
Hy4 flash vs GLM-5.3-Flash: Den billigare modellen är den du inte kan ladda ner
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 65 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 · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 219 tok/s
Hy4 flash och GLM-5.3-Flash vänder sig till samma köpare – någon som vill ha ett kontextfönster på en miljon token, bildinmatning och verktygsanrop i agentklass utan att betala flaggskeppspriser – och de svarar med nästan identiska prislistor. Hy4 flash, som Tencent släppte den 16 november 2026, debiterar $0,070 per miljon indatatoken och $0,281 per miljon utdatatoken, med $0,003 för cachad indata. GLM-5.3-Flash, som Zhipu lanserade och öppnade källkoden för den 26 augusti 2026, debiterar $0,15, $0,50 och $0,03 enligt listpris. Tencent är ungefär hälften så dyrt på indata och lite drygt hälften på utdata, och tio gånger billigare på cachad indata, vilket är posten som avgör de flesta agentbudgetar. Det är också modellen utan vikter, utan licens, utan modellkort och utan oberoende benchmark, mot en som är MIT-licensierad på Hugging Face och får 27,8 poäng på Artificial Analysis Intelligence Index.
Det är hela jämförelsen i en enda mening, och den låter sig inte avgöras entydigt. Billigare och inte verifierbart mot dyrare och granskningsbart är en verklig avvägning, inte ett marknadsföringsproblem, och vilken sida som vinner beror på sådant som ingen av leverantörerna berättar. Det som följer är vad vardera faktiskt har publicerat, vad prisskillnaden köper och kostar, och var beslutet står och faller.
Två priskort, läs rad för rad
Börja med siffrorna som de publicerats, eftersom de är de enda siffrorna i den här jämförelsen som båda företagen anger rakt ut och som vem som helst kan kontrollera mot en faktura.
• Indata, per miljon tokens — Hy4 flash $0.070; GLM-5.3-Flash $0.15.
• Utdata, per miljon tokens — Hy4 flash $0.281; GLM-5.3-Flash $0.50.
• Cache:ad indata, per miljon tokens — Hy4 flash $0.003; GLM-5.3-Flash $0.03.
• Kontextfönster — Hy4 flash 1 048 576 tokens; GLM-5.3-Flash 1 000 000 tokens.
• Aktiva parametrar per token — Hy4 flash 12B av 224B totalt, inklusive 64B Engram-parametrar; GLM-5.3-Flash 18B av 320B totalt över 45 lager.
• Vikter — Hy4 flash aviserades som en plan utan datum; GLM-5.3-Flash MIT på Hugging Face sedan lanseringsdagen.
• Oberoende intelligenspoäng – Hy4 flash: inget publicerat; GLM-5.3-Flash 27,8 på Artificial Analysis Intelligence Index, med 71,5 på samma labs Coding Index.
Raden för cachad indata förtjänar mer uppmärksamhet än den vanligtvis får. Till $0,003 per miljon är cachning med Hy4 flash tio gånger billigare än GLM-5.3-Flash och hundra gånger billigare än den egna flaggskeppsmodellen Tencent HY4. För en agent som skickar om en fast systemprompt, ett verktygsschema och ett hämtat dokument vid varje steg är cachepriset det pris du faktiskt betalar största delen av tiden, och en tiofaldig skillnad där väger tyngre än den tvåfaldiga skillnaden för ny indata. Om din arbetsbelastning är hämtningstung är fördelen med Hy4 flash större än vad rubrikpriset antyder. Om din arbetsbelastning är engångsgenerering utan återanvändning begränsas fördelen till indata- och utdataförhållandena.
Båda priskorten är delvis kampanjbaserade. Tencent Clouds TokenHub har 50 % rabatt under en ospecificerad begränsad period och WorkBuddy är gratis till den 30 november. Zhipus lanseringsrabatt på 50 % löpte ut den 9 september 2026 och förlängdes inte, vilket är anledningen till att siffrorna 0,075 USD och 0,25 USD som cirkulerade i slutet av augusti inte längre gäller – priset ovan är det ordinarie. Räkna med att Tencent-kampanjen tar slut på samma sätt och budgetera efter listpriset.
Parametergapet är mindre än prisgapet.

Hy4 flash aktiverar 12 miljarder parametrar per token mot GLM-5.3-Flashs 18 miljarder, en tredjedel mindre beräkning per token, och det är det mekaniska skälet till att den kan säljas till halva priset. Det intressanta är totalen: 224 miljarder mot 320 miljarder, där 64 miljarder av Tencents total ligger i Engram-parametrar som håller inlärda associationer i stället för att köras i varje forward-pass så som en routad expert gör. Tencent har inte publicerat antal lager, antal experter eller routingbredd för Hy4 flash, så det närmaste en arkitektonisk jämförelse man kommer är att båda är glesa mixture-of-experts-modeller med en liten aktiv andel och att båda leverantörerna valde den designen av samma skäl – serveringskostnaden skalar med aktiva parametrar, inte totala.
GLM-5.3-Flash:s design dokumenteras mer i detalj, och den dokumentationen är kontrollerbar eftersom vikterna är offentliga: 45 lager, hybrid sparse-plus-linear attention, ett tillvägagångssätt för residualconnections som Zhipu kallar Manifold-Constrained Hyper-Connections, och en IndexPool-mekanism som komprimerar fyra nyckelvektorer för indexeraren till en enda viktad pool för att minska latensen vid långa kontexter. Förträningen kördes på ett multimodalt korpus med 30 biljoner token. Inget av detta är oberoende granskat, men det är åtminstone en beskrivning som är tillräckligt specifik för att kunna falsifieras av alla som laddar ner checkpointen.
Asymmetrin är inte att Zhipu publicerade och Tencent inte gjorde det. Båda publicerade; de publicerade olika slags saker. Zhipu beskrev en modell, vilket är ett påstående om struktur som en checkpoint kan bekräfta eller vederlägga. Tencent beskrev ett resultat – en KV-cache som är en sjättedel så stor som flaggskeppets, utdatalängden halverad genom självdestillation, bättre än 150 tokens per sekund vid avkodning med fyrabitars kvantisering och en megakernel – vilket är ett påstående om beteende som bara en reproduktion kan avgöra. Resultat är de kommersiellt mer intressanta påståendena och de svårare att kontrollera. På en modell med offentliga vikter testas ett påstående om servering av främlingar inom några veckor; på en modell utan dem stannar det som en mening på en forskningssida så länge leverantören vill.
En av dessa kan du ladda ner
Detta är den avgörande skillnaden för en betydande andel av köparna, och det är inte ens nära. GLM-5.3-Flash har MIT-licens, i FP8 och BF16, på zai-org/GLM-5.3-Flash på Hugging Face, och har varit så sedan 26 augusti 2026. MIT tillåter kommersiell användning, modifiering, finjustering och vidaredistribution utan någon intäktsgräns. Modellen har varit i bred offentlig användning i nästan tre månader, vilket innebär att inferensstacken har hunnit möta den: kvantiseringar finns, recept för servering finns, och alla påståenden om dess beteende kan testas genom att köra den.
Det finns inget motsvarande för Hy4 flash. Åtagandet där består av en mening om framtida planer, med förbehåll om en avsikt att fortsätta iterera, och den nämner ingen licens och inget datum. Tencent har gjort detta ordentligt förut – förhandsversionen i augusti landade under Apache 2.0 med vikter på fyra värdtjänster och recept för vLLM och SGLang redan från dag ett – så mönstret är det ingen tvekan om. Det som däremot är tveksamt är den försiktighet som präglar det nuvarande språkbruket, som låter som ett åtagande för en process snarare än för en artefakt. Den som planerar att finjustera, hosta själv eller bygga en kostnadsmodell kring att köra sin egen inferens bör betrakta Hy4 flash som API-only tills ett kodförråd dyker upp.
Samma asymmetri gäller för bevisen. GLM-5.3-Flash har två siffror från ett testramverk som ingen av leverantörerna har skrivit: 27,8 på Artificial Analysis Intelligence Index och 71,5 på dess Coding Index. Båda går att kontrollera, och de två tillsammans säger något specifikt: 71,5 på kodning mot 27,8 på det allmänna indexet beskriver en modell som är genuint bra på en sak och medelmåttig på allt annat, vilket är precis vad en budgetnivå bör vara. Det är den typen av distinktion som en enda övergripande siffra raderar ut, och det är därför de återstående leverantörssiffrorna i den här artikeln presenteras som påståenden snarare än resultat. Hy4 flash har ingen oberoende poäng, och dess benchmarkresultat – DeepSWE, Terminal-Bench 4.0, APEX-Agents, OSWorld 2.1 och Tencents interna testsviter – finns bara som diagrambilder på leverantörens forskningssida. Det är inte en anledning att misstro dem. Det är en anledning att behandla dem som hypoteser.
Vad varje leverantör mätte, och vem den slog
Båda företagen publicerade jämförelser, och de jämförde sig med olika saker, vilket visar vad var och en ansåg vara sin svaghet.
Tencents rubrik är ett blindtest: 85 WorkBuddy-användare, 27 uppgiftskategorier, 259 verkliga dagliga arbetsuppgifter, där Hy4 flash uppges ligga nära Claude Haiku 5.5 i nöjdhet samtidigt som den har lägst kostnad per uppgift och kortast uppgiftstid i panelen. Notera "nära", inte "bättre än", och notera att panelen utgörs av leverantörens egna anställda i leverantörens egen produkt. Det underbyggande påståendet är kostnad per uppgift på WorkIndex, Tencents interna benchmark med åtta sviter: en trettondel av Hy4 preview, en tjugondel av Tencent HY4, en åttondel av DeepSeek-V4.1-Flash-1017. Mot GLM-5.3-Flash är den enda publicerade siffran en ökning på 2,52 % i allmän chatt i 元宝, vilket är ett produktmått för en konsumentapp och inte kan överföras till något du skulle köra.
Zhipus positionering är annorlunda: man säljer modellen som kapacitet nära frontlinjen till flash-kostnad, prissätter den mot sitt eget 743B-flaggskepp och pekar på öppna vikter och ett resultat från en exploit-utvärdering som bevis på att den billiga modellen inte är en leksak. Dess interna siffror har redan fått en oberoende korrigering, och det är AA-siffran som ska citeras.
Den praktiska konsekvensen är att ingen av leverantörerna har publicerat en direkt jämförelse på ett neutralt ramverk, och den jämförelse du faktiskt skulle vilja ha – samma uppgifter, samma prompter, samma ramverk, båda modellerna – finns inte. Du måste köra den själv. Tio uppgifter som du redan gör, med tokenantal nedtecknade, räcker för att avgöra saken för din trafik och är värt mer än någon av lanseringssidorna.
Två olika satsningar på multimodalitet
GLM-5.3-Flash tar in text-, bild- och videoindata inbyggt och var den första GLM-5-modellen som gjorde det i stället för att dirigera vision genom en separat adapter. Det är ett dokumenterat och testbart påstående, och vikterna är offentliga så att det kan kontrolleras utan att be om tillstånd.
Hy4 flash beskrivs som en multimodal modell, och WorkIndex-sviten som den mättes på inkluderar visuell förståelse som en av åtta uppgiftstyper. Tencent har inte sagt om bildvägen är inbyggd eller en adapter, har inte publicerat encoderns storlek och har inte sagt om video stöds överhuvudtaget. Det mesta som kan sägas är att bildinmatning ingår i pitchen och att modellens föregångare i familjen – Tencent HY4, med allmän tillgänglighet 4 november 2026 – lade till inbyggd vision och datoranvändning som sin främsta funktion, så förmågan är trolig för en modell som destillerats från den. Troligt är inte dokumenterat.
Om skärmbilder, diagram, skannade dokument eller videobilder är avgörande i din pipeline är GLM-5.3-Flash modellen vars multimodala beteende du kan verifiera innan du binder dig. Om bilder förekommer sporadiskt spelar gapet mindre roll än priset.
Där beslutet avgörs
Välj Hy4 flash när volymen är problemet och uppgiften är av kontorstyp.Dokumentbearbetning, sökning i en lång korpus, generering av bildspel, enkelt frontendarbete, loopar för datoranvändning – det är de arbetsbelastningar som Tencent byggde den för, de som dess interna produktdata täcker, och de där en tiofaldig cacherabatt och en 50-procentig minskning av utdatalängden tillsammans ger något som är en storleksordning billigare. Kör den på dina egna uppgifter först och håll koll på utdatatokens: om modellen verkligen är mer kortfattad sjunker din räkning mer än prislistan förutspår, och om den är mer kortfattad för att den är ytligare ser du det i samma mätning.
Välj GLM-5.3-Flash när du behöver artefakten, granskningen eller modaliteten. Finjustering, lokal drift, reglerade data, en licens du kan visa för en advokat, videoindata eller en poäng från ett testramverk som ingen på Zhipu har skrivit – allt detta pekar i en riktning. Till $0,15 och $0,50 är det inte dyrt; det är ungefär en tiondel av GLM-5.3:s listpris för en modell som redan har klarat oberoende mätning.
Välj båda när arbetsbelastningen är blandad. En ärlig tolkning av de två utgåvorna är att de egentligen inte är utbytbara: den ena är en kostnadsoptimerad API-modell för vardagligt arbete med hög volym, den andra är en öppen checkpoint med dokumenterad arkitektur för allt som behöver lämna leverantörens kontroll. En router som når båda är ett billigare svar än att välja en och ha fel.

Vad är faktiskt anropbart idag?
Det är här de två modellerna skiljer sig åt både operativt och kommersiellt. GLM-5.3-Flash finns i OrcaRouter-katalogen som z-ai/glm-5.3-flash till leverantörens listpris på 0,15 USD per miljon indata och 0,50 USD per miljon utdata, med en hastighetsbegränsad gratisnivå vid sidan av för utvärdering. Hy4 flash dirigeras inte här – Tencent har inte gjort den tillgänglig för oss – så den som jämför de två behöver Tencent:s egen TokenHub för flash-sidan och kan använda samma OrcaRouter-nyckel för GLM-sidan.
Den uppdelningen är värd att använda i stället för att reta sig på. OrcaRouter förmedlar leverantörens listpris utan påslag, vilket innebär att GLM-sidan i din jämförelse debiteras exakt enligt Zhipus taxa och förblir korrekt om Zhipu ändrar den; det finns ingen återförsäljartabell som kan bli inaktuell. Och för själva utvärderingen: att ha tencent/hy4-preview på samma nyckel som z-ai/glm-5.3-flash är användbart även om det inte är modellen i fråga: förhandsversionen är modellen som Hy4 flash destillerades från, så den är den naturliga kontrollen när du testar om den lilla modellens svar håller. En nyckel, fler än 200 modeller och en redundansväg om en slutpunkt under lanseringsveckan visar sig vara opålitlig – vilket, för en modell som släpptes för sex dagar sedan utan offentlig uptime-historik, är en rimlig sak att vilja ha.

Priset är inte frågan.
Tencent har byggt den billigare modellen, och enligt siffrorna är den billigare med en marginal som spelar roll: halva priset för input, drygt halva priset för output, en tiondel för cache. Det Tencent inte har byggt är en modell som går att granska. Inga vikter, ingen licens, inga arkitekturdetaljer, inga oberoende resultat, benchmarks bakom pixlar och en rubrikjämförelse hämtad från en panel med företagets egna anställda. Zhipu byggde den dyrare och publicerade tillräckligt för att dess svagheter – inklusive ett leverantörsindex som oberoende mätning sänkte med femton punkter – finns dokumenterade så att du kan bedöma dem.
Sex dagar efter lanseringen är det formen på valet: en påvisad rabatt mot en odokumenterad modell, eller en dokumenterad modell till ett pris som fortfarande är mycket lågt. Rabatten är förmodligen verklig och dokumentationsluckan förmodligen tillfällig. Inget av det är säkert, och sättet att ta reda på det är att lägga en eftermiddag på att mäta i stället för ett kvartal på att välja.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
