Ett genererat hero-kort som jämför Hy4 flash och Claude Haiku 5.5, med en stor siffra "2,79 vs 2,81" märkt "nöjdhetsbetyg på 4 i Tencents eget blindtest med 85 användare", och en sidfot som lyder "Båda nöjdhetsbetygen är Tencents mätvärden. Hy4 flash-vikter publicerades 17 november 2026."
Guides & Insights

Hy4 flash vs Claude Haiku 5.5: Tencent genomförde den här jämförelsen själva och publicerade förlusten

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Någon på Tencent bestämde att rätt motståndare för Hy4 flash var Claude Haiku 5.5, ställde båda modellerna inför 85 av företagets egna WorkBuddy-användare över 259 uppgifter och publicerade resultatet trots att det förlorar. Hy4 flash fick 2,79 av 4 i användarnöjdhet. Claude Haiku 5.5 fick 2,81. Det är en skillnad på två hundradelar av en punkt på en fyrgradig skala, uppmätt av utmanaren, på utmanarens egna uppgifter – och det är den enskilt mest intressanta siffran i Hy4 flash-lanseringen, eftersom den berättar vad Tencent faktiskt anser sig sälja. Inte en bättre modell. En billigare som är tillräckligt nära för att skillnaden inte överlever kontakten med en nöjdhetsundersökning.

Resten av lanseringen stöder den tolkningen. Hy4 flash publicerades med öppna vikter den 17 november 2026, två dagar efter att den lades till i Tencent:s API den 16 november: 220B parametrar totalt, 12B aktiva per token, ett kontextfönster på 1M token, bildinmatning med textutmatning. Claude Haiku 5.5 har varit allmänt tillgänglig sedan den 7 oktober 2026 till priset $0.10 och $0.50 per miljon token. Ingen av modellerna finns i OrcaRouters katalog, och den här artikeln tänker inte låtsas något annat; vad som är routbart diskuteras mot slutet, och det är ett annat par modeller.

Blindtestet, korrekt läst

Tencents sammanställning av utvärderingen består av tre meningar och ett diagram, och diagrammet gör något särskilt: det plottar nöjdhet mot median för slutförandetid från början till slut och kostnad per uppgift, så att modellen som vinner på två axlar syns vid en snabb blick. Siffrorna är 2,79/4 för Hy4 flash mot 2,81/4 för Claude Haiku 5.5, en median för slutförandetiden på 6,7 minuter för Hy4 flash och 0,26 RMB per uppgift. Tencents påstående är att Hy4 flash uppvisade både den lägsta kostnaden per uppgift och den kortaste mediana slutförandetiden bland de utvärderade modellerna.

Det som redogörelsen inte ger dig är den fullständiga uppsättningen utvärderade modeller, uppdelningen per kategori eller bedömningskriterierna. Det den däremot säger är populationen: 85 interna användare, 27 kategorier, 259 uppgifter, alla hämtade från WorkBuddy, Tencents egen produktivitetsassistent. Det är en sammanhängande utvärdering, och den är inte neutral. Anställda som utvärderar sin arbetsgivares modell vet vilken modell som är deras, och även i ett blindat gränssnitt är uppgifterna de som Tencent valde eftersom de liknar Tencents produkt.

Det användbara med 0,02-gapet är vad det gör med argumentet oavsett åt vilket håll man lutar. Om du är benägen att lita på testet har du Tencent:s ord på att kapacitetsskillnaden mot Claude Haiku 5.5 är försumbar för kontorsarbete, vilket är ett påstående mot sitt eget intresse. Om du är benägen att misstro det ger samma test dig ingen anledning att tro att Hy4 flash är bättre, och då återstår kostnadskolumnen, vilket är där Tencent ändå vill ha din uppmärksamhet.

Där de två modellerna faktiskt skiljer sig

Specifikationsbladen skiljer sig på sätt som nöjdhetsbetyget inte kan visa. Varje siffra nedan är leverantörens egen publicerade specifikation om den inte är markerad som en mätning från Artificial Analysis.

• Totala och aktiva parametrar — Hy4 flash 220B totalt, varav 64B i Engram-tabeller, 12B aktiva per token; Claude Haiku 5.5:s parameterantal är inte offentliggjorda, vilket är normalt för Anthropic.

• Kontextfönster — 1 048 576 tokens för Hy4 flash; 1 000 000 för Claude Haiku 5.5.

• Maximal utdata – 64 000 tokens på Hy4 flash enligt serving-konfigurationen; 128 000 tokens på Claude Haiku 5.5, dubbelt så mycket.

• Indatamodalitet – Hy4 flash tar emot text och bilder via en 27-lagerskodare som härstammar från SigLIP2; Claude Haiku 5.5:s lanseringsmaterial fokuserar på text och verktygsanvändning, och dess publicerade kapacitetsuppsättning är snävare på visionsidan.

• Licens — Hy4 flash distribueras under Tencent Hy-licensen med ett avsnitt 10.2 som kräver en separat överenskommelse vid över 50 miljoner USD i MaaS-intäkter eller 100 miljoner MAU; Claude Haiku 5.5 är proprietär och har inga vikter alls.

• Oberoende poäng — Hy4 flash har ingen, och dess Artificial Analysis-URL returnerar 404; Claude Haiku 5.5 får 36 på Intelligence Index v5.0.1 vid Max effort.

• Uppmätt kostnad per Index-uppgift – 0,41 USD för Claude Haiku 5.5 enligt Artificial Analysis; inte uppmätt för Hy4 flash, som inte finns med på resultattavlan.

Utdatataket är den rad som mest sannolikt ställer till problem i praktiken. En modell med 1M kontext och 64k utdata är konfigurerad för att läsa väldigt mycket och skriva en måttlig mängd; ett arbetsflöde för dokumentutkast som förväntar sig att producera mer än 64 000 tokens i ett svar kan inte använda den. Tencents egna rekommenderade användningsområden – djup sökning, dokumentbearbetning, skapande av bildspel, enkla frontend-demonstrationer, datoranvändning – är förenliga med det taket. Långformsgenerering finns inte med på listan.

Prisjämförelsen är inte ett nummer mot ett annat

Tencents pris på fastlandet för Hy4 flash är ¥0,5 per miljon inputtokens, ¥2 per miljon outputtokens och ¥0,02 per cachad inputtoken – cirka $0,070, $0,281 och $0,003. Claude Haiku 5.5:s publicerade prislista börjar på $0,10 per miljon input och $0,50 per miljon output, med cacheskrivningar på $0,125 och $0,625 för fem- respektive entimmescacher och cacheläsningar på $0,01.

Med de officiella listpriserna är Hy4 flash cirka 30 % billigare på indata, 44 % billigare på utdata och 70 % billigare vid en cacheträff. Båda har fasta priser för de första hundra tusen tokens. Skillnaden ligger i vad som händer därefter: Anthropics prislista höjer Claude Haiku 5.5:s indatapris från $0,10 till $0,50 per miljon och utdatapriset från $0,50 till $2,50 när en förfrågan passerar 100 000 indata-tokens. För ett dokument på 200 000 tokens debiteras Claude Haiku 5.5 till fem gånger sitt officiella indatapris, vilket gör jämförelsen till $0,50 mot Tencent $0,070 – en skillnad på 7x i stället för 30 %.

Det är ett designval, inte en trick, och det har en försvarbar logik: långa indata kostar mer att prefill:a, så leverantören tar mer betalt för dem. Men det innebär att rubriksiffran är fel siffra för exakt den arbetsbelastning som båda modellerna påstår sig vara bra på. Dokumentbearbetning med 1M kontext är per definition en arbetsbelastning på >100 000 token. Om ditt användningsfall är arbete med långa dokument bör du prissätta båda modellerna utifrån de rader som gäller för din promptlängd, inte utifrån siffran högst upp på kortet.

Latens: det mått som Tencent mätte är inte det som Anthropic publicerar.

Tencent rapporterar en median för slutförandetiden från början till slut på 6,7 minuter för Hy4 flash i en WorkBuddy-uppgift. Artificial Analysis rapporterar att Claude Haiku 5.5 ligger på 14,7 minuter per Intelligence Index-uppgift vid Max effort, med 192 sekunder till första token i svaret – och resultattavlan flaggar modellen som ”noterbart långsam per uppgift och mycket ordrik”, med 298M uttoken för indexkörningen.

De två talen är inte jämförbara och bör inte subtraheras. Olika uppgifter, olika testramverk, olika definitioner av "klart". Vad de däremot visar är att Claude Haiku 5.5:s effort-inställning är en latensratt med ett mycket brett intervall, och att den högsta nivån är dyr i väggklockstid:

• Max – Index 36, 14,7 minuter per uppgift, 192 sekunder till första token, 298M utdatatoken.

• Xhigh — Index 35, 9,6 minuter, första token efter 44 sekunder, 151 miljoner tokens.

• Hög — Index 30, 6,4 minuter, 21 sekunder till första token, 89,8 M tokens.

• Medium — Index 25, 3,9 minuter, 10 sekunder till första token, 52,7M tokens.

Låg — Index 19, 2,2 minuter, 5,8 sekunder till första token, 29,9M tokens.

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'.

Alla fem rader är Artificial Analysis-mätningar på v5.0.1. Poängen med att visa dem är att "Claude Haiku 5.5 får 36" är ett påstående om den dyraste konfigurationen Anthropic erbjuder. På sin höga inställning får den 30 och blir klar på mindre än halva tiden. Den som jämför en latenskänslig produkt med Max-siffran jämför med en inställning som man inte kommer att skeppa.

Hy4 flash har samma vred, i en grövre form: reasoning_effort på high, vilket är standard, eller no_think. Två lägen mot fem. Om din arbetsbelastning behöver en mellaninställning – tänkande på, men inte maximalt – ger Claude Haiku 5.5 dig ratten och Hy4 flash gör det mestadels inte.

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.

Tre saker som avgör detta och som inte står på något av de båda specifikationsbladen

API-ytan. Claude Haiku 5.5:s förfrågningsformat är strängare än föregångarens på sätt som får kod att gå sönder. Anthropics dokumentation avvisar temperature, top_p och top_k vid alla värden som inte är standard, tar bort assistant prefill, tar bort manuella budget_tokens, och kräver en specifik version av computer-use-verktygsuppsättningen. Hy4 flash accepterar hela samplingsuppsättningen, rekommenderar temperature 0.9 med top_p 1.0 och levereras med hy_v4-verktygsanrops- och resonemangsparsers för vLLM. Om du har ett promptbibliotek som är injusterat med temperatursvep kommer en av dessa modeller att köra det oförändrat och den andra att ge 400.

Driftsättningsmodellen. Claude Haiku 5.5 är ett API och inget annat. Hy4 flash är ett API, ett Hugging Face-repository, en FP8-bygge, en bascheckpoint, en GGUF-kvantisering och en guide för finjustering. Det är inte automatiskt en fördel — en modell som du själv hostar är en modell som du driftar, patch­ar och kapacitetsplanerar — men det är skillnaden mellan en leverantörsrelation och en tillgång, och för ett team med krav på datalokalisering eller behov av finjustering avgör det jämförelsen innan något benchmark ens konsulteras.

Mätglappet. Claude Haiku 5.5 har funnits på Artificial Analysis sedan oktober och har plockats isär av varje jämförelseblogg på internet, inklusive den här. Hy4 flash har en 404 där dess poäng borde vara. Inte för att modellen är dålig, utan för att den är två dagar gammal och ingen oberoende har kört den. Nöjdhetspoängen ovan är en mätning av en verklig population, och det är också den enda mätningen av den här modellen som gjorts av någon annan än dess tillverkare.

Att ringa någon av dem, ärligt talat

Varken Hy4 flash eller Claude Haiku 5.5 finns i OrcaRouter-katalogen i skrivande stund, så det finns ingen version av det här avsnittet där vi säger åt dig att anropa dem här. Det som finns är generationen på vardera sidan: tencent/hy4-preview, 770B/49B-modellen som Hy4 flash destillerades från, till $0.834 för input och $2.501 för output per miljon med en cache-läsningskostnad på $0.042; och anthropic/claude-haiku-4.5 till $1.00 för input och $5.00 för output per miljon med en cache-läsning på $0.10 — den föregående generationen, inte 5.5 i den här jämförelsen.

Den kombinationen är mer användbar än den låter. Om du försöker avgöra om Hy4 flashs kostnadsprofil är värd att bygga om en pipeline för, ger förhandsmodellen dig familjens beteende till ett pris där experimentet är billigt, på samma nyckel och samma slutpunkt som allt annat i katalogen, med leverantörens listpris vidarebefordrat med 0 % påslag så att en prisändring från Tencent når dig samma dag som den inträffar. Routnings-DSL:n är den del som spelar roll när du väl har två kandidater: skicka långdokumentnivån till den modell som vinner din egen utvärdering och behåll den andra som reserv, i stället för att välja en leverantör för allt för att bytet kostar ett avtal.

Och när Hy4 flash landar i en katalog – vilken katalog som helst, inklusive vår – är det man ska testa inte nöjdhetspoängen. Det är antalet utdatatokens på dina egna uppgifter. Tencents efterträning hävdar en minskning med 50 % av genomsnittliga end-to-end-utdatatokens, och om det håller för din arbetsbelastning är det värt mer än en rabatt på 30 % per token, eftersom utdatatokens är den dyra hälften av varje faktura på båda modellerna.

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.

Vad skulle avgöra det?

Ett oberoende körning på en delad testrigg. Låt Hy4 flash och Claude Haiku 5.5 gå igenom samma Intelligence Index med nio utvärderingar och titta på två rader: poängen och kostnaden per slutförd uppgift. Tencent har redan berättat vad de förväntar sig att de raderna ska säga – att Hy4 flash ligger nära Claude Haiku 5.5 i kapacitet och långt under den i kostnad. Tills någon utanför Tencent publicerar paret är den förväntan en hypotes med ett företags marknadsföringsbudget bakom sig, inte ett resultat.

Det du kan agera på i dag är snävare och mer användbart. Om din arbetsbelastning består av långa dokument bör du prissätta raden för >100 000 token före allt annat, eftersom det är där de två korten skiljer sig mest. Om den är latenskänslig bör du jämföra Claude Haiku 5.5 vid hög ansträngning i stället för Max. Om den kräver finjustering eller inferens på plats är beslutet redan fattat och ingen benchmark kommer att ändra det. Nöjdhetsgapet på 0,02 poäng är inte ett skäl att byta i någon riktning, och att Tencent publicerar det är det mest trovärdiga i lanseringen.