Um cartão de título gerado exibindo 'Hy4 flash vs GLM-5.3-Flash' com o subtítulo 'O modelo mais barato é o que você não consegue baixar', uma linha de preço exibindo 'US$ 0,070 / US$ 0,281 / US$ 0,003 contra US$ 0,15 / US$ 0,50 / US$ 0,03 por milhão de tokens' e um rodapé exibindo 'Hy4 flash lançado em 16 de novembro de 2026; GLM-5.3-Flash teve código aberto em 26 de agosto de 2026.'
Guides & Insights

Hy4 flash vs GLM-5.3-Flash: O modelo mais barato é aquele que você não pode baixar

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Hy4 flash e GLM-5.3-Flash miram o mesmo comprador — alguém que quer uma janela de contexto de um milhão de tokens, entrada de imagens e chamada de ferramentas de nível agente sem pagar tarifas de modelo principal — e respondem com tabelas de preços quase idênticas. O Hy4 flash, lançado pela Tencent em 16 de novembro de 2026, cobra US$ 0,070 por milhão de tokens de entrada e US$ 0,281 por milhão de saída, com US$ 0,003 em cache. O GLM-5.3-Flash, que a Zhipu lançou e tornou open source em 26 de agosto de 2026, cobra US$ 0,15, US$ 0,50 e US$ 0,03 na tabela. A Tencent custa aproximadamente metade do preço na entrada e um pouco mais da metade na saída, e dez vezes mais barato na entrada em cache, que é a linha que decide a maioria dos orçamentos de agentes. É também o modelo sem pesos, sem licença, sem ficha de modelo e sem benchmark independente, contra um que tem licença MIT no Hugging Face e pontua 27,8 no Artificial Analysis Intelligence Index.

Essa é a comparação inteira em uma frase, e ela não se resolve de forma clara. Mais barato e não verificável contra mais caro e inspecionável é um trade-off real, não um problema de marketing, e qual lado vence depende de coisas que nenhum dos fornecedores vai te contar. O que vem a seguir é o que cada um publicou de fato, o que a diferença de preço compra e custa, e onde a decisão se define.

Dois cartões de preço, lidos linha por linha

Comece pelos números tal como publicados, porque são os únicos valores nesta comparação que ambas as empresas declaram claramente e que qualquer pessoa pode conferir numa fatura.

• Entrada, por milhão de tokens — Hy4 flash US$ 0,070; GLM-5.3-Flash US$ 0,15.

• Saída, por milhão de tokens — Hy4 flash $0,281; GLM-5.3-Flash $0,50.

• Entrada em cache, por milhão de tokens — Hy4 flash $0.003; GLM-5.3-Flash $0.03.

• Janela de contexto — Hy4 flash 1.048.576 tokens; GLM-5.3-Flash 1.000.000 tokens.

• Parâmetros ativos por token — Hy4 flash 12B de 224B no total, incluindo 64B de parâmetros Engram; GLM-5.3-Flash 18B de 320B no total em 45 camadas.

• Pesos — Hy4 flash anunciado como um plano sem data; GLM-5.3-Flash MIT no Hugging Face desde o dia do lançamento.

• Pontuação independente de inteligência — Hy4 flash: nenhuma publicada; GLM-5.3-Flash: 27,8 no Artificial Analysis Intelligence Index, com 71,5 no Coding Index do mesmo laboratório.

A linha de entrada em cache merece mais atenção do que costuma receber. A US$ 0,003 por milhão, o cache do Hy4 flash é dez vezes mais barato que o do GLM-5.3-Flash e cem vezes mais barato que o de seu próprio carro-chefe T​encent HY4. Para um agente que reenvia um prompt de sistema fixo, um esquema de ferramenta e um documento recuperado a cada etapa, a taxa de cache é a taxa que você realmente paga na maior parte do tempo, e uma diferença de dez vezes aí supera a diferença de duas vezes na entrada nova. Se sua carga de trabalho for intensiva em recuperação, a vantagem do Hy4 flash é maior do que o preço anunciado sugere. Se sua carga de trabalho for geração one-shot sem reutilização, a vantagem se reduz às proporções de entrada e saída.

Ambos os cartões de preço são parcialmente promocionais. O TokenHub da Tencent Cloud está com 50% de desconto por um período limitado não divulgado, e o WorkBuddy é gratuito até 30 de novembro. A tarifa de lançamento com 50% de desconto da Zhipu expirou em 9 de setembro de 2026 e não foi prorrogada, por isso os valores de US$ 0,075 e US$ 0,25 que circularam no final de agosto não se aplicam mais — a tarifa acima é a vigente. Presuma que a promoção da Tencent termine da mesma forma e faça o orçamento com a tarifa de tabela.

A diferença nos parâmetros é menor que a diferença de preço.

A generated comparison card titled 'Two cheap models, two designs' with a left column for Hy4 flash reading 224B total, 12B active, 64B Engram parameters, 1M context, $0.070 / $0.281 / $0.003, no weights published, and a right column for GLM-5.3-Flash reading 320B total, 18B active, 45 layers, 1M context, $0.15 / $0.50 / $0.03, MIT weights on Hugging Face. A footer reads 'Hy4 flash figures are Tencent's, published 16 November 2026; GLM-5.3-Flash price and licence per Zhipu, 26 August 2026.'

O Hy4 flash ativa 12 bilhões de parâmetros por token contra os 18 bilhões do GLM-5.3-Flash, um terço menos de computação por token, e essa é a razão mecânica pela qual ele pode ser vendido pela metade do preço. A parte interessante é o total: 224 bilhões contra 320 bilhões, com 64 bilhões do total da T​encent residindo em parâmetros Engram que guardam associações aprendidas em vez de serem executados em cada passagem direta como um especialista roteado faz. A T​encent não publicou contagem de camadas, contagem de especialistas ou largura de roteamento para o Hy4 flash, então a coisa mais próxima de uma comparação arquitetural é que ambos são modelos esparsos de mistura de especialistas com uma pequena fração ativa, e ambos os fornecedores escolheram esse design pelo mesmo motivo — o custo de serviço escala com os parâmetros ativos, não com os totais.

O design do GLM-5.3-Flash está documentado em mais detalhes, e essa documentação é verificável porque os pesos são públicos: 45 camadas, atenção híbrida esparsa e linear, uma abordagem para conexões residuais que a Zhipu chama de Manifold-Constrained Hyper-Connections, e um mecanismo IndexPool que comprime quatro vetores de chave do indexador em um único pool ponderado para reduzir a latência em contextos longos. O pré-treinamento foi executado em um corpus multimodal de 30 trilhões de tokens. Nada disso é auditado de forma independente, mas é ao menos uma descrição específica o suficiente para ser refutada por qualquer pessoa que baixe o checkpoint.

A assimetria não está no fato de a Zhipu ter publicado e a Tencent não. Ambas publicaram; publicaram tipos diferentes de coisa. A Zhipu descreveu um modelo, que é uma alegação sobre estrutura que um checkpoint pode confirmar ou refutar. A Tencent descreveu um resultado — um cache KV com um sexto do tamanho do de seu carro-chefe, comprimento de saída reduzido pela metade por autodestilação, mais de 150 tokens por segundo de decodificação a partir de quantização de quatro bits e um megakernel — que é uma alegação sobre comportamento que só a reprodução pode resolver. Resultados são as alegações comercialmente mais interessantes e as mais difíceis de verificar. Em um modelo com pesos públicos, uma alegação de serving é testada por estranhos em semanas; em um modelo sem eles, ela permanece uma frase em uma página de pesquisa pelo tempo que o fornecedor quiser.

Um destes você pode baixar

Esta é a diferença decisiva para uma parcela significativa dos compradores, e não é por pouco. O GLM-5.3-Flash tem licença MIT, em FP8 e BF16, em zai-org/GLM-5.3-Flash no Hugging Face, e assim é desde 26 de agosto de 2026. A MIT permite uso comercial, modificação, ajuste fino e redistribuição sem limite de receita. O modelo está em amplo uso público há quase três meses, o que significa que a pilha de inferência já o contempla: existem quantizações, existem receitas de serving, e qualquer afirmação sobre seu comportamento pode ser testada executando-o.

Não existe nada semelhante para o Hy4 flash. O compromisso aí é uma frase sobre planos futuros, matizada por uma intenção de continuar a iterar, e não indica qualquer licença nem qualquer data. A Tencent já fez isto corretamente antes — a pré-visualização de agosto foi lançada sob Apache 2.0, com pesos em quatro sites de alojamento e receitas para vLLM e SGLang no primeiro dia —, pelo que o padrão não oferece dúvidas. O que oferece dúvidas é a timidez da linguagem atual, que soa a um compromisso com um processo e não com um artefacto. Qualquer pessoa que planeie fazer fine-tuning, hospedar por conta própria ou construir um modelo de custos em torno da execução da sua própria inferência deve considerar o Hy4 flash como disponível apenas via API até aparecer um repositório.

A mesma assimetria se aplica às evidências. O GLM-5.3-Flash tem dois números de um conjunto de testes que nenhum dos fornecedores escreveu: 27,8 no Artificial Analysis Intelligence Index e 71,5 no Coding Index dele. Ambos são verificáveis, e o par diz algo específico: 71,5 em codificação contra 27,8 no índice geral descreve um modelo genuinamente bom em uma coisa e comum em todo o resto, que é exatamente o que uma categoria barata deveria ser. Esse é o tipo de distinção que uma única pontuação de manchete apaga, e é por isso que os números restantes dos fornecedores neste texto são apresentados como alegações, e não como resultados. O Hy4 flash não tem pontuação independente, e seus resultados de benchmark — DeepSWE, Terminal-Bench 4.0, APEX-Agents, OSWorld 2.1 e as suítes internas da Tencent — existem apenas como imagens de gráficos na página de pesquisa do fornecedor. Isso não é motivo para desconfiar deles. É motivo para tratá-los como hipóteses.

O que cada fornecedor mediu, e quem ele superou

Ambas as empresas publicaram comparações, e compararam-se a coisas diferentes, o que revela o que cada uma considerava ser sua fraqueza.

A manchete da Tencent é um teste cego: 85 usuários do WorkBuddy, 27 categorias de tarefas, 259 tarefas reais do dia a dia, com o Hy4 flash sendo relatado como alcançando resultado próximo ao do Claude Haiku 5.5 em satisfação, ao mesmo tempo que apresenta o menor custo por tarefa e a menor duração de tarefa do painel. Observe: “próximo de”, não “melhor que”, e observe que o painel é composto pelos próprios funcionários do fornecedor, no próprio produto do fornecedor. A alegação de apoio é o custo por tarefa no WorkIndex, o benchmark interno de oito suítes da Tencent: um treze avos do Hy4 preview, um vigésimo do Tencent HY4, um oitavo do DeepSeek-V4.1-Flash-1017. Em comparação com o GLM-5.3-Flash, o único número publicado é um ganho de 2,52% em chat geral dentro do 元宝, o que é uma métrica de produto em um único aplicativo de consumo e não se transfere para nada que você venha a executar.

O posicionamento da Zhipu é diferente: ela vende o modelo como uma capacidade adjacente à fronteira a custo flash, precifica-o em relação ao seu próprio carro-chefe de 743B e aponta para pesos abertos e um resultado de avaliação de exploits como prova de que o modelo barato não é um brinquedo. Seus números internos já receberam uma correção independente, e o número da AA é o que deve ser citado.

A consequência prática é que nenhum dos fornecedores publicou uma comparação direta em um harness neutro, e a comparação que você realmente gostaria de ver — mesmas tarefas, mesmos prompts, mesmo harness, ambos os modelos — não existe. Você vai ter que executá-la. Dez tarefas que você já realiza, com as contagens de tokens registradas, bastam para resolver isso para o seu tráfego e valem mais do que qualquer uma das páginas de lançamento.

Duas apostas diferentes na multimodalidade

GLM-5.3-Flash aceita entrada de texto, imagem e vídeo nativamente e foi o primeiro modelo GLM-5 a fazer isso em vez de rotear a visão por meio de um adaptador separado. Essa é uma afirmação documentada e testável, e os pesos são públicos, então é possível verificá-la sem pedir permissão.

Hy4 flash é descrito como multimodal, e a suíte WorkIndex na qual ele foi medido inclui a compreensão visual como um dos oito tipos de tarefa. A T​encent não disse se o caminho de visão é nativo ou um adaptador, não publicou o tamanho do codificador e não disse se há suporte a vídeo. O máximo que se pode dizer é que a entrada de imagem faz parte da proposta e que o predecessor do modelo na família — T​encent HY4, disponibilidade geral em 4 de novembro de 2026 — acrescentou visão nativa e uso de computador como seu recurso de destaque, então a capacidade é plausível para um modelo destilado a partir dele. Plausível não é documentado.

Se capturas de ecrã, gráficos, documentos digitalizados ou fotogramas de vídeo forem essenciais no seu fluxo de trabalho, o GLM-5.3-Flash é o modelo cujo comportamento multimodal pode verificar antes de assumir um compromisso. Se as imagens forem ocasionais, a diferença importa menos do que o preço.

Onde a decisão muda de rumo

Escolha o Hy4 flash quando o volume for o problema e a tarefa tiver um perfil de escritório. Processamento de documentos, recuperação em um corpus longo, geração de slides, trabalho simples de frontend, loops de uso do computador — essas são as cargas de trabalho para as quais a Tencent o criou, aquelas que seus dados internos de produtos cobrem e aquelas em que um desconto de dez vezes no cache e uma redução de 50% no comprimento da saída se combinam para algo uma ordem de grandeza mais barato. Execute-o primeiro nas suas próprias tarefas e observe os tokens de saída: se o modelo realmente for mais conciso, sua conta cai mais do que a tabela de preços prevê; e se ele for mais conciso porque é mais superficial, você verá isso na mesma medição.

Escolha o GLM-5.3-Flash quando você precisar do artefato, da auditoria ou da modalidade. Ajuste fino, execução no local, dados regulamentados, uma licença que você possa mostrar a um advogado, entrada de vídeo ou uma pontuação de um harness que ninguém na Zhipu escreveu — tudo isso aponta numa só direção. A $0,15 e $0,50 não é caro; é cerca de um décimo do preço de tabela do GLM-5.3 para um modelo que já sobreviveu a medições independentes.

Escolha os dois quando a carga de trabalho for mista. A leitura honesta dos dois lançamentos é que eles não são realmente substitutos: um é um modelo de API otimizado para custo para trabalho cotidiano de alto volume, o outro é um checkpoint aberto com arquitetura documentada para qualquer coisa que precise sair do controle do fornecedor. Um roteador que alcança ambos é uma resposta mais barata do que escolher um e errar.

A screenshot of the OrcaRouter model page for GLM 5.3 Flash, slug z-ai/glm-5.3-flash, credited to Z.ai and dated 2026-08-26, describing a 320B-total, 18B-active native multimodal model with a 1M-token context that takes text, image and video in and returns text. The specification strip reads max output 128K, input $0.15 and output $0.50 per million tokens, p50 time to first token 3.82 seconds and p95 10.00 seconds. The pricing panel lists $0.150 input, $0.500 output and $0.030 cache read per million tokens, and the public benchmark panel shows 71.5 on the AA Coding index and 27.8 on AA Intelligence. A button reads 'Get the GLM 5.3 Flash API'.

O que é realmente chamável hoje

É aqui que os dois modelos se diferenciam tanto operacionalmente quanto comercialmente. O GLM-5.3-Flash está no catálogo do OrcaRouter como z-ai/glm-5.3-flash ao preço de tabela do provedor de US$ 0,15 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída, com um nível gratuito sujeito a limite de requisições ao lado para avaliação. O Hy4 flash não é roteado aqui — a T​encent não o disponibilizou para nós —, então quem quiser comparar os dois precisa do TokenHub da própria T​encent para o lado do flash e pode usar a mesma chave do OrcaRouter para o lado do G​LM.

Vale a pena aproveitar essa separação em vez de se ressentir com ela. OrcaRouter repassa o preço de lista do provedor sem markup, o que significa que o lado G​LM da sua comparação é cobrado exatamente pela tarifa da Z​hipu e permanece correto se a Z​hipu alterá-la; não há tabela de revendedor que possa ficar desatualizada. E para a própria avaliação, ter tencent/hy4-preview na mesma chave que z-ai/glm-5.3-flash é útil, mesmo que não seja o modelo em questão: o preview é o modelo do qual o Hy4 flash foi destilado, então é o controle natural quando você testa se as respostas do modelo pequeno se sustentam. Uma chave, mais de 200 modelos e um caminho de failover caso um endpoint da semana de lançamento se mostre instável — o que, para um modelo lançado há seis dias sem histórico público de uptime, é algo razoável de se querer.

A generated decision card titled 'Pick by constraint' with three rows: high volume office-shaped work points to Hy4 flash on price per task; fine-tuning, on-premises serving or a named licence points to GLM-5.3-Flash under MIT; mixed workloads point to routing both from one key. A footer reads 'GLM-5.3-Flash scores 27.8 on the Artificial Analysis Intelligence Index; Hy4 flash has none published.'

O preço não é a questão.

A Tencent construiu o modelo mais barato e, pelos números, ele é mais barato por uma margem que importa: metade na entrada, um pouco mais da metade na saída, um décimo no cache. O que ela não construiu foi um modelo que você possa inspecionar. Sem pesos, sem licença, sem detalhes de arquitetura, sem pontuação independente, benchmarks atrás de pixels, e uma comparação de destaque tirada de um painel dos próprios funcionários. A Zhipu construiu o mais caro e publicou o suficiente para que suas fraquezas — incluindo um índice do fornecedor que a medição independente cortou em quinze pontos — estejam registradas publicamente, onde você pode avaliá-las.

Seis dias após o lançamento, é essa a forma da escolha: um desconto demonstrado em relação a um modelo não documentado, ou um modelo documentado a um preço que ainda é muito baixo. O desconto provavelmente é real, e a lacuna de documentação provavelmente é temporária. Nenhum dos dois é certo, e a maneira de descobrir é passar uma tarde medindo em vez de um trimestre escolhendo.

Comparados neste artigo3

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente