Сгенерированная титульная карточка с надписью «Hy4 flash — открытые веса», три плитки репозиториев с подписями «Hy4 flash», «Hy4 flash-FP8» и «Hy4 flash-Base», строка характеристик «220B всего / 12B активных / 1M контекст / изображение на входе, текст на выходе» и нижний колонтитул «Веса опубликованы 17 ноября 2026 года по лицензии Tencent Hy License v1.0».
Guides & Insights

Hy4 flash теперь доступен с открытыми весами: прочитайте раздел 10 перед загрузкой.

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Tencent Hy License, Version 1.0 — это производная от Apache 2.0 лицензия с одним дополнительным разделом, и именно из-за этого раздела стоит внимательно прочитать этот релиз, а не просто скачать чекпоинт. В разделе 10.2 сказано: если вы ведёте бизнес по предоставлению модели как услуги и ваш мировой валовый доход превышает 50 млн долларов США в любой двенадцатимесячный период — или число ежемесячных активных пользователей вашего продукта превышает 100 млн — вам нужна отдельная письменная лицензия от Tencent, прежде чем использовать веса или продолжать их использовать. Раздел 10.3 освобождает внутреннее использование. Раздел 2 лицензии Apache — это место, где закреплены безвозмездные права, а раздел 10.2 начинается со слов «Несмотря на разделы 2 и 3». Таким образом, скачивание бесплатно, а развёртывание не является безоговорочно бесплатным, и граница между ними проводится по тому, могут ли посторонние получить доступ к модели через вашу инфраструктуру.

Вот контекст того, что Tencent опубликовала 17 ноября 2026 года в 03:44 UTC, когда на Hugging Face с интервалом менее девяноста секунд появились три репозитория: Hy4 flash, чат-модель, дообученная следовать инструкциям; Hy4 flash-FP8, та же модель в формате FP8; и Hy4 flash-Base, предобученный чекпойнт вообще без постобучения. Модель для инструкций имеет 220 млрд общих параметров, из которых 64 млрд приходятся на таблицы Engram, 12 млрд активны на токен, нативно мультимодальна на входе и настроена на контекст в 1 048 576 токенов. Это та же модель, которую Tencent добавила в свой API двумя днями ранее, 16 ноября, с той разницей, что теперь её можно запускать на собственном оборудовании.

Что на самом деле находится в трёх репозиториях

Разделение чище, чем в большинстве релизов с открытыми весами, потому что эти три контрольные точки — действительно разные вещи, а не три имени файла для одного артефакта.

• Hy4 flash — instruct-модель, включая шаблон чата и режимы рассуждения. Поддерживает reasoning_effort со значениями high (по умолчанию, размышление включено) и no_think (прямые ответы). Tencent рекомендует temperature 0.9 и top_p 1.0.

• Hy4 flash-FP8 — те же веса, квантованные для production-обслуживания. Именно на него указывают официальные рецепты vLLM и SGLang, и именно он, по словам Tencent, превышает 150 токенов в секунду на узле с тензорным параллелизмом 8.

• Hy4 flash-Base — только предобученная версия. В карточке прямо указано, что это «предобученная базовая модель, а не чат-модель, настроенная на инструкции», что важно, поскольку каждая таблица бенчмарков в релизе — это таблица сравнения базовых моделей. Показатели instruct-модели — это данные WorkIndex и слепых тестов от поставщика, а не публичный набор оценок.

Две детали в метаданных заслуживают большего внимания, чем кажется. Первая: репозитории помечены как image-text-to-text на уровне пайплайна, поэтому визуальный энкодер поставляется вместе с весами, а не прикручивается позже. Вторая — расхождение в цифрах: в материалах запуска Tencent от 16 ноября модель описана как 224B, а таблица в самой карточке модели в сумме даёт 220.3B — 155.5B backbone, 63.5B Engram, 0.43B ViT, 0.85B DFly2 drafter. Ни одно из чисел не ошибочно в своём контексте; похоже, цифра 224B иначе учитывает DFly2 drafter и округление, тогда как таблица карточки исключает Engram, ViT и DFly2 из собственной строки backbone на 155.5B, а затем добавляет их обратно. Когда поставщик публикует два итоговых значения для одной модели, цитировать следует карточку.

A generated reference card headed 'What the three repositories actually contain', listing the three checkpoints with a one-line description each and a separate outlined panel headed 'Tencent Hy License v1.0, section 10.2' noting the separate written licence above US$50M annual gross revenue or above 100M monthly active users as a service.

Эта архитектура — это довод о затратах, переодетый в одежды архитектуры.

Если читать этот дизайн как ставку на расширение возможностей, в нём очень мало смысла. Если читать его как способ сократить KV-кэш и этап декодирования, то смысл обретает всё в нём.

• Внимание — разреженное внимание IndexPool, чередующееся со скользящим оконным вниманием на 512 токенов в соотношении 1:3, в рамках формулировки многоголового латентного внимания (MLA). Разреженные слои выбирают до 2 048 токенов посредством выбора на уровне групп; в 42-слойной основе имеется 12 разреженных слоёв и 30 слоёв SWA.

• Маршрутизация — 512 маршрутизируемых экспертов плюс один общий эксперт на слой MoE, 16 маршрутизируемых активируются на каждый токен, работая в пространстве LatentMoE размерностью 1 536 вместо полной ширины эксперта.

• Engram — обученные представления биграмм и триграмм, извлекаемые с помощью многоголовых хеш-поисков на слоях бэкбона 1, 11, 21 и 31. Это те 63,5 млрд, которые в карточке учитываются отдельно от бэкбона.

• Drafter — DFly2, 5-слойная модель спекулятивного декодирования на 0,85 млрд параметров, которая повторно использует разреженный KV-кэш целевой модели и выбор индексора, а не хранит собственные. Tencent утверждает, что стоимость черновика постоянна и составляет около 2 048 ключей на токен черновика независимо от длины контекста, а дополнительная память KV равна нулю.

• Ключевой показатель эффективности — KV-кэш составляет 1/24 от Hy3 и 1/6 от Hy4; по данным производителя, независимо не измерялось.

• Постобучение — {{1}}самодистилляция от Hy4 плюс обучение с подкреплением{{/1}}, которое, по словам Tencent, сокращает среднее количество выходных токенов при сквозном выводе на 50%. Именно более короткие выходы обеспечивают значительную долю фактической экономии затрат, и это та часть, которая наименее заметна в любом прайс-листе с ценой за токен.

В совокупности это модель, спроектированная так, чтобы контекст в 1 млн токенов не стоил столько, сколько обычно стоит обслуживание контекста в 1 млн токенов. Длина контекста — это маркетинговый тезис; доля KV-кэша — это инженерное утверждение, лежащее в его основе.

Screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the three-model release line, the Model Links table and the quickstart snippet.

Что Tencent измерила, а что — нет

Все цифры в этом разделе — от Tencent, получены на стенде Tencent, и ни одна из них не была воспроизведена за пределами компании. У Artificial Analysis нет страницы для Hy4 flash — URL модели возвращает 404 по состоянию на 18 ноября — поэтому нет сторонней оценки, которую можно было бы поставить рядом хотя бы с одной из них.

Таблица базовых моделей сравнивает Hy4 flash-Base с Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base и DeepSeek-V4-Pro-Base — все на одном пайплайне. Это самая честная таблица в релизе именно потому, что в ней есть строки, где модель проигрывает: MMLU-Pro показывает 71,1 для Hy4 flash-Base против 73,9 для Hy4 Base и 73,4 для DeepSeek-V4-Pro-Base; SimpleQA показывает 37,5 против 57,2 и 52,1. Там, где она выигрывает, она выигрывает с большим отрывом в строках на китайском языке и многоязычных строках — C-Eval 92,0, CMMLU 91,6, AGIEval Chinese 90,6, Belebele 93,8, INCLUDE 82,8 — что и ожидаешь от модели, созданной в первую очередь для собственных продуктов Tencent.

Прочитайте мелкий шрифт на карточке, прежде чем смотреть на оценки. Tencent заявляет, что интенсивное воздействие синтетических инструкционных данных на этапе mid-training иногда приводит к тому, что модель не может соблюсти «ожидаемый формат ответа в few-shot-оценках, что может искажать баллы», — вендор отмечает, что некоторые его собственные строки могут измерять соответствие формату, а не способности. Считайте каждое число ниже верхней границей, пока ваш собственный тестовый стенд не подтвердит его.

У instruct-модели вообще нет публичной таблицы бенчмарков. Вместо неё есть WorkIndex — внутренний набор из восьми семейств задач: создание слайдов, редактирование слайдов, совместное с ИИ создание слайдов, совместное написание Markdown, редактирование документов, исправление электронных таблиц, обработка аудио/видео и визуальное понимание. Hy4 flash набирает там 42,1 балла против 39,7 у Hy4 preview и 51,4 у самой Hy4, при средней стоимости задачи, которую компания оценивает в 1/13 от Hy4 preview, 1/20 от Hy4 и 1/8 от DeepSeek-V4.1-Flash-1017 по пиковым тарифам. А ещё есть слепое тестирование с участием 85 внутренних пользователей WorkBuddy на 259 задачах в 27 категориях, где Hy4 flash получает 2,79 из 4 за удовлетворённость против 2,81 у Claude Haiku 5.5, при медианном времени 6,7 минуты и 0,26 юаня на задачу.

Это реальные измерения реальной совокупности. Это также измерения сотрудников Tencent, выполняющих работу, свойственную Tencent, оценённых по критериям, которые написала Tencent, а разрыв в 0,02 балла с показателем удовлетворённости конкурента находится далеко внутри любого правдоподобного диапазона шума. Воспринимайте ранжирование WorkIndex лишь как ориентировочный сигнал от поставщика и не более того.

Именно по лицензии на самом деле будут судить этот выпуск.

Открытые веса — это не открытый исходный код, и лицензия Tencent Hy License делает это различие необычно конкретным. Четыре пункта определяют, что может делать конкретная команда:

• Базовое предоставление прав — разрешения Apache 2.0, включая коммерческое использование, модификацию и распространение, распространяются на веса, параметры, конфигурацию, код инференса и документацию.

• Триггер MaaS — отдельная письменная лицензия требуется, если вы предоставляете третьим лицам удалённый доступ к инференсу или дообучению и превышаете 50 млн долларов США совокупной выручки по всему миру в течение любого 12-месячного периода. Выручка, полученная от модели, учитывается, как и выручка, не имеющая к ней отношения: в пункте сказано «независимо от того, получена ли такая выручка от Работы».

• Триггер масштаба — то же требование действует до использования весов в любом продукте с более чем 100 млн ежемесячных активных пользователей в течение календарного месяца, при любом уровне выручки.

Два исключения: продукты для конечных пользователей, доступ к моделям в которых ограничен конкретными функциями, а не промптингом общего назначения, не подпадают под определение MaaS, а «простая пересылка запросов в независимо управляемый сторонний сервис моделей» также исключается. Использование исключительно для внутренних нужд полностью освобождено.

{{1}}Сравните это с лицензией на чекпоинт {{2}}ERNIE 5.5 Flash Base{{/2}}, которая полностью исключает ЕС, Великобританию и Южную Корею как территории.{{/1}} {{3}}Tencent не исключает ни одной территории. Вместо этого он взимает плату в зависимости от масштаба.{{/3}} {{4}}Для стартапа, создающего продукт на основе этих весов, это существенно более дружелюбный документ, чем территориальный запрет.{{/4}} {{5}}Для среднего по размеру провайдера инференса это телефонный звонок на {{6}}[email protected]{{/6}} перед выпуском.{{/5}}

Подача: три реальных пути, и все они закреплены

История с развёртыванием полнее, чем была история с API на неделе запуска, и она также более хрупкая, чем поддерживаемый продукт, — именно в том смысле, в каком всегда хрупка ранняя поддержка фреймворка.

• vLLM — официальный образ vllm/vllm-openai:hy4-flash, тензорный параллелизм 8, чекпоинт FP8, --attention-backend FLASHMLA_SPARSE, спекулятивное декодирование DFly на 5 токенов, а также парсеры вызовов инструментов и рассуждений hy_v4.

• SGLang — lmsysorg/sglang:hy4-flash, поддержка нескольких архитектур x86 и Arm, tensor-parallel 8, --speculative-algorithm DFLY с размером блока 6.

• Transformers — ещё не в релизе. Карточка сообщает, что до слияния нужно устанавливать из ref pull-request (refs/pull/50903/head) — это самый ясный возможный сигнал о том, насколько это ново.

• Квантование — сборка GGUF из набора инструментов AngelSlim приложена для сквозного тестирования, а руководство по дообучению поставляется в репозитории.

Закреплённые образы и ссылка на PR означают, что сегодня модель работает на тех самых сборках, которые тестировала Tencent, и может не работать в следующем минорном релизе любого из фреймворков. Это стоит знать, прежде чем ставить её за продакшен-эндпоинт, и именно поэтому рецепты для фреймворков важнее таблицы бенчмарков для всех, кто действительно занимается развёртыванием.

Что открытые веса делают с ценой API

Прейскурантная цена Tencent для материкового Китая на Hy4 flash составляет ¥0,5 за миллион входных токенов, ¥2 за миллион выходных и ¥0,02 за попадание в кеш — примерно $0,070, $0,281 и $0,003 по текущему курсу. Это официальный прайс-лист поставщика, а не результат измерения.

Когда выходят веса, меняется не эта цена. Меняется нижняя граница под ней. У модели, которую можно скачать, есть вторая цена — стоимость GPU, на которых вы её запускаете, и вся описанная выше архитектура служит аргументом, что эта вторая цена необычно низка для модели с контекстом 1M. Собственные соотношения стоимости на задачу у Tencent — от 1/8 до 1/20 — представляют собой тот же аргумент на языке арифметики вендора.

OrcaRouter маршрутизирует более 200 моделей через единый API с передачей цены провайдера из прайс-листа с наценкой 0%, поэтому изменение цены поставщика отражается у нас в тот же день, а не при следующей пересборке каталога. Сам Hy4 flash в этом каталоге пока отсутствует — там есть tencent/hy4-preview, модель-учитель 770B/49B, из которой была дистиллирована эта модель, по цене $0.834 за вход и $2.501 за выход за миллион токенов при ставке кэш-чтения $0.042. Если вы хотите оценить семейство перед тем, как перейти к развёртыванию FP8 на собственной инфраструктуре, preview — это модель, которую можно вызвать уже сегодня; веса — это то, на что вы переходите, когда показатели подтвердятся. Автоматическое переключение при сбое — вторая половина этого подхода, потому что чекпойнт двухдневной давности, работающий на сборке Transformers из PR-ref, — именно та зависимость, за которой хочется иметь второй маршрут.

Screenshot of the tencent/hy4-preview model page, showing the per-million-token input, output and cache-read prices the routed preview model is listed at.

Что посмотреть

Три вещи решат, будет ли этот релиз иметь значение через полгода, и ни одна из них — не таблица бенчмарков.

Во-первых, 404. У Hy4 flash нет независимой оценки. Пока Artificial Analysis или аналог не протестирует её, все заявления о возможностях в этом материале исходят от Tencent, и честная позиция состоит в том, что модель не измерена, а не хорошо измерена. Во-вторых, слияния во фреймворках: когда поддержка в Transformers выйдет из pull request 50903, а образы vLLM и SGLang перестанут быть закреплёнными, модель перестанет быть исследовательским артефактом и станет инфраструктурой. В-третьих, толкования лицензии: первая компания, которая построит на этих весах бизнес MaaS на $60 млн, расскажет всем, как на самом деле читается раздел 10.2.

Tencent завершила анонс фразой «следите за новостями: далее — Hy4», а это обещание, что модель с показателем 51,4 в WorkIndex из графиков стоимости получит такой же подход. Если так и произойдёт, интересный вопрос перестанет быть вопросом о том, сможет ли Tencent выпустить дешёвую flash-модель с открытыми весами, и станет вопросом о том, сможет ли она выпустить дорогую модель, конкурирующую за счёт возможностей, а не цены.

Сравнение в этой статье2

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно