Um cartão hero gerado com o texto 'Hy4 flash vs MiniMax M3.1 Flash', com um bloco à esquerda mostrando '220B / 12B ativos, $0.070 / $0.281, sem pontuação de índice, lançamento em 17 nov 2026' e um bloco à direita mostrando '428B / 23B ativos, $0.15 / $0.60, Índice de Inteligência 29, lançamento em 19 out 2026', além de um rodapé com o texto 'Índice 29 segundo Artificial Analysis v5.0.1; os preços do Hy4 flash são as tarifas de tabela da Tencent.'
Guides & Insights

Hy4 flash vs MiniMax M3.1 Flash: dois modelos de pesos abertos e baratos, um com pontuação

Autor

jinhao.song

Data de publicação

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

Este é um confronto raro em que ambos os modelos são baixáveis, ambos se posicionam no mesmo nível de "barato e rápido", ambos aceitam imagens, ambos suportam um milhão de tokens, e um deles tem uma pontuação de alguém que não é o seu criador. MiniMax-M3.1-Flash está no Artificial Analysis desde seu lançamento em 19 de outubro de 2026 e atualmente registra 29 no Intelligence Index v5.0.1, a US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de saída. Hy4 flash é público desde 16 de novembro de 2026, tornou-se de pesos abertos em 17 de novembro, custa cerca da metade disso na entrada e menos da metade na saída, e não tem nenhuma entrada no Artificial Analysis.

Portanto, esta página não pode dizer qual modelo é mais inteligente, porque apenas um deles foi medido. O que ela pode fazer é algo mais útil para quem está de fato escolhendo: colocar os dois artefatos de lançamento lado a lado, porque estes são objetos genuinamente comparáveis — mesmo nível, mesmo grau de abertura, mesmo mês — e as diferenças que permanecem são concretas, sobre licenciamento, custo de serviço e aquilo para que cada fornecedor estava otimizando.

Comece pelo que ambos os fornecedores realmente entregaram

Ambos os lançamentos incluem um modelo ajustado por instruções, pesos abertos e uma variante base ou quantizada. Nenhum dos dois é uma API fechada com um download enxertado.

• MiniMax-M3.1-Flash — 428B de parâmetros totais, 23B ativos, mistura de especialistas, modelo de raciocínio, entrada de texto e imagem com saída de texto, contexto de 1M de tokens, pesos no Hugging Face sob a MiniMax Community License, que permite uso comercial com restrições.

• Hy4 flash — 220B de parâmetros totais (155,5B de backbone mais 63,5B de Engram, mais um codificador de visão de 0,43B e um drafter de 0,85B), 12B ativos, mistura de especialistas, texto e imagem na entrada com texto na saída, contexto de 1.048.576 tokens, pesos no Hugging Face como Hy4 flash, Hy4 flash-FP8 e Hy4 flash-Base sob a T​encent Hy License.

• O que a MiniMax não lançou — nenhum checkpoint base separado e nenhuma tabela de benchmarks do modelo base; o modelo de 428B é o artefacto.

• O que a Tencent não lançou — nenhuma pontuação independente, nenhuma suíte de benchmarks agênticos publicada para o modelo de instrução e nenhum lançamento do Transformers (a integração está no pull request 50903).

As contagens de parâmetros merecem uma ressalva, e não uma comparação, porque não medem a mesma coisa. Os 428B/23B da MiniMax são uma contagem convencional de parâmetros densos. Os 220B da Tencent incluem 63,5B de tabelas de embeddings de n-gramas do Engram — parâmetros que passam por hash e são consultados, em vez de multiplicados —, então os dois totais não são uma medida de tamanho de modelo em pé de igualdade, assim como o número de estantes de uma biblioteca não mede o quanto ela leu. Os números de parâmetros ativos são a comparação mais justa, com 12B contra 23B, e preveem o que as tabelas de preço realmente mostram.

As linhas de preço, e o único ponto em que elas se invertem

Ambos os cartões de tarifas são os preços de tabela dos próprios fornecedores, não medições.

• Entrada — Hy4 flash $0.070 em comparação com MiniMax-M3.1-Flash $0.15. Hy4 flash é 2,1x mais barato.

• Saída — $0,281 contra $0,60. Hy4 flash é 2,1x mais barato.

• Entrada em cache — US$ 0,003 contra US$ 0,015. O Hy4 flash é 5x mais barato.

• Custo medido por tarefa do Index — US$ 0,49 para o MiniMax-M3.1-Flash, segundo a Artificial Analysis; não medido para o Hy4 flash.

A última linha é a mais interessante, porque mostra por que o preço por token é uma péssima proxy para o custo por tarefa. Os $0.49 por tarefa concluída do Index do MiniMax-M3.1-Flash são cobrados a uma taxa de entrada de $0.15 — mais que o dobro da do Hy4 flash — e ainda assim ele sai mais barato por tarefa do que modelos com preços por token menores, porque o número de tokens que um modelo gasta até chegar a uma resposta varia mais do que a taxa. A afirmação da Tencent de que o pós-treinamento com RL reduziu em 50% seu comprimento médio de saída é a mesma ideia vista da direção oposta: o modelo mais barato costuma ser aquele que para de falar primeiro.

Então, a leitura honesta da comparação de preços é: as tarifas do Hy4 flash são menores por um fator de dois, e ninguém sabe se isso se traduz em um fator de dois por tarefa até que um harness independente execute os dois. Os próprios números do WorkIndex da Tencent colocam o Hy4 flash a 1/8 do custo por tarefa do DeepSeek-V4.1-Flash-1017, que é uma comparação diferente em um conjunto de testes diferente. Não faça essa transposição.

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'.

Velocidade: uma medida, uma declarada

• MiniMax-M3.1-Flash — 132 tokens de saída por segundo, 50,64 segundos até o primeiro token da resposta, cerca de 14,2 minutos de tempo real por tarefa do Index, se você extrapolar a partir dos valores de $0,49 e 132 t/s. Tudo da Artificial Analysis.

• {{1}}Hy4 flash{{/1}} — mais de 150 tokens por segundo de decodificação alegados pela T​encent para a versão FP8 em um nó tensor-parallel-8, e um tempo mediano de conclusão ponta a ponta de 6,7 minutos no teste cego da própria T​encent com 85 usuários.

Esses números não são comparáveis, e a diferença é instrutiva. O número da MiniMax é uma medição de throughput numa estrutura de testes padronizada; o da Tencent é uma alegação de serving para uma imagem de contentor específica em hardware específico, além de uma mediana de conclusão de tarefas proveniente de uma população interna. Nenhum dos fornecedores está a ser desonesto. Estão a responder a perguntas diferentes, e a segunda — quanto tempo até o utilizador ter a sua resposta — é a que decide se um produto parece rápido.

O tempo de 50 segundos até o primeiro token no MiniMax-M3.1-Flash merece ser destacado por si só. Trata-se de um modelo de raciocínio que faz o seu pensamento antes de dizer qualquer coisa, o que é adequado para trabalho em lote e ruim para qualquer coisa interativa que faça streaming. O Hy4 flash tem o mesmo problema estrutural numa forma mais branda: reasoning_effort tem como padrão high, e a alternativa documentada é no_think. Não há uma configuração intermediária no modelo da T​encent, enquanto o MiniMax expõe uma configuração de raciocínio mais completa. Se o seu orçamento de latência precisa de "pensar um pouco", isso é uma lacuna real.

Licenças: duas formas diferentes de não ser completamente aberto

Nenhum dos dois checkpoints é de código aberto. Ambos são de pesos abertos com condições, e as condições são moldadas de forma suficientemente diferente para que determinem acordos diferentes.

• Licença Comunitária MiniMax — permite uso comercial com restrições; o texto da licença rege a implantação, e o cartão do modelo a apresenta em vez de uma licença aprovada pela OSI.

• Licença Tencent Hy v1.0 — Apache 2.0 mais uma Seção 10.2 que exige uma licença escrita separada se você operar um negócio de modelo como serviço com receita bruta mundial superior a US$ 50 milhões em qualquer período de doze meses, ou atender mais de 100 milhões de usuários ativos mensais.

• As isenções da T​encent — uma equipa que nunca revende o acesso não paga nada extra, um produto que expõe o modelo apenas dentro de uma funcionalidade fixa, em vez de prompting aberto, não é de todo MaaS, e reencaminhar um pedido para o endpoint alojado de outra pessoa não conta. Estas três frases são a razão pela qual uma empresa europeia de SaaS normalmente consegue ler esta licença uma vez e seguir em frente, ao passo que o texto da MiniMax exige uma decisão subjetiva sobre o que "restrictions" significa para a sua própria implementação.

• O critério de acionamento da Tencent está vinculado à receita, e não ao território — não há jurisdição excluída, o que a distingue de licenças que proíbem categoricamente a UE, o Reino Unido ou a Coreia do Sul.

O documento da Tencent é excepcionalmente legível para esse gênero, porque os termos adicionais estão isolados em uma seção numerada que diz exatamente o que ela faz com a concessão da Apache. Independentemente do que mais seja verdade sobre o lançamento, a licença foi redigida por alguém que esperava que engenheiros a lessem.

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.

A diferença na pontuação, e por que “29” não conta a história toda

A Artificial Analysis mede o MiniMax-M3.1-Flash em 29 na v5.0.1. Se você leu qualquer outra coisa sobre este modelo neste blog, pode ter visto 42 ou 43 — esses valores estavam corretos na versão anterior do índice, e a reformulação de base de 27 de outubro de 2026 deslocou todos os modelos do quadro. Citar 43 hoje e 29 para um concorrente seria comparar dois instrumentos diferentes. Na versão atual, 29 é o número, e ele coloca o MiniMax-M3.1-Flash na mesma faixa ampla que o 31 do Gemini 3.8 Flash e abaixo do 36 do Claude Haiku 5.5.

Para o Hy4 flash, não há faixa. A evidência disponível mais próxima é o teste cego da Tencent, no qual ele obteve 2,79 de 4 em satisfação do usuário, contra 2,81 do Claude Haiku 5.5. Se você estiver disposto a fazer uma inferência — e é apenas uma inferência —, um modelo que fica dentro do ruído de um modelo de índice 36 em tarefas de escritório provavelmente também não está muito longe dessa faixa. Isso é uma hipótese a testar, não uma pontuação a citar.

O que resolveria isso é uma única execução do mesmo harness. Ambos os modelos são baixáveis, o que significa que a barreira é computacional, não de acesso, e a comunidade que faz benchmarks de modelos chineses de pesos abertos vai chegar lá. Até então, a assimetria é o fato: um deles foi medido publicamente e o outro não, e nenhuma quantidade de descrição de arquitetura fecha essa lacuna.

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.

Encaminhamento: um destes dois você pode ligar hoje

Esta é a diferença prática — e ela passa justamente pelo nosso próprio catálogo. MiniMax-M3.1-Flash está no OrcaRouter como minimax/minimax-m3.1-flash, a $0.15 por milhão de tokens de entrada e $0.60 por milhão de saída, com leitura de cache a $0.015 — o preço de tabela da própria MiniMax, repassado com 0% de margem, então uma mudança de preço do fornecedor entra no ar aqui no mesmo dia. A entrada multimodal é texto, imagem e vídeo, e a janela de contexto é de 1,048,576 tokens.

O Hy4 flash não está no catálogo. O que há da T​encent é tencent/hy4-preview, o modelo 770B/49B do qual o Hy4 flash foi destilado, a US$ 0,834 e US$ 2,501 por milhão, com leitura de cache de US$ 0,042. Trata-se de um terceiro modelo genuinamente útil para esta decisão, e não de um consolo: se você está avaliando se o comportamento da família Hy se adequa à sua carga de trabalho, o preview responde em uma tarde, e os pesos abertos mostram quanto custaria executar você mesmo a versão barata.

O DSL de roteamento é onde isso fica mais interessante do que uma escolha entre dois caminhos. Um pipeline pode enviar chamadas interativas curtas para a rota mais barata e trabalho longo com documentos para o modelo que venceu sua própria avaliação, em um único endpoint, com failover automático entre provedores para que um modelo na primeira semana de disponibilidade não seja um ponto único de falha. Essa postura — colocar o novo modelo no tráfego que você pode se dar ao luxo de perder — é a correta para qualquer checkpoint tão jovem, e é a mesma postura que você desejaria para uma implantação FP8 auto-hospedada atrás de um gateway interno.

Qual deles, para qual trabalho

Escolha o MiniMax-M3.1-Flash se você precisa de um modelo avaliado agora, se suas entradas incluem vídeo, se você precisa de uma configuração de esforço de raciocínio entre "ligado" e "desligado", ou se quer estar em uma plataforma onde o preço do fornecedor já está ativo, em vez de uma tabela de preços que você mesmo precisa calcular. Sua estrutura 428B/23B e 132 tokens por segundo fazem dele um cavalo de batalha, e o fato de estar no ranking há um mês significa que outras pessoas já encontraram seus modos de falha publicamente.

Escolha o Hy4 flash se o custo por token for a restrição decisiva, se você quiser ser dono da implantação, se precisar de um checkpoint base para ajuste fino, ou se a questão da licença for a que decide — o documento da T​encent não tem exclusão territorial e traz uma exceção clara para uso interno e, para uma equipe europeia, isso pode ser a resposta completa. Seus 12B de parâmetros ativos e contexto de 1M tokens com 1/6 do KV cache de seu antecessor são um argumento de que o segundo preço, o medido em GPUs, é excepcionalmente baixo.

Espere, nos dois casos, se a decisão for cara. Um desses modelos nunca foi avaliado de forma independente em benchmark, e o outro nunca foi executado contra ele. A comparação que realmente resolverá isso — ambos em um mesmo harness, pontuados nas mesmas tarefas, com o custo por tarefa concluída ao lado da pontuação — ainda não existe. Quando existir, as linhas de parâmetros e de licença acima continuarão verdadeiras, e a linha de pontuação finalmente significará algo.

Comparados neste artigo4

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