Ett genererat titelkort för 'Tencent Hy4 vs DeepSeek V4.1 Pro'. Ett kort till vänster för Tencent Hy4 visar 'Anropbar nu — $0.834 / $2.501', '770B totalt / 49B aktiva', 'Intelligensindex 35'; ett kort till höger för DeepSeek V4.1 Pro visar 'Ingen endpoint', 'Inget modellkort', 'Nämnd en gång i en releaseanteckning'. En sidfot lyder 'Index enligt Artificial Analysis v5.0.1; DeepSeek-status kontrollerad 20 november 2026.'
Guides & Insights

Tencent Hy4 vs DeepSeek V4.1 Pro: Endast en har en slutpunkt

Författare

jinhao.song

Publiceringsdatum

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

DeepSeek V4.1 Pro har aldrig tillhandahållits till någon. Inte i förhandsversion, inte i en grupp för betrodd åtkomst, inte bakom en väntelista. Namnet förekommer exakt en gång offentligt, i DeepSeeks versionsinformation av den 10 september 2026 för DeepSeek V4.1 Flash, i en mening om att dirigera förfrågningar "tills V4.1-Pro lanseras" – en plan som DeepSeek drog tillbaka efter att utvecklare invänt mot att deras produktionstrafik byttes ut under dem. Tencent Hy4 har däremot varit allmänt tillgänglig sedan den 4 november 2026 och nedladdningsbar sedan den 20 november, då Tencent publicerade vikterna under sin egen licens. Så den användbara jämförelsen här är inte den som rubriken utlovar. Det är Tencent Hy4 mot de två DeepSeek-modeller som du faktiskt kan anropa, plus en redogörelse för vad som skulle behöva framträda innan den utlovade tredje kom in i bilden.

Det där är ingen undanmanöver. Det är den enda versionen av jämförelsen som går att prissätta, och priset är det intressanta: Tencent Hy4 till $0,834 per miljon input-tokens och $2,501 per miljon output-tokens, mot DeepSeek V4 Pro 0813 till $1,32 och $3,96 enligt DeepSeeks eget datablad. En modell som Tencent släppte för sexton dagar sedan underbjuder DeepSeeks nuvarande flaggskeppsnivå i båda riktningarna samtidigt som den aktiverar samma antal parametrar per token.

Screenshot of DeepSeek's API pricing documentation listing two callable models, deepseek-flash (DeepSeek-V4.1-Flash-1017) and deepseek-v4-pro (V4-Pro-0813), with per-million peak and off-peak input, cache-hit and output rates, and no row for a V4.1 Pro tier.

Nivån som aldrig har levererats

Innan något annat, inventeringen. Per den 20 november 2026 är detta vad som finns för DeepSeek V4.1 Pro och vad som inte gör det.

• Ingen modellkort. DeepSeeks dokumentationsindex listar två anropbara modeller och två äldre alias, som alla motsvarar V4.1 Flash eller V4 Pro. Det finns ingen sida för en V4.1 Pro-modell.

• Ingen prisrad. Prislistan anger deepseek-flash till $0.30 per miljon input-token och $1.20 för output vid peak, samt deepseek-v4-pro till $1.32 och $3.96. Inget ligger över V4 Pro.

• Inga vikter. Organisationen deepseek-ai på Hugging Face har inte publicerat något efter DeepSeek-V4.1-Flash. Med tanke på att DeepSeek har släppt öppna vikter för varje flaggskepp det har lanserat under MIT, skulle en tyst Pro-nivå vara ett brott mot dess eget mönster.

• Inget oberoende betyg. Artificial Analysis returnerar en sida för DeepSeek V4 Pro 0813 och för DeepSeek V4.1 Flash. URL:en för en V4.1 Pro returnerar 404.

• En mening om offentligt åtagande, som sedan drogs tillbaka. Septemberroutningsplanen var det enda stället där namnet förekom, och tillbakadragandet tog bort dess enda produktkonsekvens.

Inget av det är ett argument för att DeepSeek inte bygger en Pro-nivå. Företaget beskriver V4.1 Flash som "den minsta modellen i vår nya arkitekturfamilj", vilket bara är logiskt om större medlemmar finns. Det är ett argument för att man inte kan sätta ett namn på en routingtabell.

Två modeller, 49 miljarder aktiva parametrar

Här är sammanträffandet som överhuvudtaget gör det värt att jämföra det här paret. Tencent Hy4 och DeepSeek V4 Pro är båda glesa mixture-of-experts-modeller som aktiverar 49 miljarder parametrar per token. De når den siffran via mycket olika vägar, och skillnaden förklarar det mesta av gapet i beteende.

• Totala parametrar — Tencent Hy4 har 770 miljarder över 78 lager, med 256 routade experter per lager och en delad expert, och aktiverar de åtta främsta. DeepSeek V4 Pro har 1,6 biljoner, mer än dubbelt så många totalt för samma aktiva antal.

• Observera — Hy4 använder gated gles uppmärksamhet från DeepSeek med en IndexCache som återanvänder indexerarens urval över lager, plus en väg med glidande fönster i Flash-varianten. DeepSeek V4 Pro använder sin egen implementering av gles uppmärksamhet. Ironin är att Tencents kort anger DeepSeeks arkitekturpapper vid namn som en inspiration, så de två modellerna är nära släktingar i uppmärksamhetslagret.

• Kontext och utdata – båda erbjuder 1M tokens kontext. Hy4 returnerar upp till 64K utdatatokens; DeepSeek V4 Pro returnerar upp till 384K, sex gånger mer utrymme i ett enda svar.

• Modalitet – Hy4 läser text, bilder och videobildrutor. DeepSeek V4 Pro är endast textbaserad; DeepSeeks egen prislista anger att vision inte stöds på Pro-raden och stöds på Flash-raden.

• Utkastmodell – Hy4 levererar en 3,3B DFly2-drafter för spekulativ avkodning som delar målmodellens KV-cache och glesa index, vilket är hur Tencent uppnår en ihållande avkodning på över 150 token per sekund i sin egen infrastruktur. DeepSeek publicerar ingen motsvarande komponent.

Konsekvensen för en köpare är att de två modellerna inte är utbytbara servrar bakom samma gränssnitt. Hy4 läser en skärmbild och svarar med 64K inbyggt. V4 Pro läser en promptbatch med 384K utdata och svarar enbart med text. Överlappningen är text in, text ut, lång kontext – vilket är det mesta arbetet, och det är där prisjämförelsen faktiskt biter.

Det du kan ringa idag, prissatt

Tre modeller är i spel, och prislistorna skiljer sig åt både i struktur och nivå.

• Tencent Hy4 — $0.834 för indata, $2.501 för utdata, $0.042 för cachad indata. Enhetlig prissättning, ingen högtrafiknivå. Artificial Analysis registrerar den vid ett Intelligence Index på 35, 93 token per sekund och $1.03 per slutförd indexuppgift.

• DeepSeek V4 Pro 0813 — $1.32 för indata, $3.96 för utdata vid högtrafik; $0.66 och $1.98 vid lågtrafik; cachad indata för $0.044 vid högtrafik och $0.022 vid lågtrafik. Artificial Analysis placerar den på 23 i indexet vid maximal ansträngning, 78 token per sekund, och beskriver den som under genomsnittet i intelligens för sin storlek.

• DeepSeek V4.1 Flash 1017 — $0,30 för indata, $1,20 för utdata under högtrafik; $0,15 och $0,60 utanför högtrafik; cachad indata för $0,006 under högtrafik. Det är budgetnivån, aktiverar 8 miljarder parametrar under prefill och 16 miljarder under decode, och kan läsa bilder.

Den jämförelse som spelar roll är de två första, och DeepSeeks uppdelning mellan högtrafik och lågtrafik avgör saken. Vid högtrafikpriser underbjuder Tencent Hy4 V4 Pro i alla avseenden: 0,834 USD mot 1,32 USD på input, 2,501 USD mot 3,96 USD på output och 0,042 USD mot 0,044 USD på cachade läsningar. Under lågtrafik vänds ordningen helt, eftersom V4 Pro sjunker till 0,66 USD på input, 1,98 USD på output och 0,022 USD cachat – 21 % billigare än Hy4 på input, 21 % billigare på output och halva cache-priset. Så vilken modell som är billig beror på när du kör: ett batchjobb som kan schemaläggas till DeepSeeks lågtrafikfönster är billigare på DeepSeek, och ett som körs när det körs är billigare på Tencent.

Indexgapet går i motsatt riktning mot vad parameterantalen antyder. Hy4 får 35, V4 Pro får 23 vid maximal ansträngning. Tolv poäng är inte en avrundningsskillnad; det är skillnaden mellan en modell som kan hålla ihop en flerstegsuppgift för agenter och en som Artificial Analysis placerar under medianen för modeller med öppna vikter i sin storlek. DeepSeeks egen positionering av V4 Pro är en flaggskeppsmodell med 1,6 biljoner parametrar, och den oberoende utvärderingen ger inte stöd för att behandla den som en sådan.

Där Hy4 vinner, och där priset är en fälla

Den billiga modellen är inte billig i alla avseenden, och att låtsas något annat är hur routingbeslut går fel.

• Vinst: kostnad per slutförd uppgift. $1.03 för Hy4 mot $1.77 för DeepSeek V4 Pro 0813 vid maximal ansträngning. Hy4 är 42 % billigare per slutförd indexuppgift, och den siffran innefattar redan dess mångordighet – 160 miljoner utdatatoken i hela indexet mot DeepSeeks 119 miljoner.

• Vinst: modalitet. Hy4:s visionsväg är skillnaden mellan en modell och två i en pipeline som måste läsa en PDF-sida och sedan resonera kring den. Att lägga till en separat visionsmodell i en DeepSeek-stack kostar mer än token-skillnaden.

• Vinst: licensieringsklarhet. Båda har öppna vikter – Hy4 under Tencent Hy License 1.0 med sin klausul i avsnitt 10 om model-as-a-service, V4 Pro under MIT – men Hy4 släppte sina vikter den 20 november med färdigbyggda vLLM- och SGLang-avbildningar, och DeepSeeks MIT-licens är den mer tillåtande av de två. För ren självhostningsfrihet vinner DeepSeek just den punkten.

• Fälla: latens för första token. Hy4 tar 115,9 sekunder att producera sin första svars-token i indexkörningen, jämfört med en median på 12,7 sekunder för nivån. DeepSeek V4 Pro är inte heller snabb, men på alla interaktiva ytor är väntetiden användarupplevelsen, och ingen av modellerna är byggd för det.

• Fälla: utdatatak. 64K mot 384K är inte en liten skillnad. Om artefakten du vill ha är en lång genererad fil i ett enda anrop kan Hy4 inte producera den, men V4 Pro kan.

• Fälla: mångordighet. Hy4 förbrukar 160 miljoner utdatatokens för att slutföra indexet, vilket är 2,5 gånger nivåmedianen. Med ett priskort per token är det okej; med en budget per svar urholkar det prisfördelen med en tredjedel eller mer.

Om V4.1 Pro släpps, vad ändras

Det är värt att vara konkret kring triggern, för "håll utkik efter en lansering" är ingen plan.

Den första signalen kommer att vara ett modellkort i deepseek-ai-organisationen, inte ett blogginlägg. Varje DeepSeek-flaggskepp har anlänt med vikterna först eller samtidigt, och kortet innehåller parameterantalet, kontextlängden och licensen – de tre fakta som ett routingbeslut behöver. Ett pressmeddelande utan ett repository skulle vara en svagare signal än mönstret antyder.

Den andra är en rad i prislistan. DeepSeek anger priser på sin egen prislista innan bolaget anger priser någon annanstans, och en Pro-nivå skulle ligga över 1,32 USD i inputpris. Det är den siffran man ska jämföra med Hy4:s 0,834 USD, och det är svårt att se hur en modell med över 1,6 biljoner parametrar kan hamna under en med 770 miljarder i inputpris utan att DeepSeek bestämmer sig för att köpa marknadsandelar.

Den tredje är en sida från Artificial Analysis. URL:en för V4.1 Pro är en 404 i dag. När den går att nå upphör jämförelsen att vara arkitektonisk och blir en tabell med två indexpoäng vid matchad ansträngning – vilket är den enda form i vilken den här matchen någonsin kommer att kunna avgöras.

Tills alla tre finns är den ärliga beskrivningen av DeepSeek V4.1 Pro ett namn med en återkallelse kopplad till sig. Sidor som prissätter det, benchmarkar det eller rekommenderar det beskriver en modell som inte har någon endpoint.

Kör jämförelsen på en nyckel

A generated two-column scoreboard titled 'Tencent Hy4 vs DeepSeek V4.1 Pro — what can be called'. Tencent Hy4 column: endpoint live, $0.834 / $2.501 per 1M tokens, 1M-token context, 64K max output, Intelligence Index 35, weights published 20 Nov 2026. DeepSeek V4.1 Pro column: no endpoint, no published price, context unstated, output limit unstated, no independent score, no weights. Footer: 'DeepSeek status verified against its own documentation on 20 November 2026; Tencent figures per Artificial Analysis v5.0.1.'

Tencent Hy4 och båda de anropbara DeepSeek-modellerna finns på OrcaRouter under sina egna strängar. I stället för att diskutera huruvida Pro-nivån skulle slå Hy4, kör de två som finns mot dina egna uppgifter: tencent/hy4 till $0,834 och $2,501, deepseek/deepseek-v4-pro till $1,32 och $3,96, deepseek/deepseek-v4.1-flash till $0,15 och $0,60, var och en vidarebefordrad till leverantörens listpris med noll påslag.

Routnings-DSL:en gör det som ett benchmark inte kan. En viktad rutt som skickar merparten av trafiken till den billigare modellen och eskalerar till den andra vid en misslyckad kontroll är hur du upptäcker om indexgapet på tolv punkter är värt 37 % mer per token för just din arbetsbelastning, och det kostar en eftermiddag i stället för en migrering.

När – eller om – en Pro-nivå dyker upp är det en ändring av modellsträngen på samma nyckel snarare än ett andra kontrakt. Det är det praktiska argumentet för att hålla platsen öppen: kostnaden för att vara redo är en rad i en konfigurationsfil.

Vad bevisen stöder

Screenshot of the Hugging Face model card for tencent/Hy4 showing the repository header, download and like counts, the MoE and multimodal tags, the Tencent Hy License badge and the links to ModelScope, GitCode and GitHub.

Om man bortser från rubriken finns det två försvarbara påståenden här, plus ett som inte kan framföras.

Tencent Hy4 är anropbar, har öppna vikter sedan 20 november, är billigare per token än DeepSeeks flaggskeppsnivå vid topptaxor i alla avseenden, 42 % billigare per slutförd indexuppgift och tolv poäng före på det oberoende indexet. Det är ett verkligt resultat för en modell som släpptes sexton dagar tidigare, och det är anledningen till att släppet med öppna vikter betyder mer än lanseringen gjorde.

DeepSeek V4.1 Pro är ett nivånamn utan någon specifikation kopplad. Inget om det kan prissättas, benchmarkas eller rekommenderas, och det enda offentliga uttalandet om det har redan tagits tillbaka. Den jämförelse en köpare kan göra idag är Hy4 mot V4 Pro och V4.1 Flash, och i den jämförelsen vinner Hy4 på poäng och på kostnad per slutförd uppgift, V4 Pro vinner på utrymme för utdata, och DeepSeek vinner på pris närhelst arbetet kan schemaläggas utanför högtrafik.

Det påstående som inte kan framföras är att Hy4 överträffar Pro-nivån. Ingen har mätt det, eftersom det inte finns något att mäta. Den användbara hållningen är att betrakta namnet som en platshållare och återvända till den här sidan när DeepSeek lägger ett kort, ett pris och en indexsida bakom det.

Jämförda i den här artikeln4

Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen