
Hy4 flash vs Gemini 3.8 Flash: En utfasad modell är fortfarande den som har en prislista
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 138 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 175 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
Artificial Analysis märker Gemini 3.8 Flash som "utfasad" och hänvisar läsare till Gemini 4 Hydrogen. Google säljer fortfarande den för $0,75 per miljon indatatoken och $3,75 per miljon utdatatoken. Hy4 flash är två dagar gammal, kostar en tiondel av det och har ingen oberoende poäng alls. Så den ärliga frågan i den här jämförelsen är inte vilken modell som är bättre — det kan ingen svara på ännu — utan vilken av två obekväma positioner du hellre skulle inta: att betala priser nära flaggskeppsmodellerna för en modell som dess egen tillverkare har ersatt, eller att betala nästan ingenting för en modell som ingen utanför Tencent har mätt.
Hy4 flash lades till i Tencent API den 16 november 2026 och släpptes som öppna vikter den 17 november: 220B totala parametrar, 12B aktiva, en kontext på 1 048 576 tokens, bildinmatning med textutdata, under Tencent Hy-licensen. Gemini 3.8 Flash släpptes den 2 september 2026 med en kontext på 1M tokens, inmatning av text, bild, video, ljud och filer samt en poäng på 31 i Artificial Analysis Intelligence Index vid den höga resonemangsinställningen. Det är den enda modellen i den här jämförelsen med en oberoende mätning, och det är också den enda som är markerad som utfasad.
Vad utfasningsetiketten faktiskt innebär här
Att Artificial Analysis flaggar Gemini 3.8 Flash som "deprecated" innebär att tavlan anser att den är ersatt, och sidan hänvisar till Gemini 4 Hydrogen som ersättare. Det betyder inte att Google har stängt av den. Modellen går att slå upp, den är prissatt och den finns i OrcaRouter-katalogen till $0.75 och $3.75 med 90 % cacherabatt, vilket innebär att den fortfarande serveras till betalande kunder av minst en plattform.
Vad det innebär är att färdplanen redan har gått vidare förbi den. En modell som släpptes i början av september och markerades som ersatt i mitten av november hade en livslängd på ungefär två och en halv månad som aktuell generation. Ett team som standardiserar på den nu standardiserar på något som leverantören redan har ersatt i sina egna rekommendationer, och den praktiska konsekvensen är enkel: nästa kapacitetsförbättring kommer inte som en uppdatering av den här modellen, utan som en annan modell som du måste migrera till.
Hy4 flash har det motsatta problemet. Den är inte utfasad; den är omätt. Tencent egen utvärdering är en intern WorkIndex-svit och ett blindtest med 85 användare, båda genomförda av leverantören, och Artificial Analysiss URL för Hy4 flash returnerar 404 sedan 18 november. Modellkortets offentliga benchmarktabeller är base-mot-base och beskriver den förtränade checkpointen, inte den instruktionsmodell du faktiskt skulle anropa.
Ingen av positionerna är bekväm. Den ena är en känd kvantitet på en avslutande kurva; den andra är en okänd kvantitet på en inledande.
Prisskillnaden är verklig, och den är inte det intressanta.
Tencents prislista för det kinesiska fastlandet för Hy4 flash anger ¥0,5 per miljon indata, ¥2 per miljon utdata och ¥0,02 per cachad indata – cirka 0,070, 0,281 och 0,003 USD. Googles listpris för Gemini 3.8 Flash är 0,75 och 3,75 USD, med cacheläsningar till 90 % rabatt.
• Input – 0,070 USD mot 0,75 USD. Ungefär 10,7 gånger billigare för Hy4 flash.
• Utdata — $0,281 mot $3,75. Ungefär 13,3 gånger billigare.
• Cachad indata — 0,003 USD mot cirka 0,075 USD. Ungefär 25 gånger billigare.
• Blandat med en fördelning på 7:2:1 mellan indata/utdata/cache – ungefär 0,10 USD per miljon för Hy4 flash; Artificial Analysis anger Gemini 3.8 Flash till 0,58 USD.
Det är ingen rabatt, det är en annan produktkategori, och det förklarar det andra talet som spelar roll: kostnaden per slutförd uppgift i Intelligence Index. Artificial Analysis mäter Gemini 3.8 Flash till $7.77 per uppgift, på över 14.2 minuter. Det finns ingen siffra för Hy4 flash eftersom det inte finns någon poäng för Hy4 flash — men Tencents WorkIndex-beräkning sätter dess genomsnittliga kostnad per uppgift till en trettondel av Hy4 preview, en tjugondel av Hy4 och en åttondel av DeepSeek-V4.1-Flash-1017 vid prissättning för högtrafik.
Det är olika uppgifter och olika testramverk och får inte blandas ihop med varandra. Det de fastställer är formen på avvägningen: Gemini 3.8 Flash är dyrt per uppgift eftersom det är dyrt per token och gör av med många tokens för att komma dit. Hy4 flash är konstruerat – hybrid sparse attention, en KV-cache på 1/6 av Hy4:s, 50 % kortare utdata tack vare RL – specifikt för att göra siffran per uppgift liten.

Förmåga, på den enda axeln vi kan mäta
Gemini 3.8 Flash:s oberoende poäng, alla Artificial Analysis på v5.0.1, är beroende av effort-inställningen, och effort-inställningen spelar större roll än rubriken:
• Intelligence Index på hög — 31.
• Intelligensindex på medium — 30.
• Intelligence Index på låg — 23.
• Klassplacering — 66:a av 92 på Intelligence Index.
• Utdatashastighet — 116 token per sekund.
• Tid till första svarstoken — 22,4 sekunder.
• Kontext — 1 miljon tokens.
Ett index på 31 vid hög ansträngning ligger i mitten av fältet, och deprecated-flaggan finns eftersom Google har släppt bättre saker sedan dess. Tidigare rapportering om den här modellen angav 59 vid lanseringen; den siffran föregår omräkningen av indexet den 27 oktober 2026 och är inte jämförbar med dagens 31. Den som nämner 59 och 31 i samma andetag jämför två olika instrument.
För Hy4 flash finns det ingen rad att lägga under. Det närmaste en yttre ankarpunkt är Tencents eget blindtest, där Hy4 flash fick 2,79 av 4 i användarnöjdhet mot 2,81 för Claude Haiku 5.5 – och Claude Haiku 5.5 får 36 på samma index där Gemini 3.8 Flash får 31. Om du kopplar samman dessa två fakta får du en antydd placering för Hy4 flash någonstans kring det låga trettiotalet, vilket är precis den sorts slutledning som den här bloggen finns till för att flagga som en slutledning snarare än en mätning. Två leverantörssiffror och en tredjepartssiffra utgör inte ett benchmark.

Modalitet är det område där Gemini 3.8 Flash fortfarande vinner stort.
Det här är raden som står sig trots prisskillnaden, och det är värt att vara konkret om det.
• Hy4 flash-indata – text och bilder, via en 27-lagrig SigLIP2-baserad encoder med 2x2-särdragssammanslagning.
• Gemini 3.8 Flash-indata – text, bild, video, ljud och fil, enligt OrcaRouter-katalogens post och Googles modelldokumentation.
• Gemini-utdata — text.
Om din pipeline tar in en skärminspelning, en samtalsinspelning eller en PDF med ett ljudspår kan Hy4 flash inte ta emot det, medan Gemini 3.8 Flash kan. Öppenheten hos vikterna hjälper inte; encodern som inte finns där finns inte där. Tencents egna rekommenderade användningsfall för Hy4 flash är utformade för text och skärmbilder – djup sökning, dokumentbearbetning, skapande av presentationer, enkla frontend-demos, datoranvändning – vilket är ett konsekvent produktbeslut och också en gräns.
När det gäller dokument specifikt ligger de två närmare varandra. Båda tar emot bilder, båda rymmer en miljon tokens i kontext, och Hy4 flashs hallucinationsprofil för dokumentarbete är vad dess WorkIndex-svit faktiskt mäter: reparation av kalkylblad, dokumentredigering och samskrivning av presentationer. Det är ett mer ärligt påstående än en generisk benchmarkpoäng, förutsatt att du kommer ihåg att det är Tencents bedömningsram.
Två väldigt olika sätt att vara en "flash"-modell
Googles flash-nivå betyder snabbt och billigt i förhållande till pro-nivån, på ett slutet API, där leverantören absorberar komplexiteten kring serveringen. Tencents flash betyder något mer specifikt: en arkitektur vars hela syfte är att göra en kontext på 1 miljon tokens billig att servera.
• Attention — Hy4 flash varvar gles IndexPool-attention med 512-tokens glidande fönster i förhållandet 1:3 över 42 lager; Geminis arkitektur är inte offentlig.
KV-cache – Hy4 flash är 1/24 av Hy3:s och 1/6 av Hy4:s, enligt leverantören; ingen jämförbar offentlig siffra för Gemini 3.8 Flash.
• Spekulativ avkodning – Hy4 flash levereras med DFly2, en 0,85B-drafter som återanvänder målmodellens glesa KV och indexer-val, så att utkastkostnaden förblir konstant med kontexten; Googles motsvarighet är intern.
• Utdatalängd — Tencent uppger att RL-efterträning minskade de genomsnittliga utdatatokens med 50 %, och blindtestet rapporterar en median på 6,7 minuter för att slutföra en uppgift; Gemini 3.8 Flash:s indexkörning tar i genomsnitt 14,2 minuter per uppgift.
Den sista raden är den man bör fundera över. En stor del av det som gör Hy4 flash billigt per uppgift är att det skriver mindre, och en modell som skriver mindre är inte automatiskt en sämre modell – men det är en modell vars utdata du bör läsa innan du skickar ett kundvänt arbetsflöde genom den. Ordrikedom och kvalitet är olika axlar, och bara en av dem syns i en kostnadskolumn.
Driftsättning är den axel där de inte alls är jämförbara.
Gemini 3.8 Flash är ett API. Det finns ingen checkpoint, ingen FP8-version, ingen GGUF, ingen finjusteringsväg. OrcaRouter-katalogposten visar själva modellen och inget annat.
Hy4 flash är ett API, tre Hugging Face-repositorier – instruct-modellen, ett FP8-bygge och en bascheckpoint – en GGUF-kvantisering från AngelSlim, en finjusteringsguide, pinnade vLLM- och SGLang-avbildningar samt en Transformers-integration som för närvarande ligger i pull request 50903. Den listan är inte enbart goda nyheter: pinnade avbildningar och en installation via PR-ref innebär att du kör byggen som Tencent har testat i stället för byggen som har släppts.
Men det förändrar vad ”billig” betyder. På Gemini 3.8 Flash betyder billig Googles pris, och Google kan ändra det. På Hy4 flash betyder billig Tencent-priset eller dina egna GPU:er, och det andra alternativet har inget pris alls — det har en kapacitetsplan, och arkitekturen är ett argument för att planen är liten. Tencent Hy-licensen tillåter det, med en invändning: avsnitt 10.2 kräver en separat skriftlig licens vid över 50 miljoner USD i globala bruttointäkter som model-as-a-service-verksamhet, eller över 100 miljoner månatliga aktiva användare. Intern användning är undantagen. Ett europeiskt eller koreanskt team har ingen territoriell begränsning, vilket är mer än vad som kan sägas om vissa kinesiska licenser för öppna vikter. Licensen är Apache 2.0 med en intäktsutlösare påmonterad, vilket innebär att de två distributionsvägarna prissätts enligt samma dokument i stället för två — en detalj som spelar roll när din ekonomiavdelning frågar varför det billiga alternativet är billigt.
Var du faktiskt kan köra någon av dem
Gemini 3.8 Flash finns i OrcaRouter-katalogen på google/gemini-3.8-flash, 0,75 USD per miljon indatatoken och 3,75 USD per miljon utdatatoken med 0,075 USD för cacheläsning, routas till Googles listpris med 0 % påslag från vår sida — så om Google sänker priset på en modell som företaget redan har avvecklat, ser du det samma dag som det händer i stället för vid nästa katalogsynk. Hy4 flash finns inte i katalogen; det som finns där är dess lärare, tencent/hy4-preview, till 0,834 USD och 2,501 USD per miljon med 0,042 USD för cacheläsning.
Det användbara mönstret för just det här paret är en routningsregel snarare än ett val. Placera nivån för ljud- och videoinmatning på Gemini-rutten, eftersom den är den enda av de två som accepterar sådana indata. Placera nivån för text och dokument med hög volym på den billiga rutten när du själv har mätt den. Routnings-DSL:en finns för att uttrycka exakt den uppdelningen i en enda ändpunkt, och automatisk failover innebär att en försämring av den billiga rutten inte tar ner pipelinen med sig — vilket spelar större roll än vanligt när den billiga rutten är två dagar gammal och körs på en pinnad containeravbild.

Beslutet, uttryckt som tre fall
Om du behöver ljud- eller videoindata slutar jämförelsen där: Gemini 3.8 Flash är det enda alternativet här, och att det är utfasad är en migreringskostnad du bör räkna med snarare än ett skäl att utesluta det.
Om du behöver en modell med en oberoende poäng innan du ställer den framför kunder, gäller samma svar av en annan anledning. Trettioett på Intelligence Index är en blygsam siffra, men det är en uppmätt sådan, och Hy4 flash har inte något uppmätt alls.
Om din arbetsbelastning består av stora volymer text och dokument, tål latens och du kan göra din egen utvärdering är Hy4 flash värd den eftermiddag det tar att testa. En 13x prisskillnad på utdata är inte ett avrundningsfel, och det faktum att Tencent publicerade ett blindtest som det förlorade med 0,02 poäng är en bättre signal om modellens ärlighet än någon siffra på Googles modellkort. Hoppa bara inte över utvärderingen: modellen har ingen poäng från tredje part, dess offentliga benchmarktabeller beskriver en annan checkpoint än den du kommer att anropa, och det enda externa måttet på den är en nöjdhetsundersökning som genomförts av tillverkaren.
Och håll koll på avvecklingen. Om Google lägger ned Gemini 3.8 Flash på samma sätt som det lade ned modellerna före det, ändras den här sidans egentliga svar från "den dyra har mätts" till "den som har mätts är borta", och en två dagar gammal modell med öppna vikter utan poäng börjar se betydligt mer attraktiv ut än den gör i dag.
Jämförda i den här artikeln2
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
