
Tencent Hy4 vs Claude Opus 5.5: Um décimo do custo por tarefa
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 182 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 749 tok/s
- AlibabaNOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 1902 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 96 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 · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 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 · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
O Tencent Hy4 deixou de ser um modelo alugado em 20 de novembro de 2026. Essa é a data em que a Tencent publicou os pesos — tencent/Hy4, Hy4-FP8 e o pré-treinado Hy4-base — no Hugging Face, no ModelScope e no GitCode, dezesseis dias depois de o próprio modelo ter ficado disponível para o público em geral em 4 de novembro. O Claude Opus 5.5, por outro lado, nunca pôde ser baixado: a Anthropic o lançou em 22 de setembro de 2026 como um carro-chefe exclusivo de API e não publicou nada sobre abri-lo. Então a pergunta interessante já não é qual modelo é melhor. É o que você está comprando ao pagar cerca de dez vezes mais por tarefa concluída por um modelo que pontua 24 pontos a mais no índice independente — e se essa troca ainda se sustenta quando o lado barato pode ser executado no seu próprio hardware.
Os números que tornam a comparação concreta vêm ambos da Artificial Analysis, na revisão v5.0.1 do seu Intelligence Index. O Claude Opus 5.5 está em 59 na configuração de esforço máximo, 57 em xhigh, 52 em high, 48 em medium e 35 em low. O Tencent Hy4 está em 35, sem divisão por esforço publicada. No custo por tarefa concluída do Intelligence Index, a ordem se inverte drasticamente: US$ 10,04 para o Claude Opus 5.5 e US$ 1,03 para o Tencent Hy4.
O que realmente mudou em 20 de novembro
A própria formulação da Tencent sobre o lançamento é uma única linha na seção de notícias do model card: a empresa tornou o Hy4, o Hy4-FP8 e o Hy4-base open source. O que isso significa na prática é mais específico, e vale a pena separar do marketing.
• Pesos — checkpoints BF16 completos. O repositório do Hugging Face informa 774,4 bilhões de parâmetros no índice safetensors, o que corresponde ao backbone de 770B mais o codificador de visão e o modelo de rascunho. Uma build GGUF de 4 bits já está disponível em um repositório separado para quem deseja testar o modelo sem um cluster multinó.
• Licença — a Tencent Hy License, versão 1.0. Ela é derivada da Apache 2.0, mas é explicitamente não a Apache 2.0, e a Seção 10 acrescenta termos comerciais que importam. Mais sobre isso abaixo.
• Servindo — A Tencent envia imagens pré-construídas em vez de deixar você lutar com a arquitetura: vllm/vllm-openai:hy4 e lmsysorg/sglang:hy4, ambas com o modelo de rascunho de decodificação especulativa DFly2 integrado. A receita do vLLM exige oito GPUs com tamanho de paralelismo de tensor 8 para o checkpoint FP8.
• O que não mudou — o preço. O Tencent Hy4 custa US$ 0,834 por milhão de tokens de entrada e US$ 2,501 por milhão de saída desde que entrou em disponibilidade geral, com leituras de cache a US$ 0,042. A abertura dos pesos não veio acompanhada de redução de preço, e não há indícios de que uma esteja a caminho.
A versão GA e a versão aberta são o mesmo modelo. Isso não era verdade um mês antes: a versão de agosto, Tencent Hy4 Preview, foi disponibilizada sob Apache 2.0 com os pesos desde o primeiro dia, e a versão GA de novembro chegou como uma API fechada com uma promessa. O upload de 20 de novembro é essa promessa sendo cumprida, com uma licença mais restritiva anexada.
A lacuna no índice independente
Vinte e quatro pontos é uma diferença grande, e é maior do que a manchete sugere quando se observa o que cada número mede. A Artificial Analysis publica o Claude Opus 5.5 em cinco níveis de esforço e o Tencent Hy4 em um. O 35 do Hy4 não é um valor com esforço equiparado; é o único valor que o laboratório publicou e, presumivelmente, reflete a configuração de raciocínio padrão do modelo, que, na API própria da Tencent, é alta.
Duas coisas se seguem. Primeiro, a comparação honesta é 35 contra 52 do Opus 5.5 em esforço alto, e não contra os 59 dele — uma diferença de 17 pontos, e não de 24. Segundo, e mais útil, a linha de esforço baixo do Claude Opus 5.5 também é 35. Na sua configuração mais rápida e barata, o modelo principal da Anthropic alcança a mesma pontuação no índice que o modelo principal aberto da Tencent na configuração padrão. Esse é um fato genuinamente útil para quem está montando uma tabela de roteamento, porque significa que a escolha não é “modelo bom versus modelo fraco”, mas “qual extremo do dial de esforço você pode pagar”.

As pontuações parciais apontam na mesma direção. No Cyber Index da Artificial Analysis, publicado em novembro, o Tencent Hy4 marca 58 e fica em terceiro entre 26 modelos — atrás do Kimi K3.1 Pro, com 64, e de uma variante GPT-6 Sol de acesso confiável, com 69, e logo à frente do DeepSeek V4.1 Flash 1017, com 57. É o primeiro isolado no CWE-Bench-AA, com 76%. Essas são avaliações específicas de segurança, não de raciocínio geral, mas são as únicas pontuações independentes que o modelo da Tencent tem que não são um único agregado, e são respeitáveis.
O que o Tencent Hy4 não tem é uma tabela pública de benchmarks do próprio laboratório. O anúncio GA de novembro substituiu as linhas do Terminal-Bench, DeepSWE e SWE-bench Pro da prévia por conjuntos de tarefas internos — um painel financeiro de 213 especialistas, uma comparação de taxa de alucinação, uma pontuação interna de WorkIndex de 42,1. São alegações relatadas pelo fornecedor sobre tarefas do próprio Tencent, e o model card as repete sem as linhas de benchmarks públicos que permitiriam compará-las com qualquer coisa. O índice independente é a verificação.
Quanto custa a lacuna, por tarefa
Aqui está a parte que decide a maioria das implantações reais, e ela não favorece o preço mais barato por token de forma tão clara quanto a tabela de preços sugere.
• Preço por token — US$ 0,834 de entrada e US$ 2,501 de saída para o Tencent Hy4, contra US$ 4,00 e US$ 20,00 para o Claude Opus 5.5. Quase cinco vezes mais barato na entrada, oito vezes na saída.
• Cache — $0.042 por milhão de tokens de entrada em cache para o Hy4, um desconto de 95%, contra $0.20 para o Opus 5.5. Em um loop de agente que relê o mesmo repositório de 200.000 tokens a cada turno, essa diferença é todo o modelo de custo.
• Custo por tarefa de índice concluída — US$ 1,03 para o Hy4 contra US$ 10,04 para o Opus 5.5. Observe que essa é uma diferença de 9,7x, maior que a diferença de preço por token, porque o Hy4 também é mais verboso em termos absolutos: 160 milhões de tokens de saída no índice contra 218 milhões do Opus 5.5, com ranking de verbosidade de 87º de 94 modelos para o Hy4 e 90º de 94 para o Opus 5.5. Nenhum dos modelos é conciso.
• Velocidade — 93 tokens por segundo para o Hy4, contra 112 do Opus 5.5, mas o desempenho em latência é pior que o de vazão. O Tencent Hy4 leva 115,9 segundos para produzir seu primeiro token de resposta, enquanto a mediana da categoria é de 12,7 segundos. Para trabalho interativo, esse é o número que importa, e é o único ponto em que o modelo mais barato é claramente o pior produto.
• Tempo por tarefa — 14,0 minutos para o Hy4 contra 25,7 minutos para o Opus 5.5. O Hy4 conclui tarefas de índice mais rápido em termos de tempo real, apesar do atraso do primeiro token, porque pensa por menos tempo no total.
Então a alegação de custo precisa de uma ressalva que a tabela de preços esconde. O Tencent Hy4 custa cerca de um décimo por tarefa concluída, mas fará o usuário esperar quase dois minutos pelo primeiro token e responderá a uma pergunta 17 pontos pior com esforço equivalente. Se a sua carga de trabalho for em lote — extração de documentos, classificação, execuções de agentes durante a noite, geração de dados sintéticos —, a latência do primeiro token é irrelevante e a economia é esmagadora. Se for interativa, a latência é o produto, e a vantagem de preço não a compensa.
Onde o Hy4 vence de forma incontestável
Três dimensões, e nenhuma delas tem a ver com ser mais inteligente.
• Economia de contexto. Ambos os modelos anunciam uma janela de 1M de tokens. Apenas um deles cobra $0.042 por milhão de tokens para reler a mesma janela. Trabalho de contexto longo que envolve passagens repetidas por um corpus fixo — revisão de código contra um repositório inteiro, análise de contratos em um conjunto de documentos, um agente de pesquisa que mantém suas anotações no contexto — é drasticamente mais barato no Hy4 mesmo antes da tarifa base.
• Modalidade. O Tencent Hy4 aceita texto, imagens e quadros de vídeo por meio de um único caminho ViT e retorna texto. O Claude Opus 5.5 aceita texto, imagens e arquivos. O vídeo é a diferença: a ficha do modelo Hy4 descreve um codificador de visão com um adaptador que converte características de quadros de vídeo em tokens visuais, e não existe declaração equivalente para o Opus 5.5.
• O comprimento da saída é o único ponto em que o Opus 5.5 vence de forma inequívoca: 128K tokens de saída no máximo, contra 64K do Hy4. Para uma tarefa que exige um artefato gerado longo em uma única chamada, esse teto é o que decide.
As vantagens do Claude Opus 5.5 são as que a Anthropic sempre vendeu: uma diferença de 17 pontos no índice com esforço equivalente, um primeiro token em 24 segundos com esforço alto, contra 116, o dobro do teto de saída e um conjunto muito maior de avaliações de terceiros por trás dele. Se a tarefa for engenharia de software difícil ou análise de várias etapas em que uma resposta errada custa caro, a diferença de preço de dez vezes não é o número relevante. Se a tarefa for volume, é o único número.
A licença não é Apache

É aqui que o lançamento de 20 de novembro difere do de agosto, e é esse o detalhe que a maioria das páginas de comparação vai ignorar.
O Tencent Hy4 Preview foi lançado sob a Apache 2.0 — uma licença permissiva genuína e sem condições ocultas. O Tencent Hy4 é distribuído sob a Tencent Hy License 1.0, que é a Apache 2.0 com uma Seção 10 adicional. Essa seção estabelece que, se você operar um negócio de modelo como serviço e sua receita bruta mundial exceder US$ 50 milhões em qualquer período de doze meses, ou o produto no qual você está incorporando o modelo tiver mais de 100 milhões de usuários ativos mensais, você precisará de uma licença por escrito separada da Tencent antes de usá-lo. O uso interno está ressalvado: se nem o modelo nem suas saídas chegarem a terceiros, a Seção 10 não se aplica.
Para uma startup, um grupo de pesquisa ou uma empresa que executa o modelo por trás de uma ferramenta interna, essa cláusula é inócua e o Hy4 é efetivamente aberto. Para uma plataforma que planeja revender inferência com base nele, trata-se de uma negociação. Compare isso com o Claude Opus 5.5, em que a questão não se coloca porque não há nada para licenciar — você aluga o endpoint ou não usa o modelo.
A consequência prática é uma divisão que não existia há um mês. O Tencent Hy4 é agora o único modelo desta comparação que você pode ajustar finamente, destilar, quantizar ou executar dentro de uma rede sem acesso de saída. O Claude Opus 5.5 é o único dos dois com um teto de saída de 128K e um primeiro token em menos de meio minuto na sua configuração de esforço alto.
Escolhendo entre eles
A árvore de decisão é curta o suficiente para ser enunciada sem ressalvas.
• Você precisa da maior pontuação por token e a tarefa é interativa — Claude Opus 5.5. Nenhum argumento de preço resiste a um usuário encarando um atraso de 116 segundos para o primeiro token.
• Você precisa do menor custo por tarefa concluída e o trabalho é em lote — Tencent Hy4, e a margem fica próxima de uma ordem de magnitude.
• Você precisa fazer auto-hospedagem, ajuste fino ou manter os dados dentro da sua própria rede — Tencent Hy4, condicionado à leitura da Seção 10 da licença. Não há nenhuma opção Claude Opus 5.5 aqui.
• Você precisa de 128K de saída gerada em uma única chamada, ou de entrada de vídeo — o teto de saída aponta para o Opus 5.5, e a entrada de vídeo, para o Hy4. Poucas cargas de trabalho precisam dos dois.
• Você quer fazer um meio-termo entre os dois — coloque uma rota ponderada na frente deles e deixe o modelo barato fazer a primeira tentativa. O Hy4 a US$ 1,03 por tarefa é barato o suficiente para que uma tentativa malsucedida custe cerca de um décimo de deixar o Opus 5.5 tentar primeiro, e o caminho de escalonamento só é acionado nas tarefas que precisam dele.
Executando ambos em uma única chave

Ambos os modelos podem ser chamados através do OrcaRouter com suas próprias strings de modelo — tencent/hy4 a US$ 0,834 por milhão de tokens de entrada e US$ 2,501 por milhão de saída, e anthropic/claude-opus-5.5 a US$ 4,00 e US$ 20,00. Isso significa que a comparação acima pode ser executada como um experimento em vez de uma discussão: uma chave, um SDK, duas strings de modelo e uma DSL de roteamento que envia primeiro o mais barato e escala em caso de falha.
Como a OrcaRouter repassa os preços de tabela dos provedores sem margem, a tabela de tarifas da Tencent é a tarifa que você paga do nosso lado, e a da Anthropic também. Se qualquer um dos fornecedores alterar seu preço, a mudança entra em vigor no mesmo dia, em vez de esperar que um revendedor recadastre um catálogo.
No caso de auto-hospedagem, o cálculo muda completamente de forma. Assim que você estiver executando o Hy4 nas suas próprias GPUs, o custo marginal por token deixa de ser um número do fornecedor e passa a ser o seu valor de eletricidade e utilização, e é por isso que os pesos importam mais do que o debate sobre licença para qualquer pessoa com capacidade ociosa.
O que o próximo mês decidir
Duas coisas vão resolver esta comparação, e nenhuma delas é uma linha de benchmark.
A primeira é se o lançamento aberto da Tencent atrai avaliação independente dos pesos. O upload de 20 de novembro inclui um cartão de sistema e um guia de ajuste fino, mas o material de benchmark no cartão do modelo ainda é majoritariamente a tabela de pré-treinamento — MMLU em 91,6, MMLU-Pro em 73,9, SuperGPQA em 62,7, MMMU-Pro em 59,6 para o modelo base — além das suítes de tarefas internas. Ninguém fora da Tencent publicou uma pontuação para a versão ajustada por instrução, e o 35 no índice independente é um único número de um único avaliador.
O segundo é esforço. O Claude Opus 5.5 já publica cinco patamares de 35 a 59; a variação entre sua configuração mais barata e a mais cara é maior do que toda a distância até a pontuação única do Tencent Hy4. Se a Tencent publicar o mesmo tipo de divisão — e a API já expõe uma alternância high/no-think —, a comparação se torna uma tabela de configurações correspondentes, em vez de um número contra outro. Até lá, o resumo honesto é que o Tencent Hy4 é um modelo mediano em avaliação independente, forte em avaliação específica de segurança, uma ordem de magnitude mais barato por tarefa concluída e agora genuinamente aberto, o que não era em 4 de novembro.
Comparados neste artigo2
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
