
Hy4 flash ปะทะ DeepSeek V4.1 Flash: Tencent เป็นผู้เลือกเปิดศึกนี้เอง
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 96 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0717 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 133 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 219 tok/s
Tencent เป็นฝ่ายเลือกคู่ต่อสู้ โพสต์งานวิจัยสำหรับ Hy4 flash ซึ่งเผยแพร่เมื่อวันที่ 16 พฤศจิกายน 2026 ได้กำหนดราคาต้นทุนต่องานของตัวเองโดยเทียบกับโมเดลคู่แข่งเพียงหนึ่งเดียวเท่านั้น — DeepSeek V4.1 Flash ในสแนปช็อต 1017 ของมัน ที่ระดับความพยายามสูงสุด และที่อัตราช่วงเวลาที่มีผู้ใช้หนาแน่นของ DeepSeek — และรายงานว่าเป็นหนึ่งในแปด นั่นเป็นการเปรียบเทียบที่เจาะจงอย่างผิดปกติสำหรับโพสต์เปิดตัว และมันบอกคุณว่า Tencent มองว่าการต่อสู้อยู่ตรงไหน: ไม่ใช่กับเรือธงของ Alibaba ไม่ใช่กับ Tencent HY4 ของตัวเอง แต่กับโมเดล open-weight ราคาถูกที่เอเจนต์เขียนโค้ดใช้งานมาตั้งแต่เดือนกันยายน ตัวเลขที่เผยแพร่ตลอดสามสัปดาห์อยู่ฝั่ง DeepSeek ของการเปรียบเทียบนั้น มีแผนภูมิเพียงหนึ่งแผนภูมิที่อยู่ฝั่ง Tencent
ดังนั้น คำถามที่มีประโยชน์จึงไม่ใช่โมเดลไหนดีกว่าในเชิงนามธรรม แต่คือว่าข้อได้เปรียบด้านราคาอินพุต 2.1 เท่าจะยังคงอยู่เมื่อเผชิญกับปัจจัยที่แตกต่างกันระหว่างทั้งสองหรือไม่ และตัวเลขหนึ่งในแปดต่องานหมายถึงสิ่งที่ผู้อ่านจะเข้าใจไปเองหรือไม่ ทั้งสองคำถามตอบได้จากเอกสารที่เผยแพร่ และคำตอบชี้ไปในทิศทางตรงกันข้าม
สิ่งที่แต่ละบริษัทส่งมอบจริง
เริ่มจากอาร์ติแฟกต์ก่อน เพราะสิ่งเหล่านี้ไม่เทียบเท่ากัน และความแตกต่างนี้อธิบายความขัดแย้งส่วนใหญ่ที่เกิดขึ้นในขั้นถัดไปได้
DeepSeek V4.1 Flash เปิดตัวเมื่อวันที่ 10 กันยายน 2026 ภายใต้สัญญาอนุญาต MIT: ไฟล์ safetensors จำนวน 48 shard รวมประมาณ 510 กิกะไบต์ รายงานทางเทคนิคชื่อ "Pushing the Limits of KV Cache Compression" การ์ดโมเดลพร้อมแท็กการปรับใช้ ตัวแปร fp8 และ API พร้อมการ์ดราคา off-peak และ peak ที่เผยแพร่แล้ว สแนปช็อตใหม่หมายเลข 1017 เข้ามาแทนเมื่อวันที่ 17 ตุลาคม และปัจจุบันให้บริการภายใต้ชื่อ API เดียวกัน ที่เก็บมีดาวน์โหลด 1.69 ล้านครั้งและมี 4,978 ไลก์ Artificial Analysis ให้คะแนน 32.6 บน Intelligence Index เมื่อใช้ความพยายามสูงสุด ส่วน Capabilities Index ของ Epoch AI จัดให้ checkpoint 1017 อยู่ที่ 159 เป็นอันดับ 19 จาก 253 โมเดลที่ติดตาม
Hy4 flash เปิดตัวเมื่อวันที่ 16 พฤศจิกายน 2026 ในฐานะโพสต์งานวิจัยที่ไม่ได้แนบการ์ดโมเดลมาด้วย: มีพารามิเตอร์รวม 224 พันล้านตัว โดย 64 พันล้านตัวเป็นพารามิเตอร์ Engram, ใช้งานจริง 12 พันล้านตัวต่อโทเคน, รองรับมัลติโมดัลแบบเนทีฟ, คอนเท็กซ์ 1,048,576 โทเคน และมีแผนจะเปิดซอร์สในภายหลัง ไม่มีน้ำหนักโมเดล ไม่มีใบอนุญาต ไม่มีรายงานทางเทคนิค ไม่มีคะแนนประเมินอิสระ และผลเบนช์มาร์กถูกนำเสนอเป็นแผนภูมิ PNG Artificial Analysis บันทึก Tencent HY4 ไว้ที่ 34.6 ณ วันที่ 5 พฤศจิกายน และไม่มีรายการ Hy4 flash เลย
พอวางสองสิ่งนี้เทียบกัน การเปรียบเทียบก็มีรูปร่างแปลกประหลาด โมเดลที่ใหม่กว่าคือโมเดลที่คุณไม่สามารถตรวจสอบภายในได้ ส่วนโมเดลที่เก่ากว่าคือโมเดลที่คุณดาวน์โหลด ปรับแต่งละเอียด และให้บริการบนฮาร์ดแวร์ของคุณเองได้ ความไม่สมมาตรนี้ปรากฏอยู่ตลอดทุกหัวข้อด้านล่าง
การ์ดราคา เมื่อเปรียบเทียบกันอย่างตรงไปตรงมา
ผู้ขายทั้งสองรายต่างประกาศราคาตามรายการ และทั้งคู่ประกาศมากกว่าหนึ่งรายการ ซึ่งเป็นจุดที่การเปรียบเทียบส่วนใหญ่มักผิดพลาด
• อินพุต ต่อล้านโทเคน — Hy4 flash $0.070 แบบคงที่; DeepSeek V4.1 Flash $0.15 นอกช่วงพีค, $0.30 ในช่วงพีค
• เอาต์พุต ต่อหนึ่งล้านโทเค็น — Hy4 flash $0.281; DeepSeek $0.60 นอกช่วงพีค, $1.20 ช่วงพีค
• แคชฮิต ต่อล้านโทเค็น — Hy4 flash $0.003; DeepSeek $0.003 นอกช่วงพีค, $0.006 ช่วงพีค
• คำจำกัดความช่วงพีก — ช่วงพีกของ DeepSeek คือ 01:00–04:00 และ 06:00–10:00 UTC วันจันทร์ถึงวันศุกร์ โดยไม่รวมวันหยุดราชการของจีน ช่วงเวลาอื่นทั้งหมดเป็นออฟพีก กล่าวคือ สำหรับทีมในสหรัฐฯ หรือยุโรป เรตการ์ดราคาถูกคือเรตการ์ดที่มีผลในช่วงเวลาทำงานส่วนใหญ่ของทีม
• บริบท — Hy4 flash 1,048,576 โทเค็น; DeepSeek V4.1 Flash 1,000,000 โทเค็น โดยมีเพดานเอาต์พุตที่ 384,000 โทเค็น
• การ์ดจีนแผ่นดินใหญ่ — Hy4 flash ¥0.5 / ¥2 / ¥0.02 ต่อล้านโทเค็น ซึ่งเป็นที่มาของตัวเลขดอลลาร์ แทนที่จะมาจากอัตรานานาชาติที่เผยแพร่แยกต่างหาก
เมื่ออ่านในช่วงเวลาเดียวกัน ช่องว่างคือ 2.1 เท่าทั้งด้านอินพุตและเอาต์พุต: $0.070 เทียบกับ $0.15 และ $0.281 เทียบกับ $0.60 ในช่วงพีคของ DeepSeek ช่องว่างนี้จะกว้างขึ้นเป็น 4.3 เท่า สำหรับอินพุตแบบแคช นอกช่วงพีคถือว่าเสมอกัน เพราะทั้งคู่ลงเอยที่ $0.003 — และเรื่องนี้สำคัญกว่าตัวเลขพาดหัว เพราะเอเจนต์เขียนโค้ดที่ส่งพรอมป์ระบบ สคีมาเครื่องมือ และโครงสร้างไฟล์ซ้ำในทุกขั้นตอนจะจ่ายในอัตราแคชเป็นส่วนใหญ่ ในรูปแบบงานที่การเปรียบเทียบนี้มุ่งเน้นจริง ๆ โมเดลทั้งสองมีราคาเท่ากัน
บรรทัดสุดท้ายคือบรรทัดที่คลี่คลายข้อโต้แย้งส่วนใหญ่ได้ หนึ่งในแปดของ Tencent ไม่ใช่การเปรียบเทียบที่เน้นแคชเป็นหลัก แต่เป็นต้นทุนต่องานบน WorkIndex ซึ่งรวมความยาวเอาต์พุต อัตราการลองใหม่ และจำนวนขั้นตอนไว้พร้อมกับเรตการ์ด สองในสามของอินพุตเหล่านั้นเป็นสิ่งที่ Tencent ควบคุมผ่านโพสต์เทรนนิ่งของตัวเอง และรายงานการควบคุมนี้เป็นเปอร์เซ็นต์เดียว: ความยาวเอาต์พุตลดลง 50%

ทำไมพารามิเตอร์ที่ใช้งานอยู่ 12 พันล้านตัวจึงเป็นข้อโต้แย้งเรื่องสถาปัตยกรรมทั้งหมด
DeepSeek V4.1 Flash เป็นแบ็กโบนขนาด 552 พันล้านพารามิเตอร์ โดยเปิดใช้งาน 16 พันล้านพารามิเตอร์ต่อโทเคน สร้างขึ้นบนสิ่งที่ DeepSeek เรียกว่าการออกแบบ Causal Encoder-Decoder: แบ่งเป็น 40 เลเยอร์เท่า ๆ กัน เป็น causal encoder 20 เลเยอร์และ decoder 20 เลเยอร์ โดยรายงานทางเทคนิคเน้นการบีบอัด KV cache มากกว่าการรับรู้ Hy4 flash เปิดใช้งาน 12 พันล้านพารามิเตอร์ต่อโทเคน เทียบกับขนาดรวม 224 พันล้านพารามิเตอร์ ซึ่งคิดเป็นสามในสี่ของจำนวนที่เปิดใช้งานของ DeepSeek และ 40% ของขนาดรวม
คำอธิบายของ Tencent เกี่ยวกับที่มาของความแตกต่างนั้นเจาะจงในเรื่องกลไก แต่เงียบในเรื่องโครงสร้าง Hybrid attention, LatentMoE และพารามิเตอร์ Engram ทำให้ KV cache มีขนาดหนึ่งในยี่สิบสี่ของ Hy3 และหนึ่งในหกของ Tencent HY4 การทำ self-distillation จาก Tencent HY4 แล้วตามด้วย reinforcement learning ช่วยลดความยาวเอาต์พุตแบบ end-to-end ลงครึ่งหนึ่ง เมกะเคอร์เนลที่ใช้น้ำหนักสี่บิตและเส้นทางการถอดรหัส DFly ทำให้การถอดรหัสยังคงสูงกว่า 150 โทเคนต่อวินาที สิ่งที่ไม่ได้เผยแพร่คือข้อมูลใด ๆ ที่คุณจะใช้หักล้างจาก checkpoint ได้ ได้แก่ จำนวนเลเยอร์ จำนวน expert ความกว้างของ routing ขนาดของ vision encoder และ multimodality เป็นแบบ native หรือแบบต่อพ่วง
พารามิเตอร์ Engram ควรมีประโยคอธิบายเป็นของตัวเอง เพราะการมีพารามิเตอร์ 64 พันล้านตัวอยู่ภายในโมเดลที่มี 224 พันล้านพารามิเตอร์ไม่ใช่การจัดวางแบบปกติ Engram ในการใช้งานของ Tencent คือองค์ประกอบแบบหน่วยความจำที่เก็บความสัมพันธ์ซึ่งเรียนรู้มา แทนที่จะเป็น routed expert ที่ทำงานในทุก forward pass ผลในทางปฏิบัติคือ 29% ของขนาดโมเดลทั้งหมดไม่ถูกคิดรวมกับคอมพิวต์ต่อโทเคน ซึ่งเป็นวิธีที่สมเหตุสมผลในการซื้อความสามารถต่อพารามิเตอร์ และเป็นวิธีที่ไม่สมเหตุสมผลในการเปรียบเทียบจำนวนพารามิเตอร์ โมเดล 224B ที่มี Engram 64B ไม่ได้เล็กกว่าโมเดล 552B ในแบบที่ตัวเลขทั้งสองชี้ให้เห็น แต่มีรูปร่างที่แตกต่างกัน
ดีไซน์ของ DeepSeek ตรวจสอบได้ แต่ของ Tencent ตรวจสอบไม่ได้ และนั่นไม่ใช่ความแตกต่างเล็ก ๆ ในการเทียบกันแบบตัวต่อตัว ใครก็สามารถดาวน์โหลดเวตขนาด 510 กิกะไบต์และนับจำนวนเลเยอร์ได้ แต่ไม่มีใครสามารถดาวน์โหลด Hy4 flash แล้วทำอะไรได้เลยแม้แต่น้อย
หนึ่งส่วนแปดที่ลอกลายแล้ว
การเปรียบเทียบแบบแยกตามงานของ Tencent นั้นคุ้มค่าที่จะติดตามอย่างใกล้ชิด เพราะเป็นตัวเลขการเทียบเคียงแบบซึ่งหน้าชุดเดียวที่บริษัทใดบริษัทหนึ่งในสองแห่งนี้ได้เผยแพร่สำหรับคู่นี้ และยังมีความละเอียดรอบคอบกว่าการคำนวณในโพสต์เปิดตัวโดยทั่วไป
บน WorkIndex — ชุดซอฟต์แวร์แปดชุดภายในของ Tencent ซึ่งครอบคลุมการสร้างสไลด์ การแก้ไขสไลด์ การเขียนร่วมระหว่างมนุษย์กับเครื่องจักร การเขียนร่วมใน Markdown การแก้ไขเอกสาร การซ่อมแซมตาราง การประมวลผลเสียงและวิดีโอ และความเข้าใจภาพ — Tencent รายงานว่า Hy4 flash มีต้นทุนต่องานเป็นหนึ่งในสิบสามของ Hy4 preview, หนึ่งในยี่สิบของ Tencent HY4 และหนึ่งในแปดของ DeepSeek-V4.1-Flash-1017 ที่ระดับ maximum effort และราคา busy-hour ทุกคำกำกับในประโยคนั้นเป็นของ Tencent และสองคำสุดท้ายคือสิ่งที่ต้องยึดไว้: maximum effort หมายความว่ามีการตั้งงบการคิดของ DeepSeek ไว้สูง และ busy-hour หมายถึงการ์ดราคา $0.30/$1.20 ไม่ใช่การ์ดราคา $0.15/$0.60
ถ้าตัดเงื่อนไขเหล่านั้นออก การคำนวณก็เปลี่ยนไปมาก ที่ราคานอกช่วงพีคซึ่งมีความยาวเอาต์พุตเท่ากัน ส่วนต่างต่อโทเคนคือ 2.1 เท่า ไม่ใช่ 8 เท่า หาก Hy4 flash ยังสร้างโทเคนเอาต์พุตเพียงครึ่งหนึ่ง ต้นทุนต่องานก็จะลดลงอีกประมาณครึ่งหนึ่งบนส่วนต่างราคา ซึ่งทำให้สองโมเดลห่างกันประมาณ 4 ถึง 5 เท่าในงานที่ Tencent ออกแบบ — และพฤติกรรมที่ DeepSeek เปิดเผยเอง การควบคุมความพยายามในการคิด และเพดานเอาต์พุต 384,000 โทเคน บ่งชี้ว่าระดับสูงสุดของมันทำงานต่องานมากกว่าอย่างเห็นได้ชัดเมื่อเทียบกับโมเดลที่ปรับมาให้ตอบด้วยโทเคนเพียงครึ่งเดียว
ตัวเลขการใช้งานจริงที่ Tencent เปิดเผยเองเป็นครึ่งที่น่าสนใจกว่าของการเปิดตัว เพราะตัวเลขเหล่านี้มาพร้อมตัวนับประกอบ ไม่ใช่คะแนนเดียว ในฟลว์เอเจนต์ของ WeChat Pay เมื่อเทียบกับ DeepSeek-V4.1-Flash-1017 Tencent รายงานว่าเท่ากันหรือดีกว่าในสี่ขั้นตอนกระบวนการ โดยใช้ขั้นตอนการทำงานน้อยลงราว 6% และผลลัพธ์เดี่ยวสั้นลง 29% ในการสแกนแบบสแตติกของ WeChat Pay ใช้เวลาสแกนเสร็จน้อยลง 37% และใช้โทเค็นน้อยลง 46% ที่คุณภาพการตรวจจับเท่าเดิม ในการวิเคราะห์สาเหตุรากของ Honor of Kings ใช้คำขอน้อยลง 22% ถึง 39% และใช้โทเค็นน้อยลง 40.5% ถึง 61.2% เมื่อเทียบกับ DeepSeek และ GLM-5.3-Flash — พร้อมกับเรียกใช้เครื่องมือมากกว่าอีกแต่ละตัว 51.2% และ 7.7% ใน Marvis ความพึงพอใจต่องานเพิ่มขึ้น 6.2% สำหรับการติดตั้งแอป 4.4% สำหรับการตั้งค่าระบบและการวินิจฉัย และ 6.9% สำหรับการประมวลผลเอกสารและรายงานวิจัย
มีสองสิ่งปรากฏให้เห็นในรายการนั้น การลดลงของโทเคนและจำนวนสเต็ปนั้นมากและสอดคล้องกัน ซึ่งเป็นสิ่งที่โมเดลแอ็กทีฟขนาด 12B ที่ได้รับการฝึกให้ย่อคำตอบควรให้ผลออกมา และการเพิ่มขึ้นของการเรียกเครื่องมือคือหมายเหตุท้ายที่ตรงไปตรงมา: Hy4 flash ไปถึงจุดนั้นด้วยการไปกลับที่มากขึ้นและสั้นลง ในรูปแบบการคิดค่าบริการต่อคำขอ นั่นแทบไม่ต่างหรือถือเป็นข้อได้เปรียบ; แต่ในงบเวลาจริงต่อสเต็ป มันเป็นการแลกเปลี่ยนที่แตกต่างออกไป และการวางกรอบของ Tencent เอง — ที่ว่ารวดเร็วกว่า 88% ใน WeCom — เป็นการอ้างเรื่องความหน่วงมากกว่าการอ้างเรื่องปริมาณงาน
ความไม่สมมาตรของหลักฐาน ซึ่งเป็นตัวตัดสินใจที่แท้จริง
นี่คือสิ่งที่โมเดลทั้งสองสามารถบอกคุณเกี่ยวกับตัวเองได้
DeepSeek V4.1 Flash มีคะแนน harness สาธารณะ มีรายงานทางเทคนิคให้อ่าน มี weights ให้รัน และมี inference stack ที่ได้ทำงานร่วมกับโมเดลนี้มาเป็นเวลาสามเดือน ทั้งการทำ quantization สูตรการเสิร์ฟ และชุดพฤติกรรมแปลก ๆ ที่มีเอกสารบันทึกไว้ซึ่งคนอื่นเจอมาก่อนแล้ว ตำแหน่งบน benchmark ของมันไม่ได้หวือหวา — 90.6 บน Terminal-Bench 2.1, 74.2 บน DeepSWE v1.1, 65.4 บน NL2Repo-Bench ณ ตอนเปิดตัว และ 32.6 บน Intelligence Index — แต่มันเป็นตำแหน่งที่คนอื่นเป็นคนวัด
Hy4 flash มีแผนภูมิจากผู้ขาย มี blind test ของผู้ขายกับพนักงาน 85 คน มี benchmark ภายในของผู้ขาย และมีประโยคเกี่ยวกับ open weights ในอนาคต ข้อกล่าวอ้างเหล่านั้นฟังดูเป็นไปได้และสอดคล้องกันภายในตัวเอง: KV cache ที่มีขนาดหนึ่งในหกของรุ่นเรือธง, ความยาวเอาต์พุตลดลงครึ่งหนึ่ง, decode เกิน 150 โทเค็นต่อวินาที ไม่มีข้อใดได้รับการทำซ้ำ และข้อที่ตรวจสอบได้ง่ายที่สุด — ว่า 12 พันล้านพารามิเตอร์ที่ใช้งานจริงทำงานสำนักงานได้ดีเท่ากับ 16 พันล้านของ DeepSeek จริงหรือไม่ — ก็เป็นข้อที่ไม่มีใครนอก Tencent สามารถรันได้ เพราะไม่มี weights
ความไม่สมมาตรนั้นไม่ได้ทำให้ Hy4 flash แย่ลง แต่ทำให้มันยังพิสูจน์ไม่ได้ และความต่างระหว่าง "แย่ลง" กับ "ยังพิสูจน์ไม่ได้" คือจุดที่งบประมาณการประเมินควรถูกใช้ไป ทีมที่ต้องการโมเดลมัลติโมดัลราคาถูกที่สามารถไฟน์จูน โฮสต์เอง หรือตรวจสอบได้ ควรหยุดอ่านตรงนี้: DeepSeek V4.1 Flash คือคำตอบ และส่วนต่างราคา 2.1 เท่าคือต้นทุนของทางเลือกนั้น ทีมที่ภาระงานเป็นเอกสาร สไลด์ การสกัดข้อมูล และลูปของเอเจนต์สั้น ๆ และจ่ายตามโทเคนแทนที่จะจ่ายตามงาน มีเหตุผลจริงในการพิจารณาการ์ด Tencent — เหตุผลที่แข็งแรงพอจนหลักฐานที่ขาดไปนั้นคุ้มค่าที่จะหาทางเลือกอื่นมาชดเชยแทนที่จะรอ
กำลังเปรียบเทียบบนคีย์เดียว
ทั้ง Hy4 flash และแผนงานของ Tencent เองก็ไม่ได้ทำให้เรื่องนี้ง่ายเลย: ณ วันที่ 16 พฤศจิกายน Hy4 flash ให้บริการผ่าน TokenHub ของ Tencent Cloud และผลิตภัณฑ์สำหรับผู้บริโภคและองค์กรของ Tencent โดยมีแพลตฟอร์มของบุคคลที่สามที่ประกาศไว้แต่ยังไม่มีกำหนดวันที่ และ DeepSeek V4.1 Flash อยู่บน API ของ DeepSeek เองและอยู่ในรูปแบบ open weights
ครึ่งหนึ่งของแมตช์นี้ที่คุณรันได้วันนี้ คือครึ่งที่กำหนดมาตรฐาน deepseek/deepseek-v4.1-flashอยู่บน OrcaRouter ในราคา $0.15 สำหรับอินพุต และ $0.60 สำหรับเอาต์พุตต่อล้านโทเค็น โดยการอ่านจากแคชอยู่ที่ $0.003 — ราคาลิสต์ช่วงออฟพีกของ DeepSeek เองโดยไม่มีอะไรบวกเพิ่ม — ด้วยหน้าต่างบริบท 1,048,576 โทเค็น และ สแนปช็อต 1017อยู่ในราคาเดียวกันภายใต้ตัวระบุของตัวเอง เพื่อให้คุณปักหมุดเช็กพอยต์ที่ Tencent ใช้ทดสอบเปรียบเทียบ แทนที่จะเป็นนามแฝง เส้นทาง Tencent บนคีย์เดียวกันคือ tencent/hy4-previewที่ $0.834 และ $2.501 ซึ่งเป็นโมเดลครูของ Hy4 flash; การรันชุดงานของคุณเองบน preview และบน DeepSeek จะให้อัตราส่วนโมเดลครูต่อคู่แข่งในตอนนี้ และระดับ flash สามารถเสียบเข้าไปในฮาร์เนสเดียวกันได้เมื่อเปิดตัว

นั่นคือรูปแบบที่ควรคัดลอกมาจากการเปิดตัวของ Tencent เอง ข้อโต้แย้งของมันคือต้นทุนต่องานบนงานแปดประเภทที่มันเลือก ของคุณควรเป็นต้นทุนต่องานบนงานที่คุณจ่ายจริง โดยวัดบนทั้งสองโมเดล พร้อมบันทึกโทเค็น ขั้นตอน และเวลาจริง และสามสิ่งนั้นรวมกันคือสิ่งที่บอกคุณว่าข้อได้เปรียบด้านอัตรา 2.1 เท่าจะกลายเป็นอะไรในใบแจ้งหนี้หรือไม่
การสลับไปใช้ระบบสำรองอัตโนมัติเป็นส่วนที่ไม่น่าตื่นเต้นของแผนนั้น โมเดลที่เพิ่งเปิดใช้งานในสัปดาห์แรก ซึ่งให้บริการจากโปรโมชันที่ไม่ได้ระบุวันสิ้นสุด คือโมเดลที่คุณอยากให้มีเชนสำรองอยู่ข้างหลังมากกว่าจะย้ายไปใช้งานแทนที่ คีย์เดียวกันเข้าถึง DeepSeek ได้อยู่แล้ว ดังนั้นกฎที่ลองใหม่กับโมเดลเดิมก่อนที่การตอบสนองจะเริ่มขึ้นจึงใช้คอนฟิกเพียงบรรทัดเดียว และขจัดความเสี่ยงในช่วงสัปดาห์เปิดตัวออกจากการทดลอง

อะไรจะทำให้เรื่องนี้ยุติลง
สามสิ่ง โดยเรียงตามว่าสิ่งเหล่านี้จะเปลี่ยนคำตอบได้มากน้อยเพียงใด
คะแนนอิสระสำหรับ Hy4 flash Artificial Analysis จัดทำดัชนี Tencent HY4 แปดวันหลังจากเปิดตัว การมีรุ่น flash อย่างน้อยก็จะทำให้ทั้งสองโมเดลอยู่บนชุดทดสอบเดียวกัน และช่องว่าง 32.6 ถึง 34.6 ระหว่าง flash ของ DeepSeek กับเรือธงของ Tencent คือช่วงที่การเปรียบเทียบนี้กำลังถกเถียงกันอยู่ ไม่มีใครควรแปลกใจหากโมเดลแบบดิสทิลล์ได้คะแนนต่ำกว่าครูของมัน และขนาดของการลดลงนั้นคือสิ่งที่ไม่รู้ซึ่งมีประโยชน์ที่สุดเพียงค่าเดียวในการเปรียบเทียบนี้
น้ำหนักโมเดล หรือกำหนดการที่จะเปิดให้ใช้ หากพรีวิวเดือนสิงหาคมของ Tencent เองเปิดตัวภายใต้ Apache 2.0 พร้อมสูตรการใช้งาน vLLM และ SGLang ตั้งแต่วันแรก บริษัทจึงรู้วิธีทำสิ่งนี้ หาก Hy4 flash ทำตาม ข้ออ้างเรื่องประสิทธิภาพก็จะตรวจสอบได้ และการดาวน์โหลดขนาด 510 กิกะไบต์ก็จะไม่ใช่ตัวเลือกเดียวที่มีอยู่อีกต่อไป
เบนช์มาร์กต่องานที่เป็นกลาง ตัวเลขหนึ่งในแปดของ Tencent เป็นตัวเลขที่ให้มาด้วยความสุจริต โดยมีเงื่อนไขประกอบสองข้อและมีฮาร์เนสที่ไม่มีใครอื่นสามารถรันได้ หากทำซ้ำได้บนงานเอเจนต์สาธารณะ การโต้แย้งก็จะยุติลงภายในบ่ายเดียว ไม่ทางใดก็ทางหนึ่ง
จนถึงตอนนั้น สรุปที่ตรงไปตรงมาจะแคบกว่าของผู้ขายทั้งสองราย: DeepSeek V4.1 Flash คือโมเดลมัลติโมดัลราคาถูกที่มีเส้นทางการตรวจสอบ ส่วน Hy4 flash คือรุ่นที่ถูกกว่าแต่ไม่มี และส่วนต่างราคาจะเล็กกว่าบนงานที่ใช้แคชหนักเมื่อเทียบกับบนอัตราค่าบริการ นั่นไม่ใช่คำตัดสิน แต่เป็นการอธิบายอย่างแม่นยำว่าสิ่งที่ 16 พฤศจิกายนเปลี่ยนไปจริง ๆ คืออัตราค่าบริการและแผน — และเป็นการต่อสู้ที่ Tencent เลือกเองบนกระดานคะแนนที่มันวาดขึ้นมาเอง
การเปรียบเทียบในบทความนี้4
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
