
Hy4 flash vs DeepSeek V4.1 Flash: a Tencent escolheu essa briga por conta própria
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 219 tok/s
A Tencent escolheu o adversário. O post de pesquisa do Hy4 flash, publicado em 16 de novembro de 2026, compara seu próprio custo por tarefa com exatamente um modelo rival — DeepSeek V4.1 Flash, em seu snapshot 1017, no nível de esforço máximo e nas tarifas de horário de pico da DeepSeek — e informa um oitavo. Essa é uma comparação excepcionalmente específica para um post de lançamento, e ela revela onde a Tencent acredita que está a disputa: não contra o carro-chefe da Alibaba, não contra seu próprio Tencent HY4, mas contra o modelo barato de pesos abertos que os agentes de programação vêm usando desde setembro. Três semanas de números publicados ficam do lado da DeepSeek nessa comparação. Um gráfico fica do lado da Tencent.
Então, a pergunta útil não é qual modelo é melhor em abstrato. É se uma vantagem de 2,1 vezes no preço de entrada sobrevive ao contato com as coisas que diferem entre os dois, e se o número de um oitavo por tarefa significa o que um leitor vai presumir que significa. Ambas podem ser respondidas com base em material publicado, e as respostas apontam em direções opostas.
O que cada empresa realmente lançou
Comece pelos artefatos, porque eles não são equivalentes, e a diferença explica a maior parte da divergência a jusante.
O DeepSeek V4.1 Flash foi publicado em 10 de setembro de 2026 sob a licença MIT: 48 shards de safetensors totalizando aproximadamente 510 gigabytes, um relatório técnico intitulado "Pushing the Limits of KV Cache Compression", um model card com tags de implantação, uma variante fp8 e uma API com tabelas de preços publicadas para horários de pico e fora de pico. Um snapshot atualizado, 1017, substituiu-o em 17 de outubro e agora é servido sob o mesmo nome de API. O repositório acumula 1,69 milhão de downloads e 4.978 curtidas. O Artificial Analysis atribui a ele 32,6 no Intelligence Index com esforço máximo; o Capabilities Index da Epoch AI coloca o checkpoint 1017 em 159, 19º entre os 253 modelos que acompanha.
O Hy4 flash foi publicado em 16 de novembro de 2026 como uma postagem de pesquisa sem cartão de modelo anexado: 224 bilhões de parâmetros no total, 64 bilhões deles parâmetros Engram, 12 bilhões ativos por token, multimodalidade nativa, um contexto de 1.048.576 tokens e um plano de tornar o código aberto mais tarde. Sem pesos, sem licença, sem relatório técnico, sem pontuação independente, e resultados de benchmark entregues como gráficos PNG. O Artificial Analysis lista o Tencent HY4 com 34,6 em 5 de novembro e não tem nenhuma entrada do Hy4 flash.
Coloque esses dois lado a lado e a comparação assume um formato estranho. O modelo mais recente é o que você não consegue inspecionar, e o mais antigo é o que você pode baixar, fazer ajuste fino e servir no seu próprio hardware. Essa assimetria atravessa todas as seções abaixo.
O cartão de preços, comparado honestamente
Ambos os fornecedores publicam tarifas de tabela, e ambos publicam mais de uma delas, que é onde a maioria das comparações dá errado.
• Entrada, por milhão de tokens — Hy4 flash $0,070 fixo; DeepSeek V4.1 Flash $0,15 fora de pico, $0,30 em horário de pico.
• Saída, por milhão de tokens — Hy4 flash $0,281; DeepSeek $0,60 fora de pico, $1,20 em pico.
• Acerto de cache, por milhão de tokens — Hy4 flash $0.003; DeepSeek $0.003 fora de pico, $0.006 em pico.
• Definição de pico — as janelas de pico da DeepSeek são 01:00–04:00 e 06:00–10:00 UTC, de segunda a sexta-feira, excluindo feriados públicos chineses. Todo o restante é fora de pico, o que significa que, para uma equipe dos EUA ou da Europa, a tarifa barata é a que vigora durante a maior parte do seu dia útil.
• Contexto — Hy4 flash 1.048.576 tokens; DeepSeek V4.1 Flash 1.000.000 tokens com um teto de saída de 384.000 tokens.
• Cartão continental — Hy4 flash ¥0,5 / ¥2 / ¥0,02 por milhão de tokens, que é de onde vem o valor em dólares, e não de uma tarifa internacional publicada separadamente.
Lidos no mesmo horário, a diferença é de 2,1 vezes na entrada e 2,1 vezes na saída: US$ 0,070 contra US$ 0,15, US$ 0,281 contra US$ 0,60. Durante as janelas de pico da DeepSeek, ela se amplia para 4,3 vezes. Na entrada em cache, há empate fora do pico, porque ambos ficam em US$ 0,003 — e isso importa mais do que o número de destaque, já que um agente de programação que reenvia um prompt de sistema, um esquema de ferramenta e uma árvore de arquivos a cada etapa paga a tarifa de cache na maior parte do tempo. No perfil de carga de trabalho sobre o qual essa comparação realmente se concentra, os dois modelos têm preços idênticos.
Essa última linha é a que desarma a maior parte do argumento. O oitavo da Tencent não é uma comparação dominada por cache; é um custo por tarefa no WorkIndex, que incorpora o comprimento da saída, a taxa de novas tentativas e o número de etapas, além da tabela de preços. Dois desses três insumos são coisas que a Tencent controla por meio do seu próprio pós-treinamento, e ela informa esse controle como um único percentual: comprimento da saída 50% menor.

Por que 12 bilhões de parâmetros ativos são todo o argumento da arquitetura
DeepSeek V4.1 Flash é um backbone de 552 bilhões de parâmetros com 16 bilhões ativos por token, construído sobre o que a DeepSeek chama de design Causal Encoder-Decoder: 40 camadas divididas igualmente em um codificador causal de 20 camadas e um decodificador de 20 camadas, com a ênfase do relatório técnico na compressão de cache KV em vez de na percepção. Hy4 flash ativa 12 bilhões por token contra um total de 224 bilhões, o que é três quartos da contagem ativa da DeepSeek e 40% do seu tamanho total.
A explicação da Tencent sobre a origem da diferença é específica quanto ao mecanismo e silenciosa quanto à estrutura. Hybrid attention, LatentMoE e os parâmetros Engram produzem um cache KV de um vigésimo quarto do tamanho do Hy3 e de um sexto do Tencent HY4. A autodestilação a partir do Tencent HY4, seguida de aprendizado por reforço, reduziu pela metade o comprimento da saída de ponta a ponta. Um megakernel com pesos de quatro bits e um caminho de decodificação DFly mantém a decodificação acima de 150 tokens por segundo. O que não é publicado é qualquer coisa que você pudesse falsificar a partir de um checkpoint: número de camadas, número de especialistas, largura de roteamento, tamanho do codificador de visão e se a multimodalidade é nativa ou acoplada.
Os parâmetros do Engram merecem uma frase própria, porque 64 bilhões deles dentro de um modelo de 224 bilhões de parâmetros não é um arranjo normal. O Engram, no uso da Tencent, é um componente no estilo de memória que armazena associações aprendidas, e não um especialista roteado que é executado em cada passagem direta. A consequência prática é que 29% do tamanho total do modelo não entra no custo computacional por token, o que é uma forma legítima de comprar capacidade por parâmetro e uma forma ilegítima de comparar contagens de parâmetros. Um modelo de 224B com 64B de Engram não é menor que um modelo de 552B da forma como os dois números sugerem; ele tem um formato diferente.
O design da DeepSeek é verificável e o da Tencent não é, e isso não é uma pequena diferença num confronto direto. Qualquer pessoa pode baixar 510 gigabytes de pesos e contar as camadas. Ninguém pode baixar o Hy4 flash e fazer absolutamente nada.
O um oitavo, traçado
A comparação por tarefa da Tencent vale a pena ser acompanhada de perto, porque é o único número de confronto direto que qualquer uma das duas empresas publicou para este par, e é mais criteriosa do que a aritmética de posts de lançamento costuma ser.
Na WorkIndex — o conjunto interno de oito suítes da Tencent que abrange criação de slides, revisão de slides, coescrita humano-máquina, coescrita em Markdown, edição de documentos, reparo de tabelas, processamento de áudio e vídeo e compreensão visual —, a Tencent relata que o Hy4 flash está a um décimo terceiro do custo por tarefa do Hy4 preview, a um vigésimo do Tencent HY4 e a um oitavo do DeepSeek-V4.1-Flash-1017 no nível de esforço máximo e no preço de horário de pico. Todos os qualificadores nessa frase são da Tencent, e os dois últimos são os que devem ser levados em conta: esforço máximo significa que o orçamento de raciocínio do DeepSeek foi definido como alto, e horário de pico significa a tabela de $0,30/$1,20, e não a de $0,15/$0,60.
Tirando as ressalvas, a aritmética muda muito. Com tarifas fora de pico e os mesmos comprimentos de saída, a diferença por token é de 2,1 vezes, não de 8. Se o Hy4 flash também emitir metade dos tokens de saída, o custo por tarefa cai aproximadamente pela metade novamente, além da diferença de preço, o que coloca os dois modelos com uma diferença entre 4 e 5 vezes em uma tarefa projetada pela Tencent — e o comportamento publicado pela própria DeepSeek, com esforço de raciocínio controlado e um teto de saída de 384.000 tokens, sugere que seu nível máximo está realizando consideravelmente mais trabalho por tarefa do que um modelo ajustado para responder com metade dos tokens.
Os números de produção que a Tencent divulgou por iniciativa própria são a metade mais interessante do seu lançamento, porque vêm acompanhados de contadores em vez de uma única pontuação. Nos fluxos de agentes do WeChat Pay, em comparação com o DeepSeek-V4.1-Flash-1017, a Tencent relata paridade ou melhor desempenho em quatro etapas do processo, com cerca de 6% menos etapas de execução e saídas individuais 29% mais curtas. Na verificação estática do WeChat Pay, 37% menos tempo para concluir uma verificação e 46% menos tokens com a mesma qualidade de detecção. Na análise de causa raiz do Honor of Kings, 22% a 39% menos solicitações e 40,5% a 61,2% menos tokens do que o DeepSeek e o GLM-5.3-Flash — embora fazendo 51,2% e 7,7% mais chamadas de ferramentas do que cada um. No Marvis, a satisfação com as tarefas aumentou 6,2% na instalação de aplicativos, 4,4% na configuração e no diagnóstico do sistema, e 6,9% no processamento de documentos e relatórios de pesquisa.
Duas coisas ficam visíveis nessa lista. As reduções de tokens e de etapas são grandes e consistentes, que é o que um modelo ativo de 12B treinado para encurtar suas respostas deveria produzir. E o aumento nas chamadas de ferramentas é a nota de rodapé honesta: o Hy4 flash chega lá com mais idas e voltas, mais curtas. Em um modelo de cobrança por requisição, isso é empate ou vantagem; em um orçamento de tempo por etapa, é uma troca diferente, e o enquadramento da própria Tencent — de que é 88% mais rápido no WeCom — é uma alegação de latência, e não de trabalho.
Assimetria de evidências, que é a decisão real
Aqui está o que os dois modelos podem lhe dizer sobre si mesmos.
O DeepSeek V4.1 Flash tem uma pontuação pública em harness, um relatório técnico que você pode ler, pesos que você pode executar e três meses de uma stack de inferência encontrando o modelo: quantizações, receitas de serving e um conjunto documentado de peculiaridades que outras pessoas já enfrentaram. Sua posição nos benchmarks não é espetacular — 90,6 no Terminal-Bench 2.1, 74,2 no DeepSWE v1.1, 65,4 no NL2Repo-Bench no lançamento e um Intelligence Index de 32,6 —, mas é uma posição que outra pessoa mediu.
O Hy4 flash tem um gráfico do fornecedor, um teste cego do fornecedor com 85 funcionários, um benchmark interno do fornecedor e uma frase sobre futuros pesos abertos. As alegações são plausíveis e internamente consistentes: um cache KV de um sexto do tamanho do cache do modelo principal, comprimento de saída reduzido pela metade, decodificação acima de 150 tokens por segundo. Nenhuma delas foi reproduzida, e a que seria mais fácil de verificar — se 12 bilhões de parâmetros ativos realmente dão conta de trabalho de escritório tão bem quanto os 16 bilhões da DeepSeek — é exatamente a que ninguém fora da Tencent consegue executar, porque não há pesos.
Essa assimetria não torna o Hy4 flash pior. Torna-o não comprovado, e a diferença entre pior e não comprovado é onde o orçamento de avaliação deve ser investido. Uma equipe que precisa de um modelo multimodal barato que possa fazer fine-tuning, auto-hospedar ou auditar pode parar de ler aqui: o DeepSeek V4.1 Flash é a resposta, e a diferença de preço de 2,1 vezes é o custo dessa opção. Uma equipe cuja carga de trabalho é documentos, slides, extração e loops curtos de agentes, e que paga por token em vez de por tarefa, tem um motivo real para olhar o cartão da Tencent — um motivo forte o suficiente para que valha a pena contornar a falta de evidências comprando em vez de esperar por elas.
Executando a comparação em uma chave
Nem o Hy4 flash nem o próprio roadmap da Tencent tornam isso fácil: em 16 de novembro, o Hy4 flash é disponibilizado por meio do TokenHub do Tencent Cloud e dos produtos de consumo e empresariais da Tencent, com plataformas de terceiros anunciadas, mas sem data definida, e o DeepSeek V4.1 Flash está na própria API da DeepSeek e em pesos abertos.
A metade desta comparação que você pode executar hoje é a metade que define o padrão. deepseek/deepseek-v4.1-flash está no OrcaRouter a US$ 0,15 de entrada e US$ 0,60 de saída por milhão de tokens, com leituras de cache a US$ 0,003 — o preço de tabela fora de pico da própria DeepSeek, sem nada acrescentado — sobre um contexto de 1.048.576 tokens, e o snapshot 1017 fica na mesma tarifa sob seu próprio identificador, para que você possa fixar o checkpoint contra o qual a Tencent fez o benchmark, em vez do alias. A rota da Tencent na mesma chave é tencent/hy4-preview a US$ 0,834 e US$ 2,501, que é o professor do Hy4 flash; executar seu próprio conjunto de tarefas no preview e no DeepSeek já lhe dá a proporção professor-para-rival agora, e o nível flash pode ser encaixado no mesmo harness quando chegar.

Esse é o padrão que vale a pena copiar do próprio anúncio da Tencent. O argumento dela é um custo por tarefa em oito tipos de tarefa que ela escolheu. O seu deve ser um custo por tarefa nas tarefas pelas quais você realmente paga, medido nos dois modelos, com tokens, etapas e tempo de relógio registrados — e a combinação desses três é o que dirá se uma vantagem de taxa de 2,1 vezes se transforma em algo na fatura.
O failover automático é a parte pouco glamourosa desse plano. Um modelo em sua primeira semana, servido a partir de uma promoção sem data de término declarada, é exatamente o modelo para o qual você quer uma cadeia de fallback por trás, em vez de uma migração para ele; a mesma chave já alcança o DeepSeek, então uma regra que tenta novamente o incumbente antes de a resposta começar custa uma linha de configuração e remove o risco da semana de lançamento do experimento.

O que resolveria isso
Três coisas, em ordem do quanto elas mudariam a resposta.
Uma pontuação independente para o Hy4 flash. O Artificial Analysis indexou o Tencent HY4 oito dias após o lançamento; uma entrada flash pelo menos colocaria os dois modelos na mesma estrutura de avaliação, e a diferença de 32,6 para 34,6 entre o flash da DeepSeek e o carro-chefe da Tencent é a faixa em torno da qual este confronto está discutindo. Ninguém deveria se surpreender se um modelo destilado ficasse abaixo de seu professor, e o tamanho dessa queda é a incógnita mais útil desta comparação.
Pesos, ou uma data para eles. A prévia de agosto da própria Tencent foi lançada com Apache 2.0 e receitas para vLLM e SGLang já no primeiro dia, então a empresa sabe como fazer isso. Se o Hy4 flash seguir o mesmo caminho, suas alegações de eficiência se tornam verificáveis e o download de 510 gigabytes deixa de ser a única opção disponível.
Um benchmark neutro por tarefa. O um oitavo da Tencent é um número de boa-fé com duas ressalvas acopladas e um harness que ninguém além deles consegue executar. Reproduza-o em tarefas públicas de agentes e a discussão termina em uma tarde, de um modo ou de outro.
Até então, o resumo honesto é mais estreito do que o de qualquer um dos fornecedores: o DeepSeek V4.1 Flash é o modelo multimodal barato com trilha de auditoria, o Hy4 flash é o mais barato sem ela, e a diferença de preço é menor em trabalhos intensivos em cache do que em uma tabela de tarifas. Isso não é um veredito. É uma descrição precisa do que 16 de novembro realmente mudou, que foi uma tabela de preços e um plano — e uma briga que a Tencent escolheu num placar que ela mesma desenhou.
Comparados neste artigo4
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
