Um cartão de título gerado com o texto “Tencent Hy4 vs Claude Opus 5.5 — um décimo do custo por tarefa”, com um cartão à esquerda para Tencent Hy4 mostrando “770B no total / 49B ativos”, “contexto de 1M”, “pesos abertos em 20 de nov. de 2026” e “$0.834 / $2.501 por 1M de tokens”, um cartão à direita para Claude Opus 5.5 mostrando “Índice de Inteligência 59 no esforço máximo”, “contexto de 1M”, “pesos fechados” e “$4.00 / $20.00 por 1M de tokens”, e um rodapé com o texto “Números do índice conforme a Artificial Analysis, v5.0.1. Logotipo da OrcaRouter no canto inferior direito.”
Guides & Insights

Tencent Hy4 vs Claude Opus 5.5: Um décimo do custo por tarefa

Autor

Gideon Frost

Data de publicação

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

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”.

A generated two-column scoreboard titled 'Tencent Hy4 vs Claude Opus 5.5'. Tencent Hy4 column: Intelligence Index 35, price $0.834 / $2.501, context 1M tokens, weights open under the Tencent Hy License, first answer token 115.9 s, cost per index task $1.03. Claude Opus 5.5 column: Intelligence Index 59 at max effort, price $4.00 / $20.00, context 1M tokens, weights closed, first answer token 24.3 s at high effort, cost per index task $10.04. Footer: 'Index and cost figures per Artificial Analysis, v5.0.1; licence terms per Tencent and Anthropic.'

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

Screenshot of the tencent/Hy4 model card on Hugging Face, showing the model name, the Hunyuan / hy4 / moe / multimodal tags, the Tencent Hy License badge, and links to ModelScope, GitCode and the GitHub repository.

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

Screenshot of the OrcaRouter model page for Anthropic: Claude Opus 5.5, showing the model name, vendor, context window, per-million-token pricing and supported endpoint types.

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