
Hy4 flash vs Gemini 3.8 Flash: um modelo obsoleto ainda é o único com uma tabela de preços
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 138 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 175 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 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 · 44 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 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
A Artificial Analysis rotula o Gemini 3.8 Flash como "obsoleto" e direciona os leitores para o Gemini 4 Hydrogen. O Google ainda o vende a US$ 0,75 por milhão de tokens de entrada e US$ 3,75 por milhão de saída. O Hy4 flash tem dois dias de lançamento, custa um décimo disso e não tem nenhuma pontuação independente. Então, a pergunta honesta neste confronto não é qual modelo é melhor — ninguém pode responder isso ainda —, mas qual de duas posições desconfortáveis você prefere ocupar: pagar preços próximos aos de um modelo de ponta por um modelo que o próprio criador já superou, ou pagar quase nada por um modelo que ninguém fora da Tencent mediu.
Hy4 flash foi disponibilizado na API da Tencent em 16 de novembro de 2026 e lançado como pesos abertos em 17 de novembro: 220B parâmetros totais, 12B ativos, um contexto de 1.048.576 tokens, entrada de imagem com saída de texto, sob a Licença Tencent Hy. Gemini 3.8 Flash foi lançado em 2 de setembro de 2026 com um contexto de 1M tokens, entrada de texto, imagem, vídeo, áudio e arquivos, e uma pontuação de 31 no Artificial Analysis Intelligence Index em sua configuração de raciocínio alto. É o único modelo desta comparação com uma medição independente e também é o único marcado como obsoleto.
O que o rótulo de descontinuação realmente significa aqui
O sinalizador "deprecated" da Artificial Analysis no Gemini 3.8 Flash significa que o painel o considera substituído, e a página aponta o Gemini 4 Hydrogen como substituto. Isso não significa que o Google o desativou. O modelo é resolvido, tem preço definido e está no catálogo da OrcaRouter a $0.75 e $3.75 com 90% de desconto de cache, o que significa que ele ainda está sendo servido a clientes pagantes por pelo menos uma plataforma.
O que isso significa é que o roteiro já o ultrapassou. Um modelo lançado no início de setembro e sinalizado como substituído em meados de novembro teve uma vida útil de aproximadamente dois meses e meio como a geração atual. Qualquer equipe que o esteja adotando como padrão agora está padronizando algo que o fornecedor já substituiu em suas próprias recomendações, e a consequência prática é direta: a próxima melhoria de capacidade não chegará como uma atualização deste modelo, mas sim como um modelo diferente para o qual você terá de migrar.
O Hy4 flash tem o problema oposto. Ele não está obsoleto; está sem medição. A própria avaliação da Tencent é uma suíte interna do WorkIndex e um teste cego com 85 usuários, ambos conduzidos pelo fornecedor, e a URL do Hy4 flash no Artificial Analysis retorna 404 em 18 de novembro. As tabelas públicas de benchmark do model card são base contra base e descrevem o checkpoint pré-treinado, não o modelo de instrução que você realmente chamaria.
Nenhuma das posições é confortável. Uma é um elemento conhecido numa curva de encerramento; a outra é uma incógnita numa curva de abertura.
A diferença de preço é real, e não é a parte interessante.
O cartão de preços da Tencent para a China continental do Hy4 flash indica ¥0,5 por milhão de tokens de entrada, ¥2 por milhão de tokens de saída e ¥0,02 por entrada em cache — cerca de US$ 0,070, US$ 0,281 e US$ 0,003. O preço de tabela do Google para o Gemini 3.8 Flash é US$ 0,75 e US$ 3,75, com leituras de cache a 90% de desconto.
• Entrada — $0,070 contra $0,75. Aproximadamente 10,7x mais barato para o Hy4 flash.
• Saída — $0,281 contra $3,75. Cerca de 13,3x mais barato.
• Entrada em cache — $0,003 contra cerca de $0,075. Aproximadamente 25x mais barato.
• Combinado em uma proporção de 7:2:1 de entrada/saída/cache — cerca de US$ 0,10 por milhão para o Hy4 flash; a Artificial Analysis estima o Gemini 3.8 Flash em US$ 0,58.
Isso não é um desconto, é uma categoria diferente de produto, e explica o segundo número que importa: o custo por tarefa concluída do Intelligence Index. A Artificial Analysis mede o Gemini 3.8 Flash em US$ 7,77 por tarefa, em mais de 14,2 minutos. Não há número do Hy4 flash porque não há pontuação do Hy4 flash — mas a aritmética do WorkIndex da Tencent coloca seu custo médio por tarefa em um treze avos do Hy4 preview, um vigésimo do Hy4 e um oitavo do DeepSeek-V4.1-Flash-1017 com preços de horário de pico.
Essas são tarefas diferentes e harnesses diferentes e não devem ser divididos entre si. O que eles estabelecem é a forma do trade-off: o Gemini 3.8 Flash é caro por tarefa porque é caro por token e gasta muitos tokens para chegar lá. O Hy4 Flash foi projetado — atenção esparsa híbrida, um cache KV de 1/6 do Hy4, saídas 50% mais curtas provenientes de RL — especificamente para tornar pequeno o número por tarefa.

Capacidade, no único eixo que podemos medir
As pontuações independentes do Gemini 3.8 Flash, todas do Artificial Analysis na v5.0.1, dependem do esforço, e a configuração do esforço importa mais do que o resultado principal:
• Índice de Inteligência no alto — 31.
• Intelligence Index no nível médio — 30.
• Índice de Inteligência no nível baixo — 23.
• Classificação da classe — 66º de 92 no Intelligence Index.
• Velocidade de saída — 116 tokens por segundo.
• Tempo até o primeiro token de resposta — 22,4 segundos.
• Contexto — 1M de tokens.
Um índice de 31 em esforço alto fica no meio da tabela, e a flag de descontinuação existe porque o Google lançou algo melhor desde então. A cobertura anterior deste modelo citava 59 no lançamento; esse número antecede o rebase do índice de 27 de outubro de 2026 e não é comparável ao 31 atual. Quem cita 59 e 31 na mesma frase está comparando dois instrumentos diferentes.
Para o Hy4 flash, não há nenhuma linha para colocar embaixo. A coisa mais próxima de uma âncora externa é o próprio teste cego da Tencent, no qual o Hy4 flash obteve 2,79 de 4 em satisfação do usuário, contra 2,81 do Claude Haiku 5.5 — e o Claude Haiku 5.5 marca 36 no mesmo índice em que o Gemini 3.8 Flash marca 31. Se você encadear esses dois fatos, obtém uma posição implícita para o Hy4 flash em algum ponto perto da casa dos trinta baixos, que é exatamente o tipo de inferência que este blog existe para sinalizar como inferência, e não como medição. Dois números de fornecedores e um número de terceiros não fazem um benchmark.

A modalidade é onde o Gemini 3.8 Flash ainda vence de forma absoluta
Esta é a linha que sobrevive à diferença de preço, e vale a pena ser concreto quanto a isso.
• Entrada do Hy4 flash — texto e imagens, por meio de um codificador derivado do SigLIP2 de 27 camadas com mesclagem de recursos 2x2.
• Entrada do Gemini 3.8 Flash — texto, imagem, vídeo, áudio e arquivo, conforme a entrada do catálogo do OrcaRouter e a documentação do modelo do Google.
• Saída do Gemini — texto.
Se o seu pipeline ingere uma gravação de tela, uma gravação de chamada ou um PDF com faixa de áudio, o Hy4 flash não consegue aceitar, e o Gemini 3.8 Flash consegue. A abertura dos pesos não ajuda; o codificador que não está lá não está lá. Os casos de uso recomendados pela própria Tencent para o Hy4 flash têm formato de texto e captura de tela — pesquisa profunda, processamento de documentos, criação de slides, demonstrações simples de frontend, uso de computador —, o que é uma decisão de produto coerente e também uma fronteira.
Em documentos especificamente, os dois estão mais próximos. Ambos aceitam imagens, ambos têm um milhão de tokens de contexto, e o perfil de alucinação do Hy4 flash em trabalho com documentos é o que sua suíte WorkIndex realmente mede: reparo de planilhas, edição de documentos, coescrita de slides. Essa é uma afirmação mais honesta do que uma pontuação genérica de benchmark, desde que você se lembre de que é a rubrica da Tencent.
Duas maneiras muito diferentes de ser um modelo "flash"
O nível flash do Google significa ser rápido e barato em relação ao nível pro, em uma API fechada, com o fornecedor absorvendo a complexidade de servir. O flash da Tencent significa algo mais específico: uma arquitetura cujo propósito inteiro é tornar barato servir um contexto de 1 milhão de tokens.
• Atenção — o Hy4 flash intercala atenção esparsa IndexPool com janelas deslizantes de 512 tokens em uma proporção de 1:3 ao longo de 42 camadas; a arquitetura do Gemini não é divulgada.
• Cache KV — o Hy4 flash é 1/24 do Hy3 e 1/6 do Hy4, segundo informação do fornecedor; não há número público comparável para o Gemini 3.8 Flash.
• Decodificação especulativa — o Hy4 flash vem com o DFly2, um drafter de 0,85B que reutiliza o KV esparso e a seleção do indexador do modelo-alvo para que o custo do rascunho permaneça constante com o contexto; o equivalente do Google é interno.
• Comprimento da saída — A Tencent diz que o pós-treinamento com RL reduziu o número médio de tokens de saída em 50%, e o teste cego relata uma mediana de 6,7 minutos para conclusão de tarefas; a execução de índice do Gemini 3.8 Flash tem média de 14,2 minutos por tarefa.
A última linha é a que merece atenção. Grande parte do que torna o Hy4 flash barato por tarefa é o fato de ele escrever menos, e um modelo que escreve menos não é automaticamente um modelo pior — mas é um modelo cujas saídas você deve ler antes de direcionar por ele um fluxo de trabalho voltado ao cliente. Verborragia e qualidade são eixos diferentes, e apenas um deles aparece numa coluna de custo.
A implantação é o eixo em que eles não são comparáveis de forma alguma.
O Gemini 3.8 Flash é uma API. Não há checkpoint, nem build FP8, nem GGUF, nem caminho de ajuste fino. A entrada do catálogo do OrcaRouter mostra apenas o modelo em si e nada mais.
Hy4 flash é uma API, três repositórios Hugging Face — o modelo instruct, uma build FP8 e um checkpoint base — uma quantização GGUF da AngelSlim, um guia de fine-tuning, imagens vLLM e SGLang fixadas, e uma integração com Transformers atualmente no pull request 50903. Essa lista não é uniformemente boa notícia: imagens fixadas e uma instalação por referência de PR significam que você está executando builds testadas pela Tencent, em vez de builds que foram lançadas.
Mas isso muda o que significa “barato”. No Gemini 3.8 Flash, barato significa o preço do Google, e o Google pode alterá-lo. No Hy4 flash, barato significa o preço da Tencent ou as suas próprias GPUs, e a segunda opção não tem preço nenhum — tem um plano de capacidade, e a arquitetura é um argumento de que o plano é pequeno. A Tencent Hy License permite isso, com uma ressalva: a Secção 10.2 exige uma licença escrita separada acima de 50 milhões de dólares em receita bruta mundial enquanto negócio de modelo como serviço, ou acima de 100 milhões de utilizadores ativos mensais. O uso interno está isento. Uma equipa europeia ou coreana não tem restrição territorial, o que é mais do que se pode dizer de algumas licenças chinesas de pesos abertos. A licença é Apache 2.0 com um gatilho de receita acoplado, o que significa que os dois caminhos de implementação têm preço ao abrigo do mesmo documento, e não de dois — um detalhe que importa quando a sua equipa financeira pergunta porque é que a opção barata é barata.
Onde realmente executar qualquer um dos dois
O Gemini 3.8 Flash está no catálogo do OrcaRouter em google/gemini-3.8-flash, US$ 0,75 por milhão de tokens de entrada e US$ 3,75 por milhão de tokens de saída, com leitura de cache de US$ 0,075, roteado pelo preço de tabela do Google, com 0% de markup da nossa parte — então, se o Google reduzir o preço de um modelo que já descontinuou, você vê isso no dia em que acontece, em vez de na próxima sincronização do catálogo. O Hy4 flash não está no catálogo; o que está lá é o modelo professor dele, tencent/hy4-preview, a US$ 0,834 e US$ 2,501 por milhão, com leitura de cache de US$ 0,042.
O padrão útil para este par específico é uma regra de roteamento, e não uma escolha. Coloque a camada de ingestão de áudio e vídeo na rota Gemini, porque é a única das duas que aceita essas entradas. Coloque a camada de texto e documentos de alto volume na rota barata depois de você mesmo medi-la. A DSL de roteamento existe exatamente para expressar essa divisão em um único endpoint, e o failover automático significa que a degradação da rota barata não derruba o pipeline junto com ela — o que importa mais do que o normal quando a rota barata tem dois dias de vida e roda em uma imagem de contêiner fixada.

A decisão, enunciada em três casos
Se você precisar de entrada de áudio ou vídeo, a comparação termina: o Gemini 3.8 Flash é a única opção aqui, e o fato de estar obsoleto é um custo de migração que você deve contabilizar, e não um motivo para descartá-lo.
Se você precisa de um modelo com uma pontuação independente antes de colocá-lo diante dos clientes, a mesma resposta se aplica por um motivo diferente. Trinta e um no Índice de Inteligência é um número modesto, mas é um número medido, e o Hy4 flash não tem nada que seja medido.
Se sua carga de trabalho for de texto e documentos em grande volume, tolerante a latência e você puder executar sua própria avaliação, o Hy4 flash vale a tarde que leva para testar. Uma diferença de 13x no preço de saída não é um erro de arredondamento, e o fato de a Tencent ter publicado um teste cego em que perdeu por 0,02 ponto é um sinal melhor sobre a honestidade do modelo do que qualquer número na ficha do Google. Só não pule a avaliação: o modelo não tem pontuação de terceiros, suas tabelas públicas de benchmark descrevem um checkpoint diferente do que você vai chamar, e a única medição externa dele é uma pesquisa de satisfação realizada por seu criador.
E fique de olho na descontinuação. Se o Google aposentar o Gemini 3.8 Flash da mesma forma que aposentou os modelos anteriores, a verdadeira resposta desta página muda de "o caro é o que foi medido" para "o que foi medido sumiu", e um modelo de pesos abertos com dois dias de vida e sem pontuação começa a parecer consideravelmente mais atraente do que parece hoje.
Comparados neste artigo3
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
