
Hy4 flash vs Tencent HY4: Uma família, dois níveis e uma diferença de preço de doze vezes
- 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 / $0.00 por 1M de tokens · 219 tok/s
O Tencent HY4 entrou em disponibilidade geral em 4 de novembro de 2026 como um modelo de 770 bilhões de parâmetros, com 49 bilhões ativos por token, visão nativa, uso de computador e preço de US$ 0,834 de entrada / US$ 2,501 de saída por milhão de tokens. Doze dias depois, em 16 de novembro, a Tencent lançou o Hy4 flash: 224 bilhões de parâmetros totais, com 12 bilhões ativos, o mesmo contexto de um milhão de tokens e US$ 0,070 de entrada / US$ 0,281 de saída. O Hy4 flash foi criado pela destilação do Tencent HY4 e depois treinado com aprendizado por reforço para falar menos, e a própria orientação da Tencent indica exatamente isso — use o modelo flash para busca profunda, documentos, slides, trabalho de frontend e uso de computador, e reserve o modelo principal para engenharia de software de longo horizonte. Essa orientação é excepcionalmente franca para um lançamento e também é a coisa mais útil em ambos os lançamentos.
Portanto, isto não é um confronto entre rivais. É uma empresa dividindo a própria família em duas e dizendo qual metade comprar, e as perguntas interessantes são quanto do modelo principal sobrevive no modelo pequeno, onde a divisão de fato recai, e o que a diferença de preço de doze vezes compra além de tokens.
Três lançamentos em onze semanas
A linhagem explica a maior parte do preço. A Tencent lançou esta família três vezes desde agosto, e cada lançamento alterou uma variável diferente.
• 28 de agosto de 2026 — prévia do Hy4. Apache 2.0, pesos no Hugging Face, ModelScope, GitCode e CNB, 770B no total / 49B ativos, 78 camadas das quais uma densa e 77 de mistura de especialistas com 256 especialistas roteados mais um compartilhado, roteamento top-8, um contexto de 1,048,576 tokens, uma camada de previsão multi-token de 10B com 0.7B ativos. ¥6 / ¥18 / ¥0.3 por milhão de tokens. Oito linhas de benchmark publicadas, receitas para vLLM e SGLang, padrões de amostragem publicados.
• 4 de novembro de 2026 — Tencent HY4. Mesma escala de backbone, substancialmente mais pré-treinamento e pós-treinamento, e duas novas capacidades: visão nativa sobre imagens de grão fino, gráficos e diagramas, e uso de computador por meio de mouse, teclado e linha de comando, com treinamento específico para Blender, CAD e trabalho de longo horizonte entre aplicações. Mesmo preço ¥6 / ¥18 / ¥0,3. Sem pesos, sem licença, sem model card, sem apêndice de benchmarks.
• 16 de novembro de 2026 — Hy4 flash. 224B no total, com 64B de parâmetros Engram e 12B ativos, multimodal, contexto de 1.048.576 tokens, ¥0,5 / ¥2 / ¥0,02. Sem pesos, sem licença, sem ficha do modelo, números de benchmark publicados apenas como imagens de gráfico.
A direção do percurso é visível: a família vem ficando mais barata e menos aberta ao mesmo tempo. O membro mais barato é também o que tem menos burocracia, e a única versão que qualquer pessoa pode baixar é a de agosto.
O que o modelo principal ainda faz que o flash não faz

Duas capacidades estão presentes no modelo principal e não são atribuídas ao modelo pequeno nos mesmos termos.
Visão em escala. O lançamento do HY4 demonstrou uma fotografia aérea de 2,8 gigapixels na qual o modelo localizou um componente de telhado de dois metros, o que é menos um resultado de visão do que uma demonstração de que uma janela de um milhão de tokens consegue conter uma imagem fragmentada em tiles e uma consulta ao mesmo tempo. O Hy4 flash é chamado de multimodal, e um dos oito tipos de tarefa da sua suíte WorkIndex é a compreensão visual, mas o lançamento não diz se o codificador é próprio ou acoplado, qual é o seu tamanho, nem se vídeo é aceito. Para trabalho com documentos densos e gráficos, o modelo principal é aquele que tem uma demonstração publicada por trás.
Uso de computador e trabalho de desktop de longo horizonte.A Tencent treinou o HY4 especificamente para operar um desktop entre aplicativos, executou-o em um sandbox construído sobre seu próprio Agent Runtime com várias centenas de aplicativos instalados e citou Blender e CAD como cargas de trabalho alvo. O Hy4 flash também é recomendado para uso de computador, o que é uma concessão significativa — mas o modelo principal é aquele ao qual se associa a descrição de treinamento, e os dados internos do WorkBuddy mostram o flash perdendo terreno em tarefas longas de programação, mesmo alcançando paridade no trabalho diário.
Tudo o mais na coluna do modelo principal é escala, e não capacidade: 49 bilhões de parâmetros ativos contra 12 bilhões, 78 camadas documentadas contra uma contagem não divulgada, 256 especialistas roteados contra um número não divulgado. Mais parâmetros ativos compram profundidade em raciocínio difícil e cadeias de ferramentas longas. Eles não compram acesso à janela de contexto, que é a mesma em ambos, nem à multimodalidade em princípio, que ambos alegam ter.
De onde vem a diferença de doze vezes
A diferença de preço não é um desconto. É quatro vezes menos parâmetros ativos, além de um conjunto de mudanças na disponibilização do modelo, e a Tencent é excepcionalmente específica quanto à segunda parte.
O trabalho de eficiência, segundo o fornecedor: atenção híbrida, LatentMoE e os parâmetros Engram, em conjunto, produzem um cache KV de um vigésimo quarto do tamanho do de Hy3 e de um sexto do da Tencent HY4. A autodestilação a partir do HY4, seguida de aprendizado por reforço, reduziu o comprimento da saída de ponta a ponta em 50%. Um megakernel de inferência com quantização de quatro bits e um caminho de decodificação chamado DFly sustenta mais de 150 tokens por segundo. Cada um é plausível, cada um é consistente com a arquitetura, e nenhum foi reproduzido de forma independente.
A cifra do cache KV é a que muda a aritmética de implantação, e não apenas o preço. Em um contexto de um milhão de tokens, o tamanho do cache decide quantas requisições longas simultâneas cabem em um nó, e um sexto do cache do modelo carro-chefe por um doze avos do preço é uma combinação que pode transformar uma carga de trabalho não lucrativa em lucrativa sem qualquer mudança na qualidade do modelo. O corte de 50% no comprimento da saída é o que muda a qualidade, e é esse o número a testar: respostas mais curtas são mais baratas porque são mais curtas, e se são mais curtas porque o modelo é eficiente ou porque parou de pensar é exatamente o que um fornecedor não consegue dizer sobre o próprio modelo.
Para referência sobre a trajetória da própria família, a Tencent reporta o custo por tarefa no seu conjunto interno WorkIndex como um treze avos do Hy4 preview e um vinte avos do Tencent HY4. O custo por tarefa é uma medição diferente da do custo por token, incorporando o comprimento da saída e as novas tentativas, portanto o vigésimo é o número operacional honesto, e o décimo segundo é a tabela de preços. Ambos são suficientemente grandes para que não haja dúvida sobre a direção.
A pergunta sobre destilação que ninguém respondeu
Um modelo destilado herda o comportamento do seu professor nas tarefas abrangidas pela destilação e inventa o seu próprio nas restantes. A Tencent diz que o Hy4 flash foi autodestilado a partir do HY4, o que torna o modelo principal tanto o concorrente como o sinal de treino — um arranjo que normalmente produz um modelo pequeno muito bom naquilo em que o professor foi treinado e visivelmente mais fraco noutras áreas.
Os dados internos de produto da empresa são consistentes com esse padrão. No WorkBuddy, o Hy4 flash custa aproximadamente um quinze avos do Tencent HY4, com tempo de tarefa 70% menor, paridade em tarefas diárias e uma pequena queda em codificação longa. Nos fluxos de agente do 微信支付, ele iguala ou supera o DeepSeek-V4.1-Flash-1017, com 6% menos etapas e 29% menos tokens de saída. Na análise de causa raiz do 王者荣耀, ele fica próximo tanto do DeepSeek-V4.1-Flash-1017 quanto do GLM-5.3-Flash em localização, usando de 22% a 39% menos requisições e de 40% a 61% menos tokens. No 企业微信, ele produz saída 88% mais rápida, com 60% menos tokens de raciocínio que o HY4.
Lidos em conjunto, esses números descrevem um modelo excelente no tipo de tarefa para o qual a família foi treinada — documentos, agentes, saída estruturada, recuperação — e que cede um pouco nas tarefas em que a profundidade extra do professor fazia o trabalho. Esse é o resultado esperado da destilação e não é uma crítica; é o motivo para manter os dois níveis em vez de substituir um pelo outro.
O que nenhum dos dois modelos tem
Nem a versão principal nem a versão flash vêm com pesos. {{1}}A Tencent diz que planeja abrir o código-fonte do {{2}}Hy4 flash{{/2}} e iterar com frequência, mas não há licença, data nem repositório.{{/1}} {{3}}O lançamento dos pesos do próprio Tencent HY4 também é anunciado como um plano.{{/3}} O único membro desta família que você pode baixar hoje é o {{4}}Hy4 preview{{/4}}, Apache 2.0, no Hugging Face desde 28 de agosto, e isso continua verdade onze semanas e dois lançamentos depois.
Nenhum dos dois tem uma pontuação de benchmark independente. O Artificial Analysis não publicou nada para o Tencent HY4 ou o Hy4 flash. Todos os números em ambos os comunicados são da Tencent, as tabelas de benchmark existem como imagens de gráficos e não como texto, e o teste cego por trás da principal alegação do modelo flash é composto por 85 funcionários da Tencent usando um produto da Tencent em tarefas selecionadas pela Tencent. Isso não torna os números errados. Torna-os uma hipótese inicial.
Nenhum dos dois tem uma configuração de amostragem publicada, um cartão de sistema ou uma declaração sobre o comportamento de recusa. A prévia incluiu os três.
A divisão prática
A orientação da Tencent ajusta-se ao formato da carga de trabalho de forma mais clara do que a maioria dos conselhos dos fornecedores, e vale a pena reformulá-la em termos operacionais.
Use o Hy4 flash como padrão para tudo que for majoritariamente leitura.Pesquisa profunda, processamento de documentos, extração em entradas longas, geração de slides, scaffolding simples de frontend e loops de agentes que gastam a maior parte dos tokens reenviando contexto. O desconto de cache de dez vezes e a pegada menor de KV fazem da recuperação de contexto longo a carga de trabalho em que a camada barata é mais claramente correta, e os dados internos cobrem exatamente esse terreno.
Recorra ao Tencent HY4 quando a tarefa for uma longa cadeia de decisões. Engenharia de software com vários arquivos, automação de desktop de longo horizonte, trabalho com CAD e Blender, e qualquer coisa em que uma execução precise manter um plano coerente ao longo de dezenas de etapas. É o caso que a própria Tencent admite, e os 37 bilhões adicionais de parâmetros ativos do modelo carro-chefe são o mecanismo.
Use o preview do Hy4 como controle. É a mesma família, a mesma escala 770B/49B do carro-chefe, um apêndice de benchmark publicado e pesos Apache 2.0 que você pode executar por conta própria. Quando estiver decidindo se o flash é bom o suficiente, o preview oferece um ponto de referência que não depende de confiar em um gráfico.
Onde executar a comparação

Nem o Tencent HY4 nem o Hy4 flash são roteados pelo OrcaRouter. O que está aqui é tencent/hy4-preview pelo preço de tabela do provedor de US$ 0,834 por milhão de tokens de entrada e US$ 2,501 por milhão de tokens de saída, além de um nível gratuito com limitação de taxa, e tencent/hy3 a US$ 0,18 e US$ 0,59 para a geração mais antiga. Os dois modelos neste artigo estão acessíveis pelo TokenHub da própria Tencent, onde o nível flash está atualmente com uma promoção de 50% de desconto por um período não especificado e o WorkBuddy é gratuito até 30 de novembro.
A rota de pré-visualização vale mais do que parece. Ela roda a mesma arquitetura na mesma escala do modelo principal, publica um apêndice de benchmark com oito linhas que você pode reexecutar contra o checkpoint e custa um quarto do que custaria avaliar o modelo principal. Se sua pergunta é se o modelo grande desta família é bom o suficiente para o seu trabalho, a pré-visualização responde a isso por uma fração do preço; se a resposta for sim, o Hy4 flash é a versão com a qual comparar em termos de custo, e a relação de destilação faz essa comparação ficar excepcionalmente limpa — mesma família, mesmo contexto, mesma linhagem de tokenizador, diferença de doze vezes no que você paga.
Uma razão para manter a avaliação num router mesmo para uma família a que só consegue aceder através do respetivo fornecedor: um modelo lançado há seis dias não tem histórico público de disponibilidade, e uma troca para tencent/hy4-preview na mesma chave é uma alteração de uma linha se um endpoint tiver um comportamento anómalo durante uma promoção da semana de lançamento. Nada é acrescentado ao que a Tencent cobra — o preço de tabela é o preço — e, quando a Tencent ajusta uma tarifa, o novo valor é o que paga na chamada seguinte, não no próximo lançamento da folha de comparação de alguém. A mesma credencial também dá acesso a mais de duzentos outros modelos se a avaliação se alargar para além desta família.

A divisão por níveis é o anúncio.
A coisa mais consequente que a Tencent disse em 16 de novembro não foi o preço. Foi que o carro-chefe permanece para engenharia de software de longo horizonte, enquanto o modelo barato assume o trabalho cotidiano — uma empresa dividindo sua própria linha de produtos ao longo do eixo que seus clientes realmente sentem, e admitindo que o modelo barato não é um substituto para o caro.
Para quem está dentro desse recorte, a decisão é fácil e os números são grandes: um décimo segundo do preço de entrada, um nono da saída, um centésimo do cache, quatro vezes menos parâmetros ativos e uma pegada de KV menor na mesma janela de um milhão de tokens. Para quem está fora dele — execuções agênticas longas, automação de desktop, código com vários arquivos —, o carro-chefe ainda é a resposta da família, e o próprio fornecedor diz isso.
O que falta é prova, e ela falta nos dois níveis. Não há pontuação independente, nem pesos para nenhum dos novos modelos, tabelas de benchmark que é preciso ler como imagens e uma comparação de destaque extraída de um painel interno. Uma diferença de preço de doze vezes é uma alegação forte o bastante para ser testada por pessoas fora da Tencent em poucas semanas. Até que isso aconteça, a posição sensata é a que a própria orientação da Tencent implica: use o nível barato nas tarefas para as quais ele foi criado, mantenha o carro-chefe onde o trabalho é longo e avalie ambos em vez de escolher pela tabela de preços.
Comparados neste artigo1
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
