem dodania możliwości do rzadkiego modelu jest zaprzestanie płacenia za to obliczeniami na token. Obie tabele mogą znajdować się w pamięci hosta i być asynchronicznie wstępnie pobierane, więc żadna z nich nie zajmuje trwale pamięci GPU. Żadna nie dodaje mnożenia macierzy do przejścia w przód. Obie są w istocie zakładem, że duża część tego, co model językowy musi wiedzieć, jest lokalnie przewidywalna na podstawie ostatnich kilku tokenów, a rzadkie ciało ekspertów powinno być zarezerwowane dla tego, co takie nie jest.

Stosy uwagi też się rymują. Hy4 Flash przeplata rzadką uwagę IndexPool z oknami przesuwnymi o rozmiarze 512 tokenów w stosunku 1:3 w 42 warstwach, a Tencent podaje, że wynikowa pamięć podręczna KV stanowi 1/24 tej w Hy3 i 1/6 tej w Hy4. Qwen3.8-Flash wykorzystuje Gated DeltaNet z Qwen Sparse Attention, kompresując historię do stanów o stałym rozmiarze w trzech z każdych czterech warstw, a pozostałe kieruje przez indeksator na poziomie bloków. Oba są odpowiedziami na to samo pytanie — jak obsłużyć okno miliona tokenów bez ponoszenia kosztu pamięci podręcznej KV dla miliona tokenów — i obie odpowiedzi sprowadzają się do jakiejś odmiany „nie zwracaj uwagi na wszystko”.

Różnica polega na tym, co dają dodatkowe aktywne parametry. Hy4 flash uruchamia 11,3 mld parametrów tekstowych wobec 6 mld w Qwen3.8-Flash, na 41 warstwach MoE z 16 z 512 ekspertów routowanych plus jeden wspólny ekspert, w przestrzeni utajonej o 1536 wymiarach. To niemal dwukrotnie więcej obliczeń na token w modelu, który pobiera mniej niż połowę opłaty za token. Niezależnie od tego, co jeszcze jest prawdą, Tencent nie odzyskuje tego kosztu od klienta — odzyskuje go ze stosu serwowania: wag 4-bitowych, megakernels i DFly2, modelu szkicującego o 0,85 mld parametrów, który ponownie wykorzystuje rzadkie KV i selekcje indeksów modelu docelowego, dzięki czemu każdy token szkicu ma dostęp do co najwyżej około 2000 kluczy niezależnie od długości kontekstu. Dzięki tym trzem elementom Tencent uzyskuje dekodowanie powyżej 150 tokenów na sekundę.

Co tak naprawdę daje 29,5 minuty na zadanie

Ceny za token to niewłaściwa jednostka w przypadku obu tych modeli, a niezależne dane pokazują to konkretnie po jednej stronie porównania.

Artificial Analysis ocenia Qwen3.8-Flash-Next — artefakt z otwartymi wagami, a nie hostowany SKU — na 28,6 w Intelligence Index v5.0.1, przy 0,569 USD na zadanie, ponad 29,5 minuty na zadanie, z szybkością 83,6 tokenu wyjściowego na sekundę, z czasem 2,5 sekundy do pierwszego tokenu i 68,3 sekundy do pierwszego tokenu odpowiedzi.

Te pięć liczb po przemnożeniu daje coś użyteczniejszego niż każda z nich osobno. Przy 83,6 tokena na sekundę przez 1768 sekund zadanie wytwarza około 148 000 tokenów wyjściowych. Przy 0,47 USD za milion daje to około siedmiu centów danych wyjściowych. Pozostałe pięćdziesiąt centów z 0,569 USD to dane wejściowe, co przy 0,15 USD za milion oznacza co najmniej 3,3 miliona tokenów wejściowych w całym zadaniu — więcej, jeśli część z nich była obsługiwana z pamięci podręcznej po niższej stawce. Wejście o rozmiarze 3,3 miliona tokenów wobec kontekstu 1 mln to nie jeden prompt. To pętla: czytaj, działaj, czytaj ponownie, na głębokości dwudziestu lub trzydziestu tur, z kontekstem przebudowywanym lub przenoszonym dalej za każdym razem.

To jest obciążenie, pod które zaprojektowano oba modele, i dlatego wybory projektowe Hy4 flash wyglądają tak, jak wyglądają. Potok post-trainingu Tencent obniżył średni wynik end-to-end o 50% dzięki uczeniu ze wzmocnieniem, a jego wewnętrzna ocena w ciemno podaje medianę ukończenia zadania wynoszącą 6,7 minuty przy 0,26 RMB za zadanie — około 0,037 USD przy obowiązujących kursach. Jego wewnętrzny zestaw WorkIndex plasuje Hy4 flash na 42,1 wobec 39,7 dla Hy4 preview, przy średnim koszcie na zadanie, który Tencent podaje jako jedną trzynastą kosztu Hy4 preview, jedną dwudziestą kosztu Hy4 i jedną ósmą kosztu DeepSeek-V4.1-Flash-1017 przy cenach w godzinach szczytu.

Nie dziel tych liczb przez dane Artificial Analysis. Mediana 6,7 minuty na 259 zadaniach WorkBuddy wśród 85 użytkowników wewnętrznych to nie to samo co mediana 29,5 minuty w Intelligence Index, a wartość w RMB na zadanie z własnego harnessu dostawcy to nie to samo co wartość w dolarach na zadanie z niezależnego harnessu. Porównanie, które te dane wspierają, ma charakter kierunkowy i warto powiedzieć to wprost: na zmierzony koszt zadania w Qwen3.8-Flash wpływa przede wszystkim to, ile tokenów zużywa i ile czasu zajmuje, a nie to, ile pobiera za token. Model, który pisze o połowę mniej i kończy w jednej piątej czasu, może być 1,7 razy tańszy na token wyjściowy i o rząd wielkości tańszy na ukończone zadanie. To, czy Hy4 flash rzeczywiście jest tym modelem, pozostaje dokładnie tym, czego nikt jeszcze nie zmierzył.

Tabela wyników ma jeden wiersz i nie dotyczy modelu, który byś wywołał.

Dwa ujawnienia, z których każde zmienia to, jak dużą wagę mogą mieć powyższe liczby.

Po pierwsze: Hy4 flash nie ma strony w Artificial Analysis. Nie chodzi o niski wynik ani wpis poza rankingiem — https://artificialanalysis.ai/models/hy4-flash zwrócił 404 18 listopada 2026 r., trzy dni po otwarciu API i dzień po opublikowaniu wag. Nie istnieje żaden niezależny pomiar tego modelu. Opublikowana przez Tencent tabela benchmarków obejmuje wstępnie wytrenowane checkpointy bazowe, Hy4 flash Base w porównaniu z Hy4 Base i modelami bazowymi DeepSeek, co mówi coś o wstępnym trenowaniu, a nic o modelu instrukcyjnym ani trybie rozumowania, który faktycznie byłby wywoływany. Jedynym dowodem dotyczącym modelu instrukcyjnego są własne dane Tencent: WorkIndex, test w ciemno i wskaźnik kosztu na zadanie.

Po drugie: 28,6 i 0,569 USD dotyczą Qwen3.8-Flash-Next, pobieralnego checkpointu. Hostowany Qwen3.8-Flash w QwenCloud to osobno dostrojona wersja serwująca; Alibaba sprzedaje go jako produkcyjnego przedstawiciela tej linii i tych dwóch modeli nie można stosować zamiennie. Artificial Analysis odnotowuje również Qwen3.8-Flash-Next z kontekstem 256 000 tokenów — natywnym oknem checkpointu przed rozszerzeniem YaRN — podczas gdy QwenCloud serwuje hostowany model z kontekstem 1 mln i maksymalnym wejściem 991 tys. Jeśli wyceniasz hostowany model, opierasz się na karcie QwenCloud i własnych ewaluacjach Alibaby dla wszystkiego poza wynikiem inteligencji, który pochodzi z checkpointu.

Asymetria jest rażąca w sposób, który łatwo opisać, a trudno rozwiązać: jeden model ma niezależny wynik należący do innego artefaktu, a drugi nie ma w ogóle niezależnego wyniku. Każdy artykuł, który wskazuje tu zwycięzcę pod względem możliwości, wymyśla go. To, co można powiedzieć, jest węższe i wciąż użyteczne. Qwen3.8-Flash z wynikiem 28,6 plasuje się poniżej Tencent Hy4 — flagowego modelu z tej samej rodziny o 770 miliardach parametrów — z wynikiem 34,6, oraz poniżej Claude Haiku 5.5 z wynikiem 36,5 w tej samej wersji indeksu — solidny wynik w średniej półce, czego powinien dostarczać mały model flash. Hy4 flash, w wewnętrznym zestawie testów Tencenta, uzyskuje wynik wyższy niż Hy4 preview i znacznie niższy niż Hy4, co oznacza tę samą pozycję względną przy użyciu innego narzędzia.

Wideo to jedyny wiersz, który sam o sobie decyduje.

Wszystko powyżej można podważyć. Tego nie.

• Wejście Hy4 flash — tekst i obrazy, przez enkoder wywodzący się z SigLIP2-So400m z projektorem MLP. Wyjściem jest tekst.

• Qwen3.8-Flash — dane wejściowe: tekst, obraz i wideo. Dane wyjściowe: tekst.

Jeśli Twoja pipeline przyjmuje nagranie ekranu, zapis rozmowy lub plik wideo, Hy4 flash nie może go przyjąć, a Qwen3.8-Flash może. Otwarte wagi nie pomagają, adapter nie pomaga, a żadna przewaga cenowa tego nie nadrobi. Oba obsługują milion tokenów kontekstu, oba obsługują dokumenty i zrzuty ekranu, i na tym wspólnym gruncie porównanie pozostaje otwarte; w przypadku wideo jest zamknięte.

Zalecane przez samego Tencenta obciążenia dla Hy4 flash są spójne z tą granicą — wyszukiwanie głębokie, przetwarzanie dokumentów, tworzenie slajdów, proste dema frontendowe, obsługa komputera — a jego własne wytyczne kierują długoterminową inżynierię oprogramowania do Hy4. To dostawca, który przyznaje się do górnej granicy, co jest bardziej pouczające niż większość tekstów premierowych i warte przyjęcia za dobrą monetę.

Oba można pobrać, ale pobrane wersje nie są równoważne.

A screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the Image-Text-to-Text pipeline tag, the Tencent Hy License, a 220B parameter model size in BF16 with F32 tensor type, mixture-of-experts, multimodal, instruct and conversational tags, 96 likes, and a table of contents covering model introduction, capability, cost efficiency, blind evaluation, benchmark results, the DFly2 speculative draft model and quantisation.

Hy4 flash został udostępniony jako otwarte wagi 17 listopada: tencent/Hy4-flash, tencent/Hy4-flash-FP8 i tencent/Hy4-flash-base. Lista plików z 18 listopada wskazuje, że checkpoint BF16 ma 440,5 GB w 148 shardach, a kompilacja FP8 — 287,1 GB. Qwen3.8-Flash-Next jest publicznie dostępny od 24 sierpnia i ma 360,0 GB w 131 shardach.

• Przepis na serwowanie — Tencent publikuje przypięte obrazy, vllm/vllm-openai:hy4-flash i lmsysorg/sglang:hy4-flash, z jawnie podanymi flagami tensor-parallel-8 i speculative-decoding. Qwen3.8-Flash-Next ma wsparcie dla SGLang, vLLM i Transformers od tygodnia premiery.

• Transformers — Hy4 flash wymaga instalacji z refa pull requesta, refs/pull/50903/head, ponieważ obsługa nie jest jeszcze dostępna na main. Qwen3.8-Flash-Next ładuje się z main.

• Kwantyzacja — Tencent dostarcza oficjalną kompilację FP8 oraz GGUF AngelSlim; ekosystem Qwen miał cztery miesiące na stworzenie własnych kwantyzacji społecznościowych.

• Sygnał ekosystemu — Qwen3.8-Flash-Next odnotował 2 983 542 pobrania w ciągu ostatniego miesiąca i 7 276 polubień 18 listopada. Hy4 flash, opublikowany dzień wcześniej, miał 96 polubień i zerową liczbę pobrań.

Sprzęt — 440 GB wag BF16 nie mieści się na ośmiu kartach po 80 GB, więc wersja FP8 o rozmiarze 287 GB na ośmiu H100 to realistyczne wdrożenie jednowęzłowe, a to dokładnie konfiguracja TP=8 określona we własnym przepisie Tencenta.

Przypięte obrazy i instalacja z odwołaniem do PR nie dyskwalifikują; oznaczają, że uruchamiasz kompilacje przetestowane przez Tencent, a nie kompilacje, które zostały wydane, co przekłada się na różnicę w tym, kto będzie odpowiadał za kolejny błąd. Przewaga Qwen w tym zakresie jest w całości funkcją czterech miesięcy, które upłynęły, i będzie się zmniejszać. Dziś jest realna i stanowi drugą największą lukę w tym porównaniu, po brakującym wierszu benchmarku.

Obie licencje zawierają klauzulę dotyczącą modelu jako usługi, przy czym są to różne klauzule.

Oba modele można pobrać bezpłatnie i żaden z nich nie jest bezwarunkowo darmowy w odsprzedaży, ale wyzwalacze nie mają tego samego kształtu – a ta różnica ma znaczenie, jeśli hostujesz modele dla innych osób.

• Licencja Tencent Hy v1.0 — pochodna licencji Apache 2.0. Sekcja 10.2 wymaga uzyskania odrębnej pisemnej licencji, jeżeli prowadzisz działalność polegającą na udostępnianiu modelu jako usługi (model-as-a-service), a Twoje światowe przychody brutto przekraczają 50 mln USD w dowolnym okresie dwunastu miesięcy lub Twój produkt przekracza 100 mln miesięcznych aktywnych użytkowników. Sekcja 10.3 wyłącza użytek wewnętrzny.

• Qwen Community License 1.0 — wymaga odrębnej licencji dla każdego biznesu w modelu Model-as-a-Service lub AI Work Assistant, niezależnie od jego wielkości, przy czym użycie wewnętrzne jest z tego wyłączone. Osobno wymaga ona wyraźnego wyświetlania nazwy modelu w przypadku przekroczenia 100 milionów aktywnych użytkowników miesięcznie lub 20 milionów USD miesięcznego przychodu.

• Wyłączenie dotyczące Qwen warte jest dwukrotnego przeczytania — licencja wyraźnie wyłącza „samo przekazywanie żądań do modeli hostowanych przez innych zewnętrznych dostawców” z definicji Model as a Service. Licencja Tencenta nie zawiera równoważnego zdania.

Żadna z nich nie zawiera ograniczenia terytorialnego, czego nie można powiedzieć o kilku chińskich licencjach na modele z otwartymi wagami. Jeśli budujesz narzędzie wewnętrzne, obie są darmowe w dowolnej skali. Jeśli budujesz produkt, który odsprzedaje wnioskowanie, próg Tencent jest prostszy, a wyjątek dotyczący przekazywania w licencji Qwen jest bardziej liberalny w przypadku określonego rodzaju pośrednika, a to, która z nich Cię wiąże, zależy od tego, w którym z tych dwóch biznesów się znajdujesz.

Co dziś można wywołać jednym klawiszem

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, showing the Qwen3.8 Flash heading, a 1M-token context and 131K maximum output, text, image and video input with text output, vision, tools, JSON and reasoning capability tags attributed to Qwen with a 26 August 2026 date, zero data retention availability, a 10.00-second p50 time to first token, and the start of the model description as a multimodal reasoning model from Alibaba.

Qwen3.8-Flash znajduje się w katalogu OrcaRouter jako qwen/qwen3.8-flash, w cenie 0,15 USD za milion tokenów wejściowych i 0,47 USD za milion tokenów wyjściowych oraz 0,0184 USD za odczyt z pamięci podręcznej — opublikowane przez QwenCloud stawki za prompt i uzupełnienie przekazywane z 0% marży, więc obniżka od dostawcy dla tego modelu dotrze do Ciebie w dniu, w którym nastąpi, a nie przy następnej synchronizacji katalogu.

Hy4 flash nie ma jeszcze w katalogu. To, co jest dostępne dla tej rodziny, to tencent/hy4-preview w cenie $0.834 i $2.501 za milion przy odczycie z cache za $0.042 — model, z którego zdystylowano Hy4 flash, i właściwa podstawa odniesienia do testowania względem własnego API Tencenta, zanim pojawi się trasa flash. Twierdzenie inaczej oznaczałoby deklarowanie trasy, której nie mamy.

Ta asymetria daje Ci tani sposób na samodzielne rozstrzygnięcie sporu. Uruchom dwadzieścia swoich najbardziej reprezentatywnych zadań na qwen/qwen3.8-flash przez klucz, który już masz, oraz na Hy4 flash przez klucz Tencenta. Zapisz tokeny wejściowe, tokeny wyjściowe, trafienia w pamięć podręczną, czas zegarowy i informację, czy wynik był użyteczny. Otrzymany stosunek na zadanie to jedyna wersja twierdzenia Tencenta o jednej trzynastej, która odnosi się do Twojego ruchu, a kosztuje popołudnie, a nie migrację.

Gdy trasa flash faktycznie się pojawi, przydatnym wzorcem jest reguła routingu, a nie przełącznik: umieść warstwę pozyskiwania wideo na trasie Qwen, ponieważ jest ona jedyną z dwóch, która obsługuje wideo, a warstwę tekstu i dokumentów na modelu, który najlepiej wypada w Twoich własnych pomiarach. DSL routingu wyraża ten podział w jednym punkcie końcowym, automatyczne przełączanie awaryjne sprawia, że pogorszenie się niesprawdzonej, dwudniowej trasy nie pociąga za sobą całego potoku, a ten sam klucz daje dostęp do ponad 200 modeli bez drugiej umowy.

Decyzja przedstawiona w trzech przypadkach

Jeśli potrzebujesz wejścia wideo, porównanie kończy się tutaj. Qwen3.8-Flash to obsługuje, Hy4 flash nie, a żaden argument dotyczący ceny nie przetrwa braku modalności.

Jeśli potrzebujesz modelu z niezależnym wynikiem, zanim trafi on na ścieżkę związaną z obsługą klienta, z tego samego powodu masz już odpowiedź. 28,6 w Intelligence Index v5.0.1 to skromna liczba — poniżej 34,6 flagowego modelu samego Tencenta i poniżej Claude Haiku 5.5 na poziomie 36,5 — ale jest zmierzona, publiczna i powtarzalna, a Hy4 flash nie ma niczego takiego. To prawdopodobnie się zmieni; to najcenniejsza rzecz, jaką ktokolwiek mógłby opublikować o tym modelu.

Jeśli obsługujesz duże wolumeny tekstu i dokumentów, zależy Ci na niskich opóźnieniach i możesz samodzielnie przeprowadzić ewaluację, Hy4 flash jest wart poświęcenia popołudnia. Prawie dwukrotnie większa liczba aktywnych parametrów przy mniej niż połowie ceny wejścia to nie jest zwykły układ; stawka za buforowane wejście na poziomie 0,003 USD sprawia, że ponowne wysyłanie promptów w długo działających agentach jest niemal darmowe, a wagi oznaczają, że cena jest jedną z opcji, a nie jedyną. Przystępuj do tego ze świadomością, że jesteś pierwszą osobą, która to zmierzy, że opublikowana tabela benchmarków opisuje inny checkpoint niż ten, który wywołasz, oraz że 440 GB wag BF16 nie zmieści się na pojedynczym węźle bez wersji FP8.

Liczba, na którą warto patrzeć, to nie kolejny wpis o premierze. To wiersz Artificial Analysis dla Hy4 flash, ponieważ zamienia wewnętrzny współczynnik dostawcy w wartość, którą można bezpośrednio zestawić z 0,569 USD za zadanie w Qwen3.8-Flash-Next w ciągu 29,5 minuty. Jeśli Hy4 flash wypadnie istotnie poniżej tego poziomu pod względem kosztu na zadanie, zachowując wynik w granicach kilku punktów indeksu, cała historia będzie w luce cenowej i ta klasa zorganizuje się wokół niej. Jeśli wypadnie tanio, bo wykonuje mniej pracy na zadanie, to jest to model do dokumentów i slajdów z wyjątkowo dobrą kartą stawek, a własne wytyczne Tencent dotyczące wdrożenia już to mówią.

Porównane w tym artykule3

Wykryto na podstawie tego artykułu