Сгенерированная hero-карточка под названием «Hy4 flash vs Qwen3.8-Flash», с левой плиткой: Tencent, 16 ноября 2026 г., $0.070 за вход и $0.281 за выход за миллион, 220B всего при 11.3B активных, контекст на 1,048,576 токенов, вход — текст и изображения, выход — текст, независимой оценки пока нет; и правой плиткой: Alibaba, в QwenCloud с 26 августа 2026 г., $0.15 за вход и $0.47 за выход за миллион, 125B MoE при примерно 6B активных, контекст 1M и максимальный выход 131K, вход — текст, изображения и видео, выход — текст, а Intelligence Index — 28.6 для сборки с открытыми весами. В нижнем колонтитуле указано, что цены Hy4 flash — это списочные тарифы Tencent, цены Qwen3.8-Flash — списочные цены QwenCloud, а значение индекса — Artificial Analysis v5.0.1 для Qwen3.8-Flash-Next.
Guides & Insights

Hy4 flash vs Qwen3.8-Flash: вдвое больше активных параметров, вдвое ниже цена за токен

Автор

jinhao.song

Дата публикации

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

Более дешёвая модель здесь — это более крупная. Hy4 flashзадействует 11,3 млрд текстовых параметров на каждый токен и стоит $0.070 за миллион входных токенов. Qwen3.8-Flashзадействует примерно 6 млрд и стоит $0.15. Почти вдвое больше активных вычислений на токен, менее половины входной цены — и ни одно из этих двух чисел не решает, какую модель вам на самом деле стоит вызывать.

Hy4 flash появилась два дня назад. Tencent разместила её в собственном API 16 ноября 2026 года, опубликовала веса на следующий день и выпустила для неё три репозитория: instruct-чекпоинт, сборку FP8 и базовую модель. Это смесь экспертов на 220 млрд параметров, из которых активны 12 млрд, с контекстом 1 048 576 токенов, входом изображений и выходом текста, под лицензией Tencent Hy License. Qwen3.8-Flash доступна на QwenCloud с тех пор, как Alibaba открыла её вместе с весами Qwen3.8-Flash-Next 26 августа 2026 года: экспертное тело на 125 млрд параметров, активирующее около 6 млрд, плюс таблица n-gram-эмбеддингов на 51 млрд параметров; принимает текст, изображения и видео, а возвращает текст, при контексте 1M и максимальном выводе 131K.

Структура этого сравнения необычна. Одна модель — самый подробно задокументированный дешёвый тариф на рынке, другая — наименее задокументированный. У одной есть строка в независимом бенчмарке, у другой — 404. А два прайс-листа выражены в разных валютах, продаются на разных рынках и подстрахованы разным объёмом мелкого шрифта. Самое интересное — не 2,1x в строке входных данных, а то, что происходит с этим разрывом, когда вы перестаёте оценивать токены и начинаете оценивать готовую работу.

Инверсия в тарифной карте, прежде всего остального

Тариф Tencent для материкового Китая на Hy4 flash: ¥0,5 за миллион входных токенов, ¥2 за миллион выходных и ¥0,02 за миллион кэшированных входных. Tencent приводит те же три позиции в долларах: $0,070, $0,281 и $0,003. В тарифе QwenCloud для Qwen3.8-Flash указано: $0,15 за вход, $0,47 за выход, $0,016 за чтение кэша и $0,20 за миллион за явное создание пятиминутного кэша.

• Вход — $0.070 против $0.15. Hy4 flash дешевле в 2,1 раза.

• Вывод — $0.281 против $0.47. Hy4 flash дешевле в 1,7 раза.

• Кэшированный ввод — $0,003 против $0,016. Hy4 flash в 5,3 раза дешевле по статье затрат, которая доминирует у любого агента, повторно отправляющего фиксированный промпт.

• Смешанная ставка при соотношении ввода к выводу 3:1 — около $0,123 за миллион против $0,230.

• В пересчёте при соотношении 1:3 с преобладанием вывода — около $0.228 против $0.390.

Это настоящий разрыв, и он меньше, чем подразумевает соотношение из заголовка, ведь именно в колонке output обе модели реально тратят деньги на агентную работу, а разрыв по output составляет всего 1,7x. Он также меньше разрыва, который каждая из этих моделей показывает против западного флагмана, — то есть того, с кем каждая из них соседствует в этом эшелоне.

Честная оговорка по всем пяти строкам: это не один и тот же тип цены. У Tencent это цена по прайс-листу в юанях для материкового Китая, которую Tencent пересчитал для англоязычных читателей, и Tencent уже применял промоскидки на эту модель в первую неделю. У QwenCloud это цена по прайс-листу в долларах США на глобальном эндпоинте. Команде, покупающей за доллары за пределами материкового Китая, следует рассматривать цифры Hy4 flash как нижнюю границу доступного, а не как сумму, которая будет указана в счёте, и перед тем как что-либо моделировать на их основе, ей стоит перечитать карточку.

Всё равно прогоняйте этот объём, потому что пропорции сохраняются. Десять миллионов входных токенов и два миллиона выходных токенов в день стоят $1,26 на Hy4 flash и $2,44 на Qwen3.8-Flash — $461 против $891 за год, разница около $430 при объёме нагрузки, который небольшая команда действительно может генерировать. Сместите пропорции в сторону кэша, как это делает любой многоходовой агент, и разрыв увеличится: два миллиона новых входных токенов, восемь миллионов чтений из кэша и два миллиона выходных токенов составляют $0,73 в день против $1,37, потому что соотношение чтений из кэша равно 5,3x, а не 2,1x.

A generated two-column scoreboard for Hy4 flash and Qwen3.8-Flash across six shared dimensions: input price $0.070 against $0.15, output price $0.281 against $0.47, cached input $0.003 against $0.016, active parameters 11.3B of 220B against roughly 6B of 125B, video input no against yes, and independent score none against 28.6. A footer notes the prices are Tencent and QwenCloud list rates and the 28.6 is Artificial Analysis Intelligence Index v5.0.1 for Qwen3.8-Flash-Next.

Оба вендора потратили почти треть параметров на одну и ту же идею

Это та сторона сравнения, которую в анонсах ни одного из вендоров не ставят рядом с соответствующей стороной у другого, и именно поэтому цены двух моделей различаются в пределах двукратной разницы, а не десятикратной.

Hy4 flash содержит 63,5 млрд параметров Engram — обученные биграммные и триграммные представления, извлекаемые с помощью многоголовочных хэш-запросов и встраиваемые в основную сеть на слоях 1, 11, 21 и 31. Это 28,9% из 220 млрд параметров модели, которые находятся в таблице поиска, а не в экспертах. Qwen3.8-Flash содержит таблицу n-граммных эмбеддингов с 51 млрд параметров, ключом в которой служит текущий токен плюс несколько предшествующих, из примерно 180 млрд параметров на диске — 28,3%.

Две лаборатории, два поколения — один и тот же вывод: самый дешёвый способ добавить возможностей разреженной модели — перестать платить за это вычислениями на каждый токен. Обе таблицы могут храниться в памяти хоста и асинхронно предзагружаться, поэтому ни одна из них не занимает память GPU постоянно. Ни одна не добавляет матричное умножение в прямой проход. По сути, обе — это ставка на то, что большая доля того, что языковой модели нужно знать, локально предсказуема по последним нескольким токенам, а разреженную экспертную часть следует резервировать для того, что предсказуемым не является.

Стеки внимания тоже рифмуются. Hy4 flash чередует разреженное внимание IndexPool со скользящими окнами на 512 токенов в соотношении 1:3 по 42 слоям, и Tencent сообщает, что результирующий KV-кэш составляет 1/24 от Hy3 и 1/6 от Hy4. Qwen3.8-Flash использует Gated DeltaNet с Qwen Sparse Attention, сжимая историю в состояния фиксированного размера в трёх из каждых четырёх слоёв и направляя остальные через блочный индексатор. Оба решения отвечают на один и тот же вопрос — как обслуживать окно на миллион токенов, не платя за KV-кэш на миллион токенов, — и оба ответа сводятся к разновидности принципа «не обращай внимания на всё подряд».

Разница в том, что дают дополнительные активные параметры. Hy4 flash использует 11,3 млрд текстовых параметров против 6 млрд у Qwen3.8-Flash, на 41 слое MoE с 16 из 512 маршрутизируемых экспертов плюс один общий эксперт, в латентном пространстве размерностью 1 536. Это почти вдвое больше вычислений на токен в модели, которая берёт за токен меньше половины. Как бы то ни было, Tencent не возмещает эти затраты за счёт клиента — он возмещает их за счёт стека обслуживания: 4-битных весов, мегаядер и DFly2 — драфтера на 0,85 млрд параметров, который повторно использует разрежённые KV-данные и выборки индексов целевой модели, так что каждый черновой токен обращается не более чем к примерно 2 000 ключам независимо от длины контекста. С этими тремя компонентами Tencent обеспечивает декодирование выше 150 токенов в секунду.

Что на самом деле дают 29,5 минуты на задачу

Цены за токен — неверная единица измерения для обеих этих моделей, а независимые данные делают это наглядным на одной стороне сравнения.

Artificial Analysis оценивает Qwen3.8-Flash-Next — артефакт с открытыми весами, а не хостинговый SKU — в 28,6 балла по Intelligence Index v5.0.1, в $0,569 за задачу, более 29,5 минут на задачу, со скоростью 83,6 выходных токена в секунду, при 2,5 секунды до первого токена и 68,3 секунды до первого токена ответа.

Эти пять чисел при перемножении дают нечто более полезное, чем любое из них по отдельности. При 83,6 токена в секунду за 1 768 секунд задача выдаёт примерно 148 000 выходных токенов. При $0,47 за миллион это около семи центов на выход. Остальные пятьдесят центов из $0,569 — это вход, что при $0,15 за миллион подразумевает как минимум 3,3 млн входных токенов на задачу — больше, если часть была обслужена из кэша по более низкой ставке. Вход в 3,3 млн токенов при контексте в 1 млн — это не один промпт. Это цикл: прочитать, действовать, прочитать снова, на двадцать или тридцать ходов вглубь, при этом контекст каждый раз перестраивается или переносится вперёд.

Именно на такую нагрузку рассчитаны обе модели, и поэтому дизайнерские решения Hy4 flash выглядят именно так. Пайплайн посттренировки Tencent сократил средний сквозной объём вывода на 50% с помощью обучения с подкреплением, а его внутренняя слепая оценка сообщает о медианном времени выполнения задачи 6,7 минуты при стоимости 0,26 юаня за задачу — около $0,037 по действующим курсам. Его внутренний набор WorkIndex ставит Hy4 flash на 42,1 против 39,7 у Hy4 preview, при средней стоимости за задачу, которую Tencent указывает как одну тринадцатую от Hy4 preview, одну двадцатую от Hy4 и одну восьмую от DeepSeek-V4.1-Flash-1017 при пиковых ценах.

Не делите эти показатели на показатели Artificial Analysis. Медиана 6,7 минуты на 259 задачах WorkBuddy у 85 внутренних пользователей — это не медиана 29,5 минуты в Intelligence Index, а показатель в юанях на задачу из собственного стенда поставщика — это не показатель в долларах на задачу из независимого стенда. Сравнение, которое они позволяют провести, носит ориентировочный характер, и стоит сказать прямо: измеренная стоимость задачи Qwen3.8-Flash в первую очередь определяется тем, сколько токенов она расходует и сколько времени занимает, а не тем, сколько она берёт за токен. Модель, которая пишет вдвое меньше и завершает работу в пять раз быстрее, может быть в 1,7 раза дешевле за выходной токен и на порядок дешевле за завершённую задачу. А является ли Hy4 flash на самом деле такой моделью — именно это пока никто не измерял.

На табло всего одна строка, и она не для той модели, которую вы бы назвали.

Два раскрытия, каждое из которых меняет, насколько весомыми могут быть приведённые выше цифры.

Во-первых: у Hy4 flash нет страницы на Artificial Analysis. Это не низкий балл и не запись без рейтинга — https://artificialanalysis.ai/models/hy4-flash вернул 404 18 ноября 2026 года, через три дня после открытия API и через день после появления весов. Независимых измерений этой модели нет вообще. Опубликованная Tencent таблица бенчмарков охватывает предобученные базовые чекпоинты — Hy4 flash Base в сравнении с Hy4 Base и базовыми моделями DeepSeek, — что говорит о предобучении и ничего не говорит об инструкционной модели или режиме рассуждений, который вы бы фактически вызывали. Единственные свидетельства об инструкционной модели — собственные данные Tencent: WorkIndex, слепой тест и соотношение стоимости в расчёте на задачу.

Во-вторых: значения 28.6 и $0.569 относятся к Qwen3.8-Flash-Next — скачиваемому чекпоинту. Размещённая модель Qwen3.8-Flash на QwenCloud — это отдельно настроенная сервисная сборка; Alibaba продаёт её как доведённый до промышленной эксплуатации вариант линейки, и эти две модели не взаимозаменяемы. Artificial Analysis также указывает для Qwen3.8-Flash-Next контекст в 256 000 токенов — нативное окно чекпоинта до расширения YaRN — тогда как QwenCloud предоставляет размещённую модель с контекстом 1M и максимальным входом 991K. Если вы рассчитываете стоимость размещённой модели, вы полагаетесь на карточку QwenCloud и собственные оценки Alibaba во всём, кроме оценки интеллекта, которая относится к чекпоинту.

Итак, асимметрия разительна — её легко сформулировать, но трудно устранить: у одной модели есть независимая оценка, относящаяся к другому артефакту, а у другой независимой оценки нет вовсе. Любая статья, которая объявляет здесь победителя по возможностям, просто выдумывает его. Можно сказать лишь нечто более узкое, но всё же полезное. Qwen3.8-Flash с результатом 28,6 располагается ниже Tencent Hy4 — флагманской модели с 770 млрд параметров из того же семейства — с 34,6 и ниже Claude Haiku 5.5 с 36,5 в той же версии индекса: солидный результат среднего уровня, которого и следует ожидать от небольшой flash-модели. Hy4 flash во внутреннем наборе тестов Tencent набирает больше, чем Hy4 preview, и заметно меньше, чем Hy4, — та же относительная позиция, но измеренная другим инструментом.

Видео — единственная строка, которая решает сама за себя

Всё вышесказанное можно оспорить. А это — нельзя.

• Ввод Hy4 flash — текст и изображения, через энкодер на основе SigLIP2-So400m и MLP-проектор. Выход — текст.

• Ввод Qwen3.8-Flash — текст, изображение и видео. Вывод — текст.

Если ваш конвейер принимает запись экрана, запись звонка или видеофайл, Hy4 flash не может их принять, а Qwen3.8-Flash может. Открытые веса не помогают, адаптер не помогает, и никакое ценовое преимущество этого не компенсирует. Оба вмещают миллион токенов контекста, оба работают с документами и скриншотами, и на этой общей основе сравнение остаётся открытым; по видео оно закрыто.

Рекомендуемые самой Tencent рабочие нагрузки для Hy4 flash соответствуют этой границе — глубокий поиск, обработка документов, создание слайдов, простые фронтенд-демонстрации, использование компьютера — а собственные рекомендации компании вместо этого направляют долгосрочную разработку ПО к Hy4. Это вендор, признающий потолок, что информативнее большинства материалов к запуску и заслуживает того, чтобы принимать это за чистую монету.

Оба доступны для скачивания, и загруженные файлы не эквивалентны.

A screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the Image-Text-to-Text pipeline tag, the Tencent Hy License, a 220B parameter model size in BF16 with F32 tensor type, mixture-of-experts, multimodal, instruct and conversational tags, 96 likes, and a table of contents covering model introduction, capability, cost efficiency, blind evaluation, benchmark results, the DFly2 speculative draft model and quantisation.

Hy4 flash был выпущен в виде открытых весов 17 ноября: tencent/Hy4-flash, tencent/Hy4-flash-FP8 и tencent/Hy4-flash-base. В файловом листинге от 18 ноября чекпоинт BF16 занимает 440,5 ГБ и состоит из 148 шардов, а сборка FP8 — 287,1 ГБ. Qwen3.8-Flash-Next доступен публично с 24 августа, его размер составляет 360,0 ГБ, и он состоит из 131 шарда.

• Рецепт запуска — Tencent публикует закреплённые образы vllm/vllm-openai:hy4-flash и lmsysorg/sglang:hy4-flash с явно указанными флагами tensor-parallel-8 и speculative-decoding. Qwen3.8-Flash-Next поддерживается в SGLang, vLLM и Transformers с недели своего выпуска.

• Transformers — для Hy4 flash требуется установка из ref пулл-реквеста, refs/pull/50903/head, поскольку поддержка ещё не добавлена в main. Qwen3.8-Flash-Next загружается из main.

• Квантование — Tencent выпускает официальную сборку FP8 и GGUF от AngelSlim; у экосистемы Qwen было четыре месяца, чтобы силами сообщества создать собственные квантованные версии.

• Сигнал экосистемы — Qwen3.8-Flash-Next зафиксировал 2,983,542 загрузки за последний месяц и 7,276 лайков 18 ноября. Hy4 flash, опубликованный днём ранее, показал 96 лайков и нулевое количество загрузок.

• Аппаратное обеспечение — 440 ГБ весов BF16 не помещаются на восемь карт по 80 ГБ, поэтому сборка FP8 объёмом 287 ГБ на восьми H100 — это реалистичный вариант развёртывания на одном узле, и это ровно та конфигурация TP=8, которую задаёт собственный рецепт Tencent.

Закреплённые образы и установка из PR-ref не дисквалифицируют; они означают, что вы запускаете сборки, которые тестировала Tencent, а не сборки, которые были выпущены, — это разница в том, кто будет отвечать за следующий баг. Преимущество Qwen здесь целиком обусловлено прошедшими четырьмя месяцами и со временем сойдёт на нет. Сегодня оно реально и представляет собой второй по величине разрыв в этом сравнении после отсутствующей строки бенчмарка.

В обеих лицензиях есть пункт о модели как услуге, и это разные пункты.

Обе модели можно свободно скачивать, и ни одну из них нельзя безоговорочно свободно перепродавать, но триггеры имеют не одинаковую форму, и эта разница важна, если вы размещаете модели для других людей.

• Лицензия Tencent Hy v1.0 — производная от Apache 2.0. Раздел 10.2 требует отдельной письменной лицензии, если вы ведёте бизнес по предоставлению моделей как услуги (model-as-a-service) и ваш мировой валовой доход превышает 50 млн долларов США в любой двенадцатимесячный период или если число ежемесячно активных пользователей вашего продукта превышает 100 млн. Раздел 10.3 делает исключение для внутреннего использования.

• Qwen Community License 1.0 — требует отдельной лицензии для любого бизнеса в сфере «Модель-как-услуга» или AI Work Assistant независимо от размера, при этом внутреннее использование освобождено от этого требования. Отдельно требуется, чтобы название модели отображалось на видном месте, если вы превышаете 100 миллионов активных пользователей в месяц или 20 миллионов долларов США месячной выручки.

• Оговорка Qwen, которую стоит перечитать дважды: лицензия прямо исключает «простое перенаправление запросов к моделям, размещённым у других третьих сторон» из своего определения Model as a Service. В лицензии Tencent нет аналогичного предложения.

Ни одна из них не содержит территориальных ограничений, чего нельзя сказать о ряде китайских лицензий на модели с открытыми весами. Если вы создаёте внутренний инструмент, обе лицензии бесплатны при любом масштабе. Если вы создаёте продукт, который перепродаёт инференс, порог Tencent проще, а исключение для ретрансляции у Qwen более разрешительно для определённого типа посредников, и то, какая из лицензий накладывает на вас обязательства, зависит от того, в каком из этих двух бизнесов вы работаете.

Что можно вызвать сегодня одной клавишей

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, showing the Qwen3.8 Flash heading, a 1M-token context and 131K maximum output, text, image and video input with text output, vision, tools, JSON and reasoning capability tags attributed to Qwen with a 26 August 2026 date, zero data retention availability, a 10.00-second p50 time to first token, and the start of the model description as a multimodal reasoning model from Alibaba.

Qwen3.8-Flash представлен в каталоге OrcaRouter как qwen/qwen3.8-flash, по цене $0.15 за миллион входных токенов и $0.47 за миллион выходных при $0.0184 за чтение из кэша — опубликованные QwenCloud тарифы на промпты и завершения передаются без наценки (0%), поэтому снижение цены поставщиком на эту модель доходит до вас в день, когда оно происходит, а не при следующей синхронизации каталога.

Hy4 flash пока нет в каталоге. Что есть для этого семейства — это tencent/hy4-preview по $0.834 и $2.501 за миллион при чтении из кеша за $0.042 — модель, из которой был дистиллирован Hy4 flash, и правильная базовая точка для сравнения с собственным API Tencent, пока вы ждёте появления маршрута flash. Утверждать обратное означало бы заявлять о маршруте, которого у нас нет.

Эта асимметрия даёт вам дешёвый способ самостоятельно разрешить спор. Прогоните свои двадцать наиболее репрезентативных задач на qwen/qwen3.8-flash через уже имеющийся у вас ключ, а на Hy4 flash — через ключ Tencent. Фиксируйте входные токены, выходные токены, попадания в кэш, реальное время выполнения и то, был ли вывод пригоден для использования. Полученное соотношение по каждой задаче — это единственная версия утверждения Tencent об одной тринадцатой, которая применима к вашему трафику, а это обойдётся в полдня, а не в миграцию.

Когда flash-маршрут всё же появится, полезный шаблон — это правило маршрутизации, а не переключатель: поместите уровень приёма видео на маршрут Qwen, потому что только он из двух принимает видео, а уровень текстов и документов — на ту модель, которую выберут ваши собственные метрики. DSL маршрутизации выражает это разделение в одной конечной точке, автоматическое переключение при сбое означает, что деградация непроверенного маршрута, которому всего два дня, не утянет за собой весь конвейер, а один и тот же ключ даёт доступ более чем к 200 моделям без второго контракта.

Решение, изложенное в виде трёх случаев

Если вам нужен видеовход, сравнение на этом заканчивается. Qwen3.8-Flash его поддерживает, Hy4 flash — нет, и никакие доводы о цене не перевесят отсутствующую модальность.

Если вам нужна модель с независимой оценкой до того, как она попадёт на клиентский путь, у вас уже есть ответ по той же причине. 28,6 в Intelligence Index v5.0.1 — скромное число: ниже 34,6 у собственного флагмана Tencent и ниже 36,5 у Claude Haiku 5.5, — но оно измерено, опубликовано и воспроизводимо, а у Hy4 flash нет ничего подобного. Вероятно, это изменится; это самое ценное, что только можно опубликовать об этой модели.

Если ваша нагрузка — это большие объёмы текста и документов, важна задержка и вы можете провести собственную оценку, Hy4 flash стоит потраченного дня. Почти вдвое больше активных параметров при менее чем половине входной цены — это не обычный компромисс; строка кэшированного ввода по $0.003 делает повторные запросы для долго работающих агентов почти бесплатными, а наличие весов означает, что цена — лишь один из вариантов, а не единственный. Учитывайте, что вы — первый, кто её измеряет, что опубликованная таблица бенчмарков описывает другой чекпоинт, а не тот, который вы будете вызывать, и что 440 GB весов BF16 не поместятся на одном узле без сборки FP8.

Цифра, за которой стоит следить, — это не очередной пост о запуске. Это строка Artificial Analysis по Hy4 flash, потому что она превращает внутренний коэффициент вендора в цифру, которую можно напрямую сопоставить с $0.569 за задачу продолжительностью 29.5 минуты у Qwen3.8-Flash-Next. Если Hy4 flash окажется существенно ниже этой цифры по стоимости за задачу, удержавшись в пределах нескольких пунктов индекса, то вся суть — в разрыве в цене, и этот сегмент перестроится вокруг него. Если же он окажется дешёвым потому, что выполняет меньше работы за задачу, то это модель для документов и презентаций с необычно выгодной тарифной сеткой, и собственные рекомендации Tencent по развёртыванию уже это подтверждают.

Сравнение в этой статье3

Определено по этой статье

© 2026 OrcaRouter