Genererat titelkort med texten 'Tencent Hy4 vs Qwen4-Max' med två statistikspalter: Hy4 vid Intelligence Index 34,6, 770B totalt och 49B aktiva, öppna vikter, $0,834/$2,501 per miljon tokens; Qwen4-Max vid 42,9, icke offentliggjorda parametrar, proprietär, $1,50/$4,50; sidfot med texten 'Index och pris enligt Artificial Analysis v5.0.1, läst 20 november 2026.'
Guides & Insights

Hy4 vs Qwen4-Max: De två raderna där Hy4 faktiskt vinner

Författare

Elias Hawthorne

Publiceringsdatum

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

På sju av de nio utvärderingar som ingår i Artificial Analysis Intelligence Index v5.0.1 slår Qwen4-Max Tencent Hy4. Det borde den göra: Alibabas flaggskepp får 42,9 mot Tencent 34,6 och har en gemensam budget för tänkande och svar på 262 144 tokens per anrop. Men två rader går åt andra hållet, och det är de två som berättar vad respektive modell faktiskt byggdes för att göra. På FrontierCode-AA 2.0 – mjukvaruutveckling i verkliga öppna källkodsarkiv – får Tencent Hy4 31,4 % och Qwen4-Max 26,5 %. På MLCR-AA, medicinskt resonemang över lång kontext, får Hy4 32,8 % och Qwen4-Max 19,4 %.

Det är ett märkligt par av segrar för en modell som ligger 8,3 indexpoäng efter, och det är anledningen till att den här jämförelsen är värd mer än en resultattavla. Qwen4-Max är den starkare generalistmodellen och den du skulle välja för svår resonemang, kunskapsarbete och allt som involverar video. Tencent Hy4 är den billigare modellen, den nedladdningsbara, och – med knapp marginal, i arbete med verkliga kodförråd – den bättre ingenjören. Valet mellan dem hänger på vilket av dessa du faktiskt behöver, och på en prismodell som gör den billigare modellen billigare än vad dess tokenpriser antyder.

Sju rader till Q​wen, två till Hy4

Båda uppsättningarna siffror kommer från Artificial Analysis den 20 november 2026, samma utvärderingsversioner, samma testramverk:

• Krävande resonemang, HLE-Diamond — Qwen4-Max 44,9 %, Hy4 32,7 %. Det största gapet på resultattavlan, 12,2 poäng.

• Fysik, CritPt v2 svår delmängd — Qwen4-Max 43,0 %, Hy4 39,0 %.

• Agentisk kodning i en ren terminal, Terminal-Bench 4.0 — Qwen4-Max 48,5 %, Hy4 37,4 %.

• Agentisk vetenskap i en terminal, Terminal-Bench-Science — Qwen4-Max 23,3 %, Hy4 12,9 %.

• SaaS-arbetsflödeskörning, AutomationBench-AA — Qwen4-Max 72,6 %, Hy4 65,6 %.

• Professionellt dokumentresonemang, GDP.pdf all-pass — Qwen4-Max 26,2 %, Hy4 21,6 %.

• Agentiskt kunskapsarbete, AA-Briefcase Elo — Qwen4-Max 1 686,1, Hy4 1 445,9. En skillnad på 240 Elo, den största i den här serien.

• Programvaruutveckling i verkliga repositorier, FrontierCode-AA 2.0 — Hy4 31,4 %, Qwen4-Max 26,5 %.

• Medicinskt långkontextresonemang, MLCR-AA — Hy4 32,8 %, Qwen4-Max 19,4 %.

Mönstret i de två förlusterna är värt att sätta exakt namn på, eftersom det inte är brus. Qwen4-Max vinner terminalbenchmarkarna, som är kodningsuppgifter i en ren miljö med ett definierat mål. Hy4 vinner repository-benchmarken, som innebär att navigera i kod som ingen skrev för utvärderingen. Och den vinner medicinsk långkontext med 13 poäng, vilket är den enda förmågan som motsvarar ett uttalat designmål: T​encent tränade Hy4 på långa dokument och djup forskning, och säger det i modellkortet. A​libabas egna material för Qwen4-Max lyfter däremot fram Work360, påståenden om token-effektivitet och en delad resonemangsbudget – ett flaggskepp för allmänna ändamål, optimerat för bredd.

Generated two-column scoreboard comparing Tencent Hy4 and Qwen4-Max across six dimensions: Intelligence Index 34.6 versus 42.9, price $0.834/$2.501 versus $1.50/$4.50 per million tokens, context 1,048,576 versus 983,616 tokens, FrontierCode-AA 31.4% versus 26.5%, terminal coding Terminal-Bench 4.0 37.4% versus 48.5%, and cost per index task $1.03 versus $3.27, with a footer reading 'All figures per Artificial Analysis v5.0.1, 20 November 2026; terminal rows favour Qwen, repository rows favour Hy4.'

Gapet mellan prisrelationen och kostnadsrelationen

Qwen4-Max är 1,8 gånger Hy4:s inputpris och 1,8 gånger dess outputpris. Mätt som kostnad per Intelligence Index-uppgift ligger den på 3,2 gånger — 3,27 dollar mot 1,03 dollar. Den extra multiplikatorn är token-effektiviteten, och det är den delen av jämförelsen som de flesta hoppar över.

• Indata — Qwen4-Max $1,50 per miljon tokens, Hy4 $0,834. Q​wen är 80 % dyrare.

• Utdata – Qwen4-Max $4.50, Hy4 $2.501. Samma 80 %.

• Cacheläsningar – Qwen4-Max $0.075 med 95 % rabatt, Hy4 $0.042 med 95 %. Qwen är 79 % dyrare, och rabattsatserna är identiska, så cachelagring överbryggar inte gapet.

• Utmatningstoken per indexuppgift — Qwen4-Max 104 940, Hy4 78 058. Qwen resonerar en tredjedel längre per uppgift.

• Tid per indexuppgift — Qwen4-Max 29,8 minuter, Hy4 14,0. Mer än dubbelt så lång.

• Utdatashastighet — Qwen4-Max 59 tokens per sekund, Hy4 93.

Multiplicera de två effekterna så blir prisrelationen på 1,8x en kostnadsrelation på 3,2x. För en arbetsbelastning som kör tiotusen agentuppgifter i månaden är det skillnaden mellan en budgetpost du försvarar och en budgetpost du omförhandlar — och det gäller även om Qwen4-Max är den mer kapabla modellen, eftersom kapacitet du inte anropar ändå debiteras.

Screenshot of the Artificial Analysis page for Tencent Hy4, captured 20 November 2026, showing its Intelligence, Performance, Cost and Verbosity rank tiles, 93 tokens per second output, 14.0 minutes per task, a 118.9-second time to first token and a 1M-token context window, with the header still labelling the model proprietary.

Det finns en prisdetalj på Q​wen-sidan som verkar i motsatt riktning och är lätt att missa. A​libabas förbrukningsbaserade priskort är regionberoende: 1,50 USD och 4,50 USD i Singapore, men 1,413 USD och 4,24 USD i Peking, Hongkong, Frankfurt och US Virginia, med cacheläsningar på 0,071 USD. Om din trafik avslutas i en av dessa regioner minskar indatagapet till cirka 69 % i stället för 80 %. Det ändrar inte svarets riktning.

Video in, vikter ut

De två modellerna accepterar inte samma indata, och det är den skillnad som oftast avgör en verklig upphandling:

• Indatamodaliteter — Qwen4-Max hanterar text, bild och video. T​encent Hy4 hanterar text och bild. Hy4 har inte förlorat något på visionssidan sedan den 4 november — bildförståelse och datoranvändning var de främsta nyheterna i den utgåvan — men den saknar videostöd.

• Utdata – båda texterna, endast text.

• Kontext — Hy4 1 048 576 tokens; Qwen4-Max 983 616 enligt Artificial Analysis beräkning, även om Alibabas egen dokumentation anger 1 000 000. Skillnaden är bokföringsteknisk, inte kapacitetsmässig; båda är modeller med en miljon tokens.

• Vikter — Hy4 är nedladdningsbar sedan 18 november 2026 under T​encent Hy License, en checkpoint med 774 miljarder parametrar i BF16 med en FP8-version och en förtränad bas. Qwen4-Max har ingen publicerad checkpoint och A​libabas material beskriver en proprietär flaggskeppsmodell.

Viktlinjen är den som får konsekvenser bortom priset. En nedladdningsbar modell kan finjusteras på dina egna spår, kvantiseras för att passa din hårdvara, granskas, låsas till en version och köras i ett nätverk som saknar utgående rutt. En proprietär sådan ger dig ett API-kontrakt och ett avvecklingsdatum. Det är därför som den tidigare Qwen4-Max-bevakningen på den här bloggen gång på gång återkom till samma asymmetri: öppna vikter vid 770 miljarder parametrar tar bort det juridiska hindret, inte hårdvaruhindret – men för ett företag som redan äger hårdvaran är det hela skillnaden.

Där en router ändrar aritmetiken

T​encent Hy4 kan routas här som tencent/hy4 till $0,834 och $2,501 per miljon token med cache-läsningar för $0,042 — leverantörens egen lista, vidarebefordrad med 0 % påslag, så en prisändring från T​encent når dig samma dag. Qwen4-Max finns inte i vår katalog; A​libaba tillhandahåller den via sitt eget Model Studio API och flera tredjepartsplattformar, och vi routar den inte, så inget i den här artikeln bör läsas som ett erbjudande om det.

Det du får med en enda slutpunkt är möjligheten att sluta behandla valet som permanent. Routing-DSL:en kan skicka arbete efter typ: teknik på repository-nivå och analys av långa dokument till tencent/hy4, krävande resonemang och allt med video till Qwen4-Max via dess egen API-nyckel, med automatisk failover mellan dem. Utifrån komponentpoängen ovan är den uppdelningen ingen kompromiss – det är den korrekta allokeringen, eftersom de två modellernas svaga utvärderingar knappt överlappar varandra. Modellfusion skulle gå ännu längre: en panel med de två skulle ställa Qwens HLE-Diamond-poäng och Hy4:s repository-poäng inför samma svar.

Screenshot of the OrcaRouter model page for Hy4, captured 20 November 2026, showing the tencent/hy4 endpoint at $0.83 per million input tokens and $2.50 per million output tokens, a 1M-token context window, 65k maximum output, text and image input, vision, tools and JSON, zero data retention, and public benchmarks dated 4 November 2026.

Vem ska välja vilken

Välj Qwen4-Max om arbetet är resonemangstungt, om någon del av det involverar video, eller om resultaten bedöms av människor snarare än tester – gapet på 240 Elo i AA-Briefcase är inte ett avrundningsfel. Budgetera för 3,2 gånger kostnaden per uppgift för Hy4 och en modell som tar dubbelt så lång tid att slutföra varje uppgift.

Välj T​encent Hy4 om du vill äga vikterna, om arbetet gäller kod i repositoriestorlek eller analys av långa dokument, eller om enhetskostnaderna avgör upphandlingen. Det är den billigare modellen på varje uppmätt dimension, det är den du kan köra själv, och den vinner de två utvärderingar som belönar förmågan att navigera i material som ingen har förberett för den.

Den öppna frågan är om den andra listan växer. Hy4:s vikter har varit offentliga i två dagar; en finjustering på ett företags egna repository-spår skulle angripa en lucka på fem punkter, vilket är en helgs beräkningskraft till nuvarande priser. Qwen4-Max kan inte angripas på det sättet alls. Den asymmetrin – en modell du kan förbättra och en du bara kan vänta på – finns inte i någon benchmarktabell, och under det kommande året kommer den att betyda mer än de 8,3 punkterna.

Jämförda i den här artikeln1

Identifierat från den här artikeln