Сгенерированная главная карточка, сравнивающая Hy4 flash и Claude Haiku 5.5, с крупной цифрой «2.79 против 2.81», подписанной «удовлетворённость по шкале из 4 в собственном слепом тесте Tencent с участием 85 пользователей», и нижним колонтитулом: «Обе оценки удовлетворённости — это измерение Tencent. Веса Hy4 flash опубликованы 17 ноября 2026 года».
Guides & Insights

Hy4 flash vs Claude Haiku 5.5: Tencent сама провела это сравнение и опубликовала поражение

Автор

jinhao.song

Дата публикации

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

Кто-то в Tencent решил, что правильным соперником для Hy4 flash будет Claude Haiku 5.5, дал обе модели 85 собственным пользователям WorkBuddy компании на 259 задачах и опубликовал результат, хотя тот проигрышный. Hy4 flash набрал 2,79 из 4 по удовлетворённости пользователей. Claude Haiku 5.5 набрал 2,81. Это разрыв в две сотых балла по четырёхбалльной шкале, измеренный претендентом, на собственных задачах претендента — и это самое интересное число в релизе Hy4 flash, потому что оно говорит, что Tencent на самом деле считает, что продаёт. Не лучшую модель. Более дешёвую, которая достаточно близка, чтобы разница не пережила встречи с опросом удовлетворённости.

Остальная часть релиза подтверждает такую трактовку. Hy4 flash был опубликован с открытыми весами 17 ноября 2026 года, через два дня после появления в API Tencent 16 ноября: 220 млрд общих параметров, 12 млрд активных на токен, контекст в 1 млн токенов, ввод изображений с текстовым выводом. Claude Haiku 5.5 общедоступна с 7 октября 2026 года по цене $0.10 и $0.50 за миллион токенов. Ни одной из этих моделей нет в каталоге OrcaRouter, и этот материал не будет делать вид, что это не так; о том, что доступно для маршрутизации, говорится ближе к концу, и это другая пара моделей.

Слепой тест, прочитанный как следует

Описание оценки от Tencent — это три предложения и один график, и график делает нечто конкретное: он строит зависимость удовлетворённости от медианного сквозного времени выполнения и стоимости за задачу, чтобы модель, выигрывающая по двум осям, была видна с первого взгляда. Цифры: 2.79/4 у Hy4 flash против 2.81/4 у Claude Haiku 5.5, медианное время выполнения 6.7 минуты у Hy4 flash и 0.26 юаня за задачу. Tencent утверждает, что Hy4 flash показала как самую низкую стоимость за задачу, так и самое короткое медианное время выполнения среди оценённых моделей.

Чего в отчёте нет, так это полного набора оцениваемых моделей, разбивки по категориям и критериев оценки. Зато там указана выборка: 85 внутренних пользователей, 27 категорий, 259 задач — все взяты из WorkBuddy, собственного ассистента продуктивности Tencent. Это согласованная оценка, и она не нейтральна. Сотрудники, оценивающие модель своего работодателя, знают, какая модель принадлежит им, а даже при слепом интерфейсе задачи — те, которые выбрал Tencent, потому что они похожи на продукт Tencent.

Полезная сторона разрыва в 0,02 — это то, как он влияет на аргументацию при любом раскладе. Если вы склонны доверять тесту, у вас есть слово Tencent, что разница в возможностях по сравнению с Claude Haiku 5.5 незначительна для офисной работы, а это заявление против собственных интересов. Если вы склонны не доверять ему, тот же тест не даёт вам никаких оснований считать Hy4 flash лучше, и у вас остаётся колонка стоимости, на которой Tencent в любом случае хочет заострить ваше внимание.

В чём на самом деле различаются эти две модели

Технические характеристики расходятся в том, что оценка удовлетворённости показать не может. Каждый показатель ниже — это опубликованная самим поставщиком спецификация, если только он не отмечен как измерение Artificial Analysis.

• Общее и активное количество параметров — Hy4 flash: всего 220B, из них 64B в таблицах Engram, 12B активных на токен; количество параметров Claude Haiku 5.5 не раскрывается, что для Anthropic нормально.

• Контекстное окно — 1 048 576 токенов для Hy4 flash; 1 000 000 для Claude Haiku 5.5.

• Максимальный объём вывода — 64 000 токенов на Hy4 flash согласно конфигурации обслуживания; 128 000 токенов на Claude Haiku 5.5 — вдвое больше.

• Модальность ввода — Hy4 flash принимает текст и изображения через 27-слойный энкодер на основе SigLIP2; в материалах о выпуске Claude Haiku 5.5 основное внимание уделено тексту и использованию инструментов, а его опубликованный набор возможностей в части зрения более узок.

• Лицензия — Hy4 flash распространяется по Tencent Hy License, раздел 10.2 которой требует отдельного соглашения при выручке от MaaS свыше 50 млн долларов или 100 млн MAU; Claude Haiku 5.5 является проприетарным и вообще не имеет весов.

• Независимая оценка — у Hy4 flash её нет, а его URL на Artificial Analysis возвращает 404; Claude Haiku 5.5 набирает 36 баллов в Intelligence Index v5.0.1 при Max effort.

• Измеренная стоимость выполнения задачи Index — $0.41 для Claude Haiku 5.5 по данным Artificial Analysis; для Hy4 flash не измерялась, поскольку он отсутствует в таблице.

Потолок объёма вывода — это та строка, которая на практике с наибольшей вероятностью даст о себе знать. Модель с 1M контекста и 64k вывода настроена на чтение очень большого объёма и написание умеренного объёма; сценарий подготовки документов, который предполагает выдачу более 64 000 токенов в одном ответе, не может её использовать. Собственные рекомендуемые сценарии Tencent — глубокий поиск, обработка документов, создание слайдов, простые фронтенд-демо, computer use — соответствуют этому потолку. Генерация длинных текстов в этот список не входит.

Сравнение цен — это не сопоставление одного числа с другим.

Тариф Tencent для материкового Китая на Hy4 flash составляет ¥0,5 за миллион входных токенов, ¥2 за миллион выходных и ¥0,02 за кэшированный входной токен — примерно $0,070, $0,281 и $0,003. Опубликованный прайс-лист Claude Haiku 5.5 начинается с $0,10 за миллион входных токенов и $0,50 за миллион выходных; запись в кэш — $0,125 и $0,625 для пятичасового и одночасового кэшей соответственно, а чтение из кэша — $0,01.

На этих заявленных тарифах Hy4 flash примерно на 30% дешевле по входу, на 44% дешевле по выходу и на 70% дешевле при попадании в кэш. У обоих фиксированные тарифы на первые сто тысяч токенов. Разница проявляется в том, что происходит дальше: карточка Anthropic повышает цену Claude Haiku 5.5 на вход с $0.10 до $0.50 за миллион и цену на выход с $0.50 до $2.50, как только запрос превышает 100 000 входных токенов. Для документа на 200 000 токенов Claude Haiku 5.5 оплачивается по цене, в пять раз превышающей его заявленный тариф на вход, что даёт $0.50 против $0.070 у Tencent — разрыв в 7 раз, а не в 30%.

{{1}}Это архитектурное решение, а не уловка, и у него есть обоснованная логика: длинные входные данные дороже в предзаполнении, поэтому поставщик берёт за них больше. Но это означает, что цифра в заголовке — неправильная цифра именно для той нагрузки, для которой обе модели заявляют свою пригодность. Обработка документов при контексте 1M — это по определению нагрузка объёмом >100 000 токенов. Если ваш сценарий — работа с длинными документами, считайте цену обеих моделей по строкам, которые соответствуют длине вашего промпта, а не по верхней строке карточки.{{/1}}

Задержка: метрика, которую измеряла Tencent, — не та, которую публикует Anthropic.

Tencent сообщает медианное сквозное время выполнения 6,7 минуты для Hy4 flash в задаче WorkBuddy. Artificial Analysis сообщает, что Claude Haiku 5.5 затрачивает 14,7 минуты на задачу Intelligence Index при максимальном усилии, а время до первого токена ответа составляет 192 секунды; при этом рейтинг отмечает модель как «заметно медленную на задачу и очень многословную» — 298 млн выходных токенов за прогон индекса.

Эти два числа несопоставимы, и их не следует вычитать. Разные задачи, разные стенды, разные определения «готово». Что они действительно показывают, так это то, что настройка усилий Claude Haiku 5.5 представляет собой регулятор задержки с очень широким диапазоном, и что её верхний предел дорог по реальному времени:

• Max — индекс 36, 14,7 минуты на задачу, 192 секунды до первого токена, 298 млн выходных токенов.

• Xhigh — индекс 35, 9,6 минуты, 44 секунды до первого токена, 151 млн токенов.

• Высокий — индекс 30, 6,4 минуты, первый токен за 21 секунду, 89,8 млн токенов.

• Средний — индекс 25, 3,9 минуты, 10 секунд до первого токена, 52,7 млн токенов.

• Низкий — индекс 19, 2,2 минуты, первый токен за 5,8 секунды, 29,9 млн токенов.

A generated reference card headed 'The effort ladder Artificial Analysis measured', with five horizontal bars for Claude Haiku 5.5 at Max, Xhigh, High, Medium and Low effort, each carrying its Intelligence Index score, minutes per task and seconds to first token, and a vertical marker at the High row labelled 'the setting most products would ship'.

Все пять строк — это измерения Artificial Analysis на v5.0.1. Смысл их публикации в том, что «Claude Haiku 5.5 набирает 36» — это утверждение о самой дорогой конфигурации, которую предлагает Anthropic. При высокой настройке она набирает 30 и завершает работу менее чем за половину времени. Тот, кто сравнивает продукт, чувствительный к задержке, с показателем Max, сравнивает с настройкой, которую они не будут выпускать.

Hy4 flash имеет тот же регулятор, но в более грубой форме: reasoning_effort со значением high, которое используется по умолчанию, или no_think. Две позиции против пяти. Если вашей рабочей нагрузке нужна промежуточная настройка — размышления включены, но не на максимум — Claude Haiku 5.5 даёт вам такую возможность, а Hy4 flash в основном нет.

Screenshot of the Artificial Analysis model page for Claude Haiku 5.5, showing the five effort rows from Max down to Low with their Intelligence Index scores, time per task and output token counts.

Три вещи, которые решают это и которых нет ни в одной из двух спецификаций.

Поверхность API. Формат запросов Claude Haiku 5.5 строже, чем у предшественника, и это ломает код. Документация Anthropic отклоняет temperature, top_p и top_k при любом значении, отличном от значения по умолчанию, убирает префилл ответа ассистента, удаляет ручной budget_tokens и требует определённую версию набора инструментов computer-use. Hy4 flash принимает весь набор параметров сэмплирования, рекомендует temperature 0.9 с top_p 1.0 и поставляет hy_v4 парсеры вызовов инструментов и рассуждений для vLLM. Если у вас есть библиотека промптов, настроенная перебором значений temperature, одна из этих моделей прогонит её без изменений, а другая вернёт 400.

Формат развертывания.Claude Haiku 5.5 — это только API, и ничего больше. Hy4 flash — это API, репозиторий Hugging Face, сборка FP8, базовый чекпойнт, квантование GGUF и руководство по дообучению. Это не обязательно преимущество — модель, которую вы размещаете самостоятельно, — это модель, которую вы эксплуатируете, патчите и для которой планируете мощности — но это разница между отношениями с поставщиком и активом, и для команды с требованием к резидентности данных или необходимостью дообучения это решает вопрос сравнения еще до того, как будут рассмотрены какие-либо бенчмарки.

Пробел в измерениях. Claude Haiku 5.5 присутствует в Artificial Analysis с октября, и его разобрали по косточкам все сравнительные блоги в интернете, включая этот. У Hy4 flash вместо оценки — 404. Не потому, что модель плохая, а потому, что ей всего два дня и её никто независимо не тестировал. Оценка удовлетворённости выше — это измерение на реальной популяции, и в то же время единственное измерение этой модели, сделанное кем-либо, кроме её создателя.

Честно говоря, звонить любому из них

Ни Hy4 flash, ни Claude Haiku 5.5 на момент написания нет в каталоге OrcaRouter, поэтому в этом разделе нет версии, где мы советуем вызывать их здесь. Что есть — это поколение с каждой стороны: tencent/hy4-preview, модель 770B/49B, из которой была дистиллирована Hy4 flash, по цене $0.834 за вход и $2.501 за выход за миллион токенов при ставке кэш-чтения $0.042; и anthropic/claude-haiku-4.5 по цене $1.00 за вход и $5.00 за выход за миллион токенов при кэш-чтении $0.10 — предыдущее поколение, а не 5.5 в этом сравнении.

Эта пара полезнее, чем кажется. Если вы решаете, стоит ли перестраивать конвейер ради профиля затрат Hy4 flash, preview-модель даёт вам поведение семейства по цене, при которой эксперимент обходится дёшево, с тем же ключом и той же конечной точкой, что и у всего остального в каталоге, при этом цена провайдера по прайс-листу передаётся с наценкой 0% так что изменение цены Tencent доходит до вас в день, когда оно происходит. DSL маршрутизации — это то, что имеет значение, когда у вас есть два кандидата: направляйте уровень длинных документов той модели, которая победит в вашей собственной оценке, а другую держите как резервную, вместо того чтобы выбирать одного поставщика для всего, потому что для переключения нужен контракт.

И когда Hy4 flash появляется в каталоге — любом каталоге, включая наш, — проверять нужно не показатель удовлетворённости. А количество выходных токенов на ваших собственных задачах. В материалах Tencent о посттренировке утверждается сокращение среднего количества выходных токенов в сквозном процессе на 50%, и если это подтвердится на вашей нагрузке, это ценнее 30%-ной скидки за токен, потому что выходные токены — дорогая половина каждого счёта в обеих моделях.

Screenshot of the anthropic/claude-haiku-4.5 model page, showing the per-million-token input, output and cache-read prices the previous generation is listed at.

Что бы это решило?

Один независимый прогон на общем стенде. Прогоните Hy4 flash и Claude Haiku 5.5 через один и тот же Intelligence Index из девяти оценок и посмотрите на две строки: балл и стоимость выполнения одной задачи. Tencent уже рассказала, что, по её ожиданиям, должно стоять в этих строках: Hy4 flash окажется близко к Claude Haiku 5.5 по возможностям и намного ниже по стоимости. Пока кто-нибудь за пределами Tencent не опубликует эту пару, подобное ожидание — гипотеза, за которой стоит маркетинговый бюджет компании, а не результат.

То, на что вы можете повлиять сегодня, уже и полезнее. Если ваша нагрузка — длинные документы, в первую очередь оцените строку для >100 000 токенов, потому что именно там две карты расходятся сильнее всего. Если она чувствительна к задержкам, сравнивайте Claude Haiku 5.5 в режиме high effort, а не Max. Если нужны дообучение или локальный инференс, решение уже принято, и никакой бенчмарк его не изменит. Разрыв в удовлетворённости в 0,02 балла — не причина переключаться в любую сторону, а то, что Tencent его публикует, — самое достоверное в релизе.