
Hy4 vs Kimi K3.1 Pro: обе доступны для скачивания, но самостоятельно развернуть можно только одну.
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 182 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 749 tok/s
- AlibabaНОВИНКАQwen: Qwen4 Max2026-11-16$1.50 / $4.50 за 1 млн токенов · 1902 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 96 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Kimi K3.1 Pro набирает 46,5 балла в Artificial Analysis Intelligence Index. Tencent Hy4 набирает 34,6. Это разрыв в 12 пунктов, и это самое большое отставание Hy4 в любом противостоянии на этой неделе — больше, чем отставание от Qwen4-Max, и более чем в десять раз превышает отставание от Grok 4.7. В рейтинге Kimi K3.1 Pro — лучшая модель с открытыми весами из перечисленных, первая из 32 в своём классе.
Затем вы смотрите на то, сколько весят эти две модели. Kimi K3.1 Pro — это модель с 2,78 трлн параметров и 104 млрд активных параметров на токен. Tencent Hy4 — 774 млрд параметров всего, из них 49 млрд активных. Обе были опубликованы в виде скачиваемых весов — веса Kimi 2 ноября 2026 года, веса Hy4 — 18 ноября, с разницей в три недели. Только одна из них помещается на машину, которой владеет обычная компания, и один этот факт перестраивает всё сравнение. Это не история о том, какая модель умнее. Это история о том, какую модель вы действительно можете запустить, и во сколько вам обойдётся более умная модель за каждую выполненную задачу, если вместо этого арендовать её.
Единственный бенчмарк, который это решает
Минимальный развертываемый объем при рекомендуемой самим поставщиком точности:
• Tencent Hy4 — 774 млрд параметров в BF16, опубликована в виде 245 шардов размером примерно 12,9 ГБ и 6,4 ГБ, около 1,45 ТБ до какого-либо квантования. Собственный рецепт обслуживания Tencent использует тензорный параллелизм 8 на GPU в объёме одного узла со сборкой FP8, что составляет примерно 786 ГБ весов.
• Kimi K3.1 Pro — 2,78 трлн параметров, 2,72 ТБ U8-квантованных весов в репозитории в поставляемом виде, а BF16-тензоры занимают ещё 57 ГБ. Нет такой одноузловой конфигурации, при которой эта модель стала бы проектом на выходные.
Оба вендора поставляют ПО, которое делает обслуживание моделей практически осуществимым, и оба на удивление хорошо с этим справляются. Tencent публикует тег образа vLLM (vllm/vllm-openai:hy4) и образ SGLang (lmsysorg/sglang:hy4) с явно прописанными флагами tensor-parallel и speculative-decoding; репозиторий Kimi содержит конфигурацию compressed-tensors MXFP4 и 4-битный путь, который уменьшает файл весов до указанных выше 2,72 ТБ. Ни то, ни другое — не история про малые модели. Разница в том, что узел с 8 GPU — это покупка, которую может одобрить большинство инженерных организаций, а развёртывание модели на 2,8 трлн параметров — это решение уровня дата-центра.
Если самостоятельный хостинг был причиной, по которой вас заинтересовали открытые веса, то эта фраза — весь аргумент, и она не зависит от бенчмарка.

Где живут двенадцать точек
Разрыв в 12 пунктов индекса звучит как равномерный. Это не так — Hy4 достойно держится в нескольких оценках и терпит сокрушительное поражение в одной.
• Агентное программирование, Terminal-Bench 4.0 — Kimi K3.1 Pro 67,2%, Tencent Hy4 37,4%. Разрыв в 30 пунктов — и крупнейший вклад в разницу индексов.
• Агентная наука в терминале, Terminal-Bench-Science — Kimi 34,3%, Hy4 12,9%.
• Разработка программного обеспечения в реальных репозиториях, FrontierCode-AA 2.0 — Hy4 31,4%, Kimi 25,5%. Hy4 здесь — более сильная модель, с преимуществом в шесть пунктов, и это единственная оценка, где работа терминального агента с реальными репозиториями говорит в пользу Tencent.
• Сложные рассуждения, HLE-Diamond — Kimi 37,3%, Hy4 32,7%. Ближе, чем следует из заголовка.
• Физика, сложное подмножество CritPt v2 — Kimi 49,5%, Hy4 39,0%.
• Выполнение рабочих процессов SaaS, AutomationBench-AA — Kimi 73,3%, Hy4 65,6%.
• Агентная работа со знаниями, AA-Briefcase Elo — Kimi 1 673,6, Hy4 1 445,9. Разрыв в 228 пунктов Elo с неперекрывающимися интервалами.
Результат FrontierCode — это тот, на котором стоит задержаться, потому что он противоречит очевидному прочтению остальных шести. На бенчмарке с изменяющимися реальными open-source-репозиториями лидирует Hy4. На бенчмарке чистой терминальной среды Kimi лидирует с отрывом в 30 пунктов. Карточка модели Tencent объясняет, почему так может быть: Hy4 обучали специально на собственных игровых и фронтенд-пайплайнах Tencent — Unreal, Unity, Godot, управление состоянием UI — и сообщают о приросте на 19,1% в их внутреннем наборе GameDev по сравнению с Hy4 preview. Это модель, настроенная на создание вещей, которую оценивают на тесте их исправления. Если взять обе строки, честный вывод таков: картина с кодингом зависит от рабочей нагрузки, а не от того, что одна модель программирует лучше.

Цена в 3,6 раза ниже за выполненную задачу
Здесь сравнение становится арифметикой, а не аргументацией. Artificial Analysis сообщает измеренную стоимость выполнения одной задачи Intelligence Index для обеих моделей, которая учитывает цены на токены, длину рассуждений и поведение кэша:
• Tencent Hy4 — $1.03 за задачу: $0.834 за входные и $2.501 за выходные данные за миллион токенов, скидка 95% на кэш при $0.042.
• Kimi K3.1 Pro — $3.68 за задачу, при $2.00 за вход и $10.00 за выход на миллион токенов, скидка 90% на кэш при $0.20.
Итак, разрыв в 12 пунктов индекса обходится в 3,6 раза дороже на задачу. В расчёте на пункт индекса Kimi стоит примерно в 4,4 раза дороже. Это не скандал — модель, которая действительно лучше справляется со сложной агентной работой, должна стоить дороже, — но это меняет рамку решения. Если вашей рабочей нагрузке требуется 67% на Terminal-Bench, замены нет, и вам стоит платить. Если вашей рабочей нагрузке требуется 37%, то платить в три с половиной раза больше за остальные 30 пунктов — это деньги, потраченные на возможности, которые вы не задействуете.
Есть вторичные издержки, которые скрывает показатель в расчёте на задачу. Kimi тратит 39,7 минуты на задачу индексирования против 14,0 у Hy4 и выдаёт первый токен ответа через 162,8 секунды против 115,9. При 30 токенах вывода в секунду против 93 у Hy4 самая медленная модель в этом сравнении — в три раза медленнее — одновременно и самая дорогая. В агентном цикле, который выполняется сотни шагов, задержка и стоимость накапливаются вместе, а не компенсируют друг друга.
Две лицензии с двумя разными ловушками
Обе модели имеют открытые веса в том смысле, что вы можете скачать и использовать их. Ни одна из них не распространяется под Apache 2.0, и разница между их коммерческими условиями не является чисто теоретической:
• Tencent Hy4 — лицензия Tencent Hy License 1.0, производная от Apache 2.0. Раздел 10 требует заключения отдельного письменного соглашения до того, как предлагать модель в качестве услуги, если ваш мировой валовой доход превышает 50 млн долларов США в течение любого 12-месячного периода или если продукт, в котором она используется, превышает 100 млн ежемесячно активных пользователей. Внутреннее использование не подпадает под это требование.
• Kimi K3.1 Pro — лицензия Kimi K3.1-Pro. Та же форма ограничения, но при пороге выручки в 20 млн долларов, а не в 50 млн.
Оба делают исключение для продуктов для конечных пользователей, где модель встроена в конкретные функции, а не предоставляется как доступ к модели общего назначения. Оба разрешают простую ретрансляцию запросов в сторонний сервис модели. Проще говоря: небольшая продуктовая команда, создающая функцию на любой из этих моделей, может работать спокойно. Компании, ведущей бизнес на инференсе на любой из них, нужно созвониться, и у Kimi этот звонок обходится менее чем в половину выручки.
Для полноты картины: предыдущее поколение — исключение. Превью Hy4, вышедшее 28 августа 2026 года, распространялось под Apache 2.0 вообще без какого-либо коммерческого порога. Все, кто строил на лицензии превью и теперь переходит на Hy4, переходят на другие условия.
Запускаю оба, пока не выбирая
Причина, по которой это сравнение не обязательно должно решаться на бумаге, заключается в том, что обе модели доступны из одной конечной точки с передачей собственного тарифа провайдера: tencent/hy4 по $0.834 и $2.501 за миллион токенов, kimi/kimi-k3.1-pro по $2.00 и $10.00, а чтение из кэша — по $0.20. Это указанные выше цифры без наценки, и изменение цены поставщиком отражается здесь в тот же день, а не при продлении.
Для пары, настолько далеко разнесённой по возможностям и стоимости, полезный паттерн — не разделение, а потолок. Направляйте запросы в kimi/kimi-k3.1-pro через DSL маршрутизации, назначьте tencent/hy4 целью автоматического переключения при сбое и следите за тем, как часто срабатывает переключение при сбое. Если оно срабатывает редко, вы платите за возможности Kimi и получаете их. Если оно срабатывает постоянно из-за задержки Kimi, вы только что обнаружили то, чего не может показать таблица бенчмарков, — по ценам Hy4, а не Kimi. Слияние моделей — другой вариант: панель из двух позволила бы использовать рассуждения более сильной модели, сохраняя более дешёвый бюджет токенов более слабой модели, на оценках, где они сходятся.

Что изменило бы этот ответ?
Три вещи, в порядке вероятности. Во-первых, дообучение Hy4: веса опубликованы два дня назад, а разрыв в 30 пунктов на Terminal-Bench — как раз тот запас, который сокращает целевое дообучение на собственных терминальных трейсах компании. Во-вторых, независимая оценка Kimi K3.1 Pro при более высоком усилии рассуждения, чем максимальное значение по умолчанию, используемое индексом, — потолок вывода в 943 718 токенов, указанный в карточке модели, ещё не проверял никто из публикующих результаты. В-третьих, родственная модель класса Hy4 Flash, которая унаследует агентное обучение за четверть цены, — это сделает аргумент о стоимости против Kimi ещё сложнее парировать.
Пока один из них не выйдет, разделение остаётся чётким. Kimi K3.1 Pro — лучшая модель и при этом более дорогая, с разницей, которая сохраняется независимо от того, измеряете ли вы в расчёте на токен, на задачу или на индексный пункт. Tencent Hy4 — та, которую можно развернуть на собственном оборудовании, с вдвое более щедрым порогом лицензирования и втрое более низкой ценой. Ни то, ни другое не повод жалеть о другом.
Сравнение в этой статье1
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
