
Hy4 flash เทียบกับ Qwen3.8-Flash: จำนวนพารามิเตอร์ที่ใช้งานจริงเป็นสองเท่า แต่ราคาต่อโทเคนถูกกว่าครึ่ง
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 138 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 175 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 68 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 · 44 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 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
โมเดลที่ถูกกว่าตรงนี้คือตัวที่ใหญ่กว่า Hy4 flashประมวลผลพารามิเตอร์ข้อความ 11.3 พันล้านตัวในทุกโทเคน และมีราคาตั้งไว้ที่ $0.070 ต่ออินพุตหนึ่งล้านโทเคน Qwen3.8-Flashประมวลผลประมาณ 6 พันล้านตัว และมีราคาตั้งไว้ที่ $0.15 ใช้กำลังประมวลผลต่อโทเคนเกือบสองเท่า แต่ราคาอินพุตน้อยกว่าครึ่ง — และไม่มีตัวเลขใดในสองตัวนั้นเลยที่เป็นตัวตัดสินว่าแท้จริงแล้วคุณควรเรียกโมเดลไหน
Hy4 flash เพิ่งเปิดตัวได้สองวัน Tencent เปิดให้ใช้งานผ่าน API ของตัวเองเมื่อวันที่ 16 พฤศจิกายน 2026 เผยแพร่เวตในวันถัดมา และปล่อยรีโพซิทอรีสามแห่งสำหรับโมเดลนี้ ได้แก่ checkpoint แบบ instruct, บิลด์ FP8 และโมเดล base โดยเป็นโมเดล mixture of experts ขนาด 220 พันล้านพารามิเตอร์ที่มีพารามิเตอร์ทำงาน 12 พันล้าน รับคอนเท็กซ์ 1,048,576 โทเคน รับอินพุตรูปภาพและส่งออกข้อความ ภายใต้ Tencent Hy License Qwen3.8-Flash อยู่บน QwenCloud ตั้งแต่ Alibaba เปิดตัวพร้อมเวตของ Qwen3.8-Flash-Next เมื่อวันที่ 26 สิงหาคม 2026 โดยเป็นโครงข่ายผู้เชี่ยวชาญขนาด 125 พันล้านพารามิเตอร์ที่เปิดใช้งานประมาณ 6 พันล้านพารามิเตอร์ บวกกับตาราง n-gram embedding ขนาด 51 พันล้านพารามิเตอร์ รองรับข้อความ รูปภาพ และวิดีโอเป็นอินพุตและส่งออกข้อความ ที่คอนเท็กซ์ 1M และเอาต์พุตสูงสุด 131K
ดังนั้นรูปแบบของการเปรียบเทียบนี้จึงไม่ปกติ โมเดลหนึ่งเป็นระดับราคาประหยัดที่มีเอกสารประกอบครบถ้วนที่สุดในตลาด ส่วนอีกโมเดลเป็นแบบที่มีเอกสารน้อยที่สุด ตัวหนึ่งมีแถว benchmark อิสระ ส่วนอีกตัวมี 404 และการ์ดราคาทั้งสองใบกำหนดเป็นสกุลเงินที่ต่างกัน ขายในตลาดที่ต่างกัน และมีเงื่อนไขตัวอักษรเล็ก ๆ มาช่วยป้องกันความเสี่ยงในปริมาณที่ต่างกัน ส่วนที่น่าสนใจไม่ใช่ 2.1x ในบรรทัดราคาอินพุต แต่คือสิ่งที่เกิดขึ้นกับช่องว่างนั้นเมื่อคุณเลิกคิดราคาต่อโทเคนและเริ่มคิดราคางานที่เสร็จสมบูรณ์
การกลับด้านบนเรทการ์ด ก่อนสิ่งอื่นใด
ตารางราคาสำหรับจีนแผ่นดินใหญ่ของ Tencent สำหรับ Hy4 flash ระบุราคาอินพุต 1 ล้านโทเคนที่ ¥0.5 เอาต์พุต 1 ล้านโทเคนที่ ¥2 และอินพุตที่แคชไว้ 1 ล้านโทเคนที่ ¥0.02 Tencent ระบุราคาสามบรรทัดเดียวกันในหน่วยดอลลาร์เป็น $0.070, $0.281 และ $0.003 ตารางราคาของ QwenCloud สำหรับ Qwen3.8-Flash ระบุราคาอินพุตที่ $0.15 เอาต์พุตที่ $0.47 การอ่านแคชที่ $0.016 และ $0.20 ต่อล้านสำหรับการสร้างแคชห้านาทีอย่างชัดเจน
• อินพุต — $0.070 เทียบกับ $0.15 Hy4 flash ถูกกว่า 2.1 เท่า
• ผลลัพธ์ — $0.281 เทียบกับ $0.47 Hy4 flash ถูกกว่า 1.7 เท่า
• อินพุตที่แคชไว้ — $0.003 เทียบกับ $0.016 Hy4 flash ถูกกว่า 5.3 เท่าในรายการค่าใช้จ่ายที่มีน้ำหนักมากที่สุดสำหรับเอเจนต์ใด ๆ ที่ส่งพรอมป์ต์เดิมซ้ำ
• ผสมในอัตราส่วนอินพุตต่อเอาต์พุต 3:1 — ประมาณ $0.123 ต่อล้าน เทียบกับ $0.230
• คิดแบบ blended ในอัตรา 1:3 โดยเน้นฝั่งเอาต์พุตเป็นหลัก — ประมาณ $0.228 เทียบกับ $0.390
นั่นคือช่องว่างจริง และเป็นช่องว่างที่เล็กกว่าที่อัตราส่วนในพาดหัวสื่อไว้ เพราะคอลัมน์เอาต์พุตคือส่วนที่ทั้งสองโมเดลใช้เงินจริงกับงานแบบเอเจนต์ และช่องว่างด้านเอาต์พุตมีเพียง 1.7 เท่า อีกทั้งยังเล็กกว่าช่องว่างที่โมเดลแต่ละตัวแสดงเมื่อเทียบกับรุ่นเรือธงจากตะวันตก ซึ่งเป็นบริษัทที่แต่ละรุ่นรักษาไว้ในระดับนี้
ข้อควรระวังอย่างตรงไปตรงมาสำหรับทั้งห้าบรรทัด: ราคาเหล่านี้ไม่ใช่ราคาชนิดเดียวกัน ราคาของ Tencent เป็นอัตราตามรายการเป็นเงินหยวนจีนแผ่นดินใหญ่ที่ Tencent แปลงไว้สำหรับผู้อ่านภาษาอังกฤษ และ Tencent ได้จัดส่วนลดโปรโมชันสำหรับโมเดลนี้ไปแล้วในสัปดาห์แรก ส่วนราคาของ QwenCloud เป็นอัตราตามรายการเป็นดอลลาร์สหรัฐบน endpoint ระดับโลก ทีมที่ซื้อเป็นดอลลาร์จากนอกจีนแผ่นดินใหญ่ควรถือว่าตัวเลขของ Hy4 flash เป็นราคาต่ำสุดของสิ่งที่มีให้ใช้ มากกว่าจะเป็นตัวเลขที่จะถูกออกใบแจ้งหนี้ และควรอ่านการ์ดราคาซ้ำก่อนจะสร้างแบบจำลองใด ๆ จากตัวเลขนั้น
ลองรันปริมาณงานนี้ต่อไปเลย เพราะรูปร่างยังคงเดิม สิบล้านโทเค็นอินพุตและสองล้านโทเค็นเอาต์พุตต่อวันมีค่าใช้จ่าย $1.26 บน Hy4 flash และ $2.44 บน Qwen3.8-Flash — $461 เทียบกับ $891 ต่อปี ส่วนต่างประมาณ $430 ที่ขนาดปริมาณงานซึ่งทีมเล็กสามารถสร้างได้จริง หากผลักสัดส่วนไปทางแคช อย่างที่เอเจนต์แบบหลายรอบทำกัน ช่องว่างก็จะกว้างขึ้น: อินพุตใหม่สองล้าน แคชรีดแปดล้าน และเอาต์พุตสองล้าน คิดเป็น $0.73 ต่อวัน เทียบกับ $1.37 เพราะอัตราส่วนการอ่านแคชคือ 5.3x ไม่ใช่ 2.1x

ผู้ขายทั้งสองรายใช้พารามิเตอร์เกือบหนึ่งในสามไปกับแนวคิดเดียวกัน
นี่คือส่วนหนึ่งของการเปรียบเทียบที่โพสต์เปิดตัวของทั้งสองผู้ขายไม่ได้วางไว้เคียงกัน และนี่คือเหตุผลที่ราคาของสองรุ่นนี้ต่างกันเพียงประมาณสองเท่า ไม่ใช่สิบเท่า
Hy4 flash มีพารามิเตอร์ Engram 63.5 พันล้านตัว — การแทนค่า bigram และ trigram ที่เรียนรู้ได้ ซึ่งดึงออกมาผ่านการค้นหาแฮชแบบหลายหัว แล้วเชื่อมเข้าไว้ใน backbone ที่เลเยอร์ 1, 11, 21 และ 31 นั่นคือ 28.9% ของพารามิเตอร์ 220 พันล้านตัวของโมเดลที่อยู่ในตารางค้นหาแทนที่จะอยู่ใน experts Qwen3.8-Flash มีตาราง embedding แบบ n-gram ขนาด 51 พันล้านพารามิเตอร์ที่ใช้โทเคนปัจจุบันพร้อมกับโทเคนก่อนหน้าหลายตัวเป็นคีย์ จากพารามิเตอร์ราว 180 พันล้านตัวบนดิสก์ — 28.3%
สองแล็บ สองรุ่น สรุปเดียวกัน: วิธีที่ถูกที่สุดในการเพิ่มความสามารถให้โมเดลแบบสแปร์สคือเลิกจ่ายคอมพิวต์ต่อโทเคนเพื่อสิ่งนั้น ทั้งสองตารางสามารถอยู่ในหน่วยความจำโฮสต์และถูกพรีเฟตช์แบบอะซิงโครนัสได้ ดังนั้นทั้งคู่จึงไม่ครอบครองหน่วยความจำ GPU อย่างถาวร ทั้งคู่ไม่เพิ่มการคูณเมทริกซ์ในฟอร์เวิร์ดพาส โดยแท้จริงแล้วทั้งสองเป็นการเดิมพันว่าสัดส่วนใหญ่ของสิ่งที่โมเดลภาษาจำเป็นต้องรู้สามารถคาดเดาได้จากโทเคนไม่กี่ตัวล่าสุดในบริบท และควรสงวนส่วนหลักของผู้เชี่ยวชาญแบบสแปร์สไว้สำหรับสิ่งที่ไม่เป็นเช่นนั้น
โครงสร้าง attention ก็มีแนวคิดที่สอดคล้องกันเช่นกัน Hy4 flash สลับใช้ IndexPool sparse attention กับหน้าต่างเลื่อนขนาด 512 โทเคน ในอัตราส่วน 1:3 ตลอด 42 เลเยอร์ และ Tencent รายงานว่า KV cache ที่ได้มีขนาด 1/24 ของ Hy3 และ 1/6 ของ Hy4 Qwen3.8-Flash ใช้ Gated DeltaNet ร่วมกับ Qwen Sparse Attention โดยบีบอัดประวัติเป็นสถานะขนาดคงที่ในสามจากทุกสี่เลเยอร์ และส่งส่วนที่เหลือผ่าน indexer ระดับบล็อก ทั้งสองเป็นคำตอบสำหรับคำถามเดียวกัน — คุณจะให้บริการหน้าต่างขนาดหนึ่งล้านโทเคนได้อย่างไรโดยไม่ต้องจ่ายค่า KV cache ขนาดหนึ่งล้านโทเคน — และคำตอบทั้งสองก็ลงเอยที่รูปแบบใดรูปแบบหนึ่งของ “ไม่ต้อง attend ทุกอย่าง”
ความแตกต่างอยู่ที่สิ่งที่พารามิเตอร์ที่ใช้งานจริงส่วนที่เพิ่มขึ้นมามอบให้ Hy4 flash รันพารามิเตอร์ข้อความ 11.3 พันล้านตัว เทียบกับ 6 พันล้านตัวของ Qwen3.8-Flash บน 41 เลเยอร์ MoE โดยมี routed expert 16 จาก 512 ตัว บวก shared expert หนึ่งตัว ใน latent space ขนาด 1,536 มิติ นั่นเกือบสองเท่าของคอมพิวต์ต่อโทเคน ในโมเดลที่คิดราคาต่อโทเคนน้อยกว่าครึ่ง ไม่ว่าความจริงอื่นใดจะเป็นเช่นไร Tencent ไม่ได้เรียกคืนต้นทุนนั้นจากลูกค้า — แต่เรียกคืนจาก serving stack: น้ำหนัก 4 บิต, megakernels และ DFly2 ซึ่งเป็นดราฟเตอร์ขนาด 0.85 พันล้านพารามิเตอร์ที่ใช้ sparse KV และการเลือกดัชนีของโมเดลเป้าหมายซ้ำ เพื่อให้แต่ละ draft token ให้ความสนใจกับคีย์ไม่เกินประมาณ 2,000 คีย์ โดยไม่ขึ้นกับความยาว context Tencent ทำ decoding ได้เกิน 150 โทเคนต่อวินาทีเมื่อใช้ทั้งสามอย่างร่วมกัน
สิ่งที่ 29.5 นาทีต่อหนึ่งงานให้ได้จริง ๆ
ราคาต่อโทเคนเป็นหน่วยที่ผิดสำหรับทั้งสองโมเดลนี้ และข้อมูลอิสระทำให้เห็นภาพชัดเจนในด้านหนึ่งของการเปรียบเทียบ
Artificial Analysis ให้คะแนน Qwen3.8-Flash-Next — อาร์ติแฟกต์แบบเปิดน้ำหนัก ไม่ใช่ SKU ที่โฮสต์ — ที่ 28.6 บน Intelligence Index v5.0.1 ด้วยค่าใช้จ่าย 0.569 ดอลลาร์ต่อ작업 ใช้เวลากว่า 29.5 นาทีต่อ작업 ที่อัตรา 83.6 โทเคนเอาต์พุตต่อวินาที โดยใช้เวลา 2.5 วินาทีถึงโทเคนแรก และ 68.3 วินาทีถึงโทเคนคำตอบแรก
ตัวเลขทั้งห้านี้เมื่อคูณกันออกมาแล้วได้ผลลัพธ์ที่มีประโยชน์กว่าตัวเลขใดตัวหนึ่งเดี่ยว ๆ ที่ 83.6 โทเคนต่อวินาทีเป็นเวลา 1,768 วินาที งานหนึ่งจะสร้างเอาต์พุตประมาณ 148,000 โทเคน ที่ $0.47 ต่อล้าน นั่นคือเอาต์พุตประมาณเจ็ดเซนต์ อีกห้าสิบเซนต์ของ $0.569 เป็นอินพุต ซึ่งที่ $0.15 ต่อล้านบ่งชี้ว่ามีโทเคนอินพุตอย่างน้อย 3.3 ล้านโทเคนตลอดทั้งงาน — มากกว่านั้นหากบางส่วนถูกให้บริการจากแคชในอัตราที่ถูกกว่า อินพุต 3.3 ล้านโทเคนเทียบกับบริบท 1M ไม่ใช่พรอมต์เดียว มันคือลูป: อ่าน ลงมือ อ่านอีกครั้ง ลึกถึง 20 หรือ 30 เทิร์น โดยมีบริบทที่ถูกสร้างใหม่หรือส่งต่อไปในแต่ละครั้ง
นั่นคือภาระงานที่ทั้งสองโมเดลถูกสร้างมาเพื่อรองรับ และเป็นเหตุผลว่าทำไมตัวเลือกการออกแบบของ Hy4 flash จึงเป็นอย่างที่เห็น ไปป์ไลน์หลังการฝึกของ Tencent ลดเอาต์พุตแบบครบวงจรโดยเฉลี่ยลง 50% ผ่านการเรียนรู้แบบเสริมกำลัง และการประเมินแบบปกปิดภายในรายงานว่ามีค่ามัธยฐานของเวลาทำงานจนเสร็จ 6.7 นาที ที่ 0.26 หยวนต่องาน — ประมาณ 0.037 ดอลลาร์สหรัฐตามอัตราแลกเปลี่ยนปัจจุบัน ชุด WorkIndex ภายในให้คะแนน Hy4 flash ที่ 42.1 เทียบกับ 39.7 สำหรับ Hy4 preview โดย Tencent ระบุว่าต้นทุนเฉลี่ยต่องานเป็นหนึ่งในสิบสามของ Hy4 preview หนึ่งในยี่สิบของ Hy4 และหนึ่งในแปดของ DeepSeek-V4.1-Flash-1017 ที่ราคาช่วงพีค
อย่านำตัวเลขเหล่านั้นไปหารด้วยตัวเลขของ Artificial Analysis ค่ามัธยฐาน 6.7 นาทีจากงาน WorkBuddy 259 งานในผู้ใช้ภายใน 85 คน ไม่ใช่ค่ามัธยฐาน 29.5 นาทีบน Intelligence Index และตัวเลขหยวนต่องานจากชุดทดสอบของผู้ขายเอง ก็ไม่ใช่ตัวเลขดอลลาร์ต่องานจากชุดทดสอบอิสระ การเปรียบเทียบที่ตัวเลขเหล่านี้สนับสนุนเป็นเพียงเชิงทิศทาง และควรพูดให้ชัดเจนว่า ต้นทุนต่องานที่วัดได้ของ Qwen3.8-Flash ถูกกำหนดโดยจำนวนโทเคนที่ใช้และเวลาที่ใช้เป็นหลัก ไม่ใช่โดยราคาที่มันเรียกเก็บต่อโทเคน โมเดลที่เขียนน้อยกว่าครึ่งหนึ่งและเสร็จในหนึ่งในห้าของเวลา อาจถูกกว่า 1.7 เท่าต่อโทเคนเอาต์พุต และถูกกว่าหนึ่งลำดับขนาดต่องานที่เสร็จสมบูรณ์ การที่ Hy4 flash เป็นโมเดลนั้นจริงหรือไม่ คือสิ่งที่ยังไม่มีใครวัดเลย
กระดานคะแนนมีเพียงแถวเดียว และแถวนั้นไม่ใช่ของโมเดลที่คุณจะเรียก
การเปิดเผยสองรายการ ซึ่งทั้งสองรายการเปลี่ยนว่าตัวเลขข้างต้นจะมีน้ำหนักได้มากเพียงใด
ประการแรก: Hy4 flash ไม่มีหน้า Artificial Analysis ไม่ใช่คะแนนต่ำ ไม่ใช่รายการที่ไม่ได้จัดอันดับ — https://artificialanalysis.ai/models/hy4-flash ตอบกลับ 404 เมื่อวันที่ 18 พฤศจิกายน 2026 สามวันหลังจาก API เปิดใช้งาน และหนึ่งวันหลังจากน้ำหนักโมเดลเผยแพร่ ไม่มีการวัดผลที่เป็นอิสระของโมเดลนี้เลยแม้แต่น้อย ตารางเกณฑ์มาตรฐานที่ Tencent เผยแพร่ครอบคลุมเฉพาะ checkpoint ฐานที่ผ่านการฝึกมาก่อน โดยนำ Hy4 flash Base มาเทียบกับ Hy4 Base และโมเดลฐานของ DeepSeek ซึ่งบอกข้อมูลเกี่ยวกับการฝึกมาก่อนและไม่บอกอะไรเลยเกี่ยวกับ instruction model หรือโหมดการให้เหตุผลที่คุณจะเรียกใช้จริง หลักฐานเดียวเกี่ยวกับ instruction model คือของ Tencent เอง: WorkIndex การทดสอบแบบปกปิด และอัตราส่วนต้นทุนต่องาน
ประการที่สอง: ค่า 28.6 และ $0.569 เป็นของ Qwen3.8-Flash-Next ซึ่งเป็นเช็กพอยต์ที่ดาวน์โหลดได้ ส่วน Qwen3.8-Flash แบบโฮสต์บน QwenCloud เป็นบิลด์สำหรับให้บริการที่ปรับแต่งแยกต่างหาก Alibaba จำหน่ายในฐานะสมาชิกที่พร้อมใช้งานจริงของสายผลิตภัณฑ์นี้ และทั้งสองรุ่นใช้แทนกันไม่ได้ Artificial Analysis ยังบันทึก Qwen3.8-Flash-Next ไว้ที่บริบท 256,000 โทเคน ซึ่งเป็นหน้าต่างบริบทดั้งเดิมของเช็กพอยต์ก่อนการขยายด้วย YaRN ขณะที่ QwenCloud ให้บริการโมเดลโฮสต์ที่ 1M โดยมีอินพุตสูงสุด 991K หากคุณกำลังกำหนดราคาให้โมเดลโฮสต์ คุณกำลังพึ่งพาการ์ดข้อมูลของ QwenCloud และการประเมินของ Alibaba เองสำหรับทุกอย่าง ยกเว้นคะแนนด้านสติปัญญา ซึ่งเป็นของเช็กพอยต์นั้น
ความไม่สมมาตรจึงชัดเจนในแบบที่พูดได้ง่ายแต่แก้ได้ยาก: โมเดลหนึ่งมีคะแนนอิสระที่เป็นของอาร์ติแฟกต์คนละชิ้น ขณะที่อีกโมเดลไม่มีคะแนนอิสระเลย บทความใดก็ตามที่ชี้ให้คุณเห็นผู้ชนะด้านความสามารถในกรณีนี้กำลังกุผู้ชนะขึ้นมาเอง สิ่งที่พูดได้นั้นแคบกว่าแต่ยังมีประโยชน์ Qwen3.8-Flash ที่ 28.6 อยู่ต่ำกว่า Tencent Hy4 ซึ่งเป็นเรือธงขนาด 770 พันล้านพารามิเตอร์จากตระกูลเดียวกัน ที่ 34.6 และต่ำกว่า Claude Haiku 5.5 ที่ 36.5 บนดัชนีเวอร์ชันเดียวกัน — เป็นคะแนนระดับกลางที่มั่นคง ซึ่งเป็นสิ่งที่โมเดลแฟลชขนาดเล็กควรทำได้ Hy4 flash บนชุดทดสอบภายในของ Tencent เอง มีคะแนนสูงกว่า Hy4 preview และต่ำกว่า Hy4 อยู่มาก ซึ่งเป็นตำแหน่งสัมพัทธ์เดียวกันเมื่อวัดด้วยเครื่องมือที่ต่างกัน
วิดีโอคือแถวเดียวที่ตัดสินใจด้วยตัวเอง
ทุกอย่างข้างต้นอาจโต้แย้งได้ แต่สิ่งนี้ไม่ใช่
• อินพุต Hy4 flash — ข้อความและรูปภาพ ผ่านตัวเข้ารหัสที่พัฒนามาจาก SigLIP2-So400m เชื่อมผ่านโปรเจกเตอร์ MLP เอาต์พุตเป็นข้อความ
• อินพุตของ Qwen3.8-Flash — ข้อความ รูปภาพ และวิดีโอ เอาต์พุตเป็นข้อความ
หากไปป์ไลน์ของคุณนำเข้าไฟล์บันทึกหน้าจอ ไฟล์บันทึกการโทร หรือไฟล์วิดีโอ Hy4 flash จะไม่สามารถรับได้ แต่ Qwen3.8-Flash รับได้ น้ำหนักแบบเปิดไม่ช่วย อะแดปเตอร์ก็ไม่ช่วย และไม่ว่าจะได้เปรียบด้านราคาแค่ไหนก็ปิดช่องว่างนี้ไม่ได้ ทั้งสองรองรับบริบทหนึ่งล้านโทเค็น ทั้งสองจัดการเอกสารและภาพหน้าจอได้ และบนพื้นฐานร่วมนั้นการเปรียบเทียบยังเปิดอยู่ แต่กับวิดีโอ ปิดแล้ว
เวิร์กโหลดที่ Tencent แนะนำเองสำหรับ Hy4 flash สอดคล้องกับขอบเขตนั้น — การค้นหาเชิงลึก การประมวลผลเอกสาร การสร้างสไลด์ เดโมฟรอนต์เอนด์แบบง่าย และการใช้งานคอมพิวเตอร์ — และคำแนะนำของบริษัทเองก็ส่งงานวิศวกรรมซอฟต์แวร์ระยะยาวไปที่ Hy4 แทน นี่คือผู้ขายที่ยอมรับขีดจำกัดของตัวเอง ซึ่งให้ข้อมูลได้มากกว่าข้อความเปิดตัวสินค้าทั่วไปและควรค่าแก่การรับตามที่ระบุไว้
ทั้งคู่สามารถดาวน์โหลดได้ และไฟล์ที่ดาวน์โหลดมาไม่เทียบเท่ากัน

Hy4 flash เปิดตัวเป็น open weights เมื่อวันที่ 17 พฤศจิกายน: tencent/Hy4-flash, tencent/Hy4-flash-FP8 และ tencent/Hy4-flash-base รายการไฟล์เมื่อวันที่ 18 พฤศจิกายนระบุว่าเช็กพอยต์ BF16 มีขนาด 440.5 GB กระจายใน 148 ชาร์ด และบิลด์ FP8 มีขนาด 287.1 GB Qwen3.8-Flash-Next เปิดเผยต่อสาธารณะตั้งแต่ 24 สิงหาคม และมีขนาด 360.0 GB กระจายใน 131 ชาร์ด
• สูตรการเสิร์ฟ — Tencent เผยแพร่อิมเมจที่ปักหมุดเวอร์ชันไว้ ได้แก่ vllm/vllm-openai:hy4-flash และ lmsysorg/sglang:hy4-flash โดยระบุแฟล็ก tensor-parallel-8 และ speculative-decoding ไว้อย่างชัดเจน Qwen3.8-Flash-Next ได้รับการรองรับจาก SGLang, vLLM และ Transformers ตั้งแต่สัปดาห์ที่เปิดตัว
• Transformers — Hy4 flash ต้องติดตั้งจาก ref ของ pull request นั่นคือ refs/pull/50903/head เนื่องจากการรองรับยังไม่มีอยู่ใน main ส่วน Qwen3.8-Flash-Next โหลดได้จาก main
• การควอนไทซ์ — Tencent ปล่อยบิลด์ FP8 อย่างเป็นทางการและ AngelSlim GGUF; ระบบนิเวศของ Qwen มีเวลาสี่เดือนในการสร้างควอนไทเซชันจากชุมชนของตนเอง
• สัญญาณจากระบบนิเวศ — Qwen3.8-Flash-Next มียอดดาวน์โหลด 2,983,542 ครั้งในเดือนที่ผ่านมา และมีไลก์ 7,276 ครั้งเมื่อวันที่ 18 พฤศจิกายน ส่วน Hy4 flash ซึ่งเผยแพร่เมื่อวันก่อนหน้านั้น มีไลก์ 96 ครั้ง และยอดดาวน์โหลดเป็นศูนย์
• ฮาร์ดแวร์ — เวต BF16 ขนาด 440 GB ไม่พอดีกับการ์ด 80 GB จำนวนแปดใบ ดังนั้นบิลด์ FP8 ที่ 287 GB บน H100 จำนวนแปดใบจึงเป็นการติดตั้งใช้งานบนโหนดเดียวที่เป็นไปได้จริง และนั่นคือการกำหนดค่า TP=8 ที่สูตรของ Tencent เองระบุไว้พอดี
การปักหมุดอิมเมจและการติดตั้งจาก PR ref ไม่ใช่ข้อที่ทำให้ถูกตัดสิทธิ์ สิ่งเหล่านี้หมายความว่าคุณกำลังรันบิลด์ที่ Tencent ทดสอบแล้ว ไม่ใช่บิลด์ที่เผยแพร่แล้ว ซึ่งเป็นความแตกต่างในเรื่องว่าใครจะต้องรับผิดชอบบั๊กตัวถัดไป ข้อได้เปรียบของ Qwen ในจุดนี้เป็นผลจากระยะเวลาสี่เดือนที่ผ่านไปทั้งหมด และมันจะลดลง ในวันนี้มันเป็นเรื่องจริง และเป็นช่องว่างที่ใหญ่เป็นอันดับสองในการเปรียบเทียบนี้รองจากแถวเกณฑ์มาตรฐานที่หายไป
ใบอนุญาตทั้งสองฉบับต่างมีข้อกำหนดเกี่ยวกับ Model-as-a-Service และเป็นข้อกำหนดที่แตกต่างกัน
โมเดลทั้งสองดาวน์โหลดได้ฟรี และทั้งคู่ไม่สามารถนำไปขายต่อได้อย่างไม่มีเงื่อนไข แต่ตัวกระตุ้นไม่ได้มีรูปแบบเดียวกัน และความแตกต่างนี้สำคัญหากคุณโฮสต์โมเดลให้ผู้อื่น
• Tencent Hy License v1.0 — ไลเซนส์ที่พัฒนามาจาก Apache 2.0 ข้อ 10.2 กำหนดให้ต้องมีสัญญาอนุญาตเป็นลายลักษณ์อักษรแยกต่างหาก หากคุณดำเนินธุรกิจแบบ model-as-a-service และรายได้รวมทั่วโลกของคุณเกิน US$50 ล้านในรอบสิบสองเดือนใด ๆ หรือผลิตภัณฑ์ของคุณมีผู้ใช้ที่ใช้งานจริงต่อเดือนเกิน 100 ล้านคน ข้อ 10.3 ยกเว้นการใช้งานภายใน
• Qwen Community License 1.0 — กำหนดให้ต้องมีใบอนุญาตแยกต่างหากสำหรับธุรกิจ Model-as-a-Service หรือ AI Work Assistant ใด ๆ ไม่ว่าจะมีขนาดเท่าใด โดยการใช้งานภายในได้รับการยกเว้น นอกจากนี้ยังกำหนดแยกต่างหากให้ต้องแสดงชื่อโมเดลอย่างเด่นชัด หากคุณมีผู้ใช้งานที่ใช้งานอยู่รายเดือนเกิน 100 ล้านคน หรือมีรายได้รายเดือนเกิน 20 ล้านดอลลาร์สหรัฐ
• ข้อยกเว้นของ Qwen ที่ควรอ่านให้ดีสองรอบ — สัญญาอนุญาตระบุชัดเจนว่า "การส่งต่อคำขอไปยังโมเดลที่โฮสต์โดยบุคคลภายนอกอื่นเพียงอย่างเดียว" ไม่รวมอยู่ในคำจำกัดความของ Model as a Service สัญญาอนุญาตของ Tencent ไม่มีประโยคที่เทียบเท่ากัน
ทั้งสองไม่มีข้อจำกัดด้านดินแดน ซึ่งเป็นสิ่งที่ไม่อาจพูดได้กับสัญญาอนุญาตแบบ open-weight ของจีนหลายฉบับ หากคุณกำลังสร้างเครื่องมือภายใน ทั้งสองแบบใช้งานฟรีไม่ว่าจะมีขนาดใด หากคุณกำลังสร้างผลิตภัณฑ์ที่ขายต่อบริการอินเฟอเรนซ์ เกณฑ์ของ Tencent เรียบง่ายกว่า และข้อยกเว้นเรื่องการส่งต่อของ Qwen ก็ผ่อนปรนกว่าสำหรับตัวกลางประเภทหนึ่งโดยเฉพาะ และตัวไหนจะมีผลผูกพันคุณนั้นขึ้นอยู่กับว่าคุณอยู่ในธุรกิจใดในสองประเภทนั้น
วันนี้มีอะไรที่เรียกใช้ได้ด้วยคีย์เดียว

Qwen3.8-Flash อยู่ในแคตตาล็อกของ OrcaRouter ในชื่อ qwen/qwen3.8-flash ในราคา $0.15 ต่อล้านโทเค็นอินพุต และ $0.47 ต่อล้านโทเค็นเอาต์พุต พร้อมการอ่านแคชที่ $0.0184 — อัตราค่าพรอมต์และค่าคอมพลีชันที่ QwenCloud เผยแพร่ ถูกส่งผ่านโดยคิดมาร์กอัป 0% ดังนั้นส่วนลดจากผู้ให้บริการสำหรับโมเดลนี้จะส่งถึงคุณทันทีที่เกิดขึ้น ไม่ใช่ตอนซิงก์แคตตาล็อกครั้งถัดไป
Hy4 flash ยังไม่อยู่ในแค็ตตาล็อก สิ่งที่มีสำหรับตระกูลนี้คือ tencent/hy4-preview ในราคา $0.834 และ $2.501 ต่อล้านโทเคน พร้อมการอ่านแคชที่ $0.042 — เป็นโมเดลที่ Hy4 flash ถูกกลั่นมาจาก และเป็นพื้นฐานที่เหมาะสมในการรันเทียบกับ API ของ Tencent เองระหว่างที่คุณรอให้เส้นทาง flash เปิดให้ใช้งาน หากกล่าวเป็นอย่างอื่นก็เท่ากับอ้างถึงเส้นทางที่เราไม่มี
สิ่งที่ความไม่สมมาตรนั้นมอบให้คุณคือวิธีง่าย ๆ ในการตัดสินข้อโต้แย้งด้วยตัวเอง ลองรันงานที่เป็นตัวแทนที่สุดยี่สิบงานของคุณบน qwen/qwen3.8-flash ผ่านคีย์ที่คุณมีอยู่แล้ว และบน Hy4 flash ผ่านของ Tencent บันทึกโทเค็นอินพุต โทเค็นเอาต์พุต จำนวนแคชฮิต เวลาจริง และผลลัพธ์ใช้งานได้หรือไม่ อัตราส่วนต่องานที่คุณได้มาคือเวอร์ชันเดียวของข้ออ้างของ Tencent ที่ว่าถูกกว่าสิบสามเท่าซึ่งใช้กับทราฟฟิกของคุณ และมันใช้เวลาหนึ่งบ่ายแทนการย้ายระบบ
เมื่อเส้นทาง flash เปิดใช้งานจริง รูปแบบที่มีประโยชน์คือกฎการกำหนดเส้นทางมากกว่าการใช้สวิตช์: วางชั้นนำเข้าวิดีโอไว้บนเส้นทาง Qwen เพราะเป็นเพียงหนึ่งในสองเส้นทางที่รับวิดีโอได้ และวางชั้นข้อความและเอกสารไว้บนโมเดลใดก็ตามที่ตัวเลขของคุณเองสนับสนุนDSL การกำหนดเส้นทางแสดงการแยกนั้นในปลายทางเดียว การสลับเมื่อล้มเหลวอัตโนมัติหมายความว่าเส้นทางอายุสองวันที่ยังไม่ผ่านการพิสูจน์ซึ่งมีประสิทธิภาพลดลงจะไม่ทำให้ทั้งไปป์ไลน์ล่มไปด้วย และคีย์เดียวกันเข้าถึงโมเดลมากกว่า 200 โมเดลได้โดยไม่ต้องมีสัญญาที่สอง
การตัดสินใจ ซึ่งระบุไว้เป็นสามกรณี
หากคุณต้องการอินพุตแบบวิดีโอ การเปรียบเทียบก็จบลงตรงนี้ Qwen3.8-Flash รองรับได้ ส่วน Hy4 flash รองรับไม่ได้ และข้อโต้แย้งเรื่องราคาก็ไม่อาจทดแทนประเภทข้อมูลที่ขาดหายไปได้
หากคุณต้องการโมเดลที่มีคะแนนอิสระก่อนที่มันจะถูกนำไปใช้ในเส้นทางที่ลูกค้าเข้าถึง คุณก็ได้คำตอบแล้วด้วยเหตุผลเดียวกัน 28.6 บน Intelligence Index v5.0.1 เป็นตัวเลขที่ไม่สูงนัก — ต่ำกว่า 34.6 ของเรือธงของ Tencent เอง และต่ำกว่า Claude Haiku 5.5 ที่ 36.5 — แต่เป็นคะแนนที่วัดได้ เปิดเผยต่อสาธารณะ และทำซ้ำได้ ขณะที่ Hy4 flash ไม่มีสิ่งใดในลักษณะนั้น เรื่องนี้น่าจะเปลี่ยนไปในไม่ช้า มันเป็นสิ่งเดียวที่มีค่าที่สุดที่ใครก็ตามจะเผยแพร่เกี่ยวกับโมเดลนี้ได้
หากงานของคุณเป็นข้อความและเอกสารปริมาณมาก ไวต่อ latency และคุณสามารถประเมินผลด้วยตัวเองได้ Hy4 flash ก็คุ้มค่ากับเวลาหนึ่งบ่าย พารามิเตอร์ที่ใช้งานอยู่เกือบสองเท่าในราคาอินพุตที่ต่ำกว่าครึ่งไม่ใช่การแลกเปลี่ยนปกติ บรรทัดราคาอินพุตแบบแคชที่ $0.003 ทำให้เอเจนต์ที่ทำงานยาวนานแทบไม่มีค่าใช้จ่ายในการพรอมป์ต์ซ้ำ และน้ำหนักโมเดลหมายความว่าราคาเป็นเพียงทางเลือกหนึ่ง ไม่ใช่ทางเลือกเดียวเท่านั้น เข้าไปโดยรู้ว่าคุณคือคนแรกที่วัดมัน ตาราง benchmark ที่เผยแพร่ของมันอธิบาย checkpoint คนละตัวกับตัวที่คุณจะเรียกใช้ และน้ำหนัก BF16 ขนาด 440 GB จะไม่พอดีกับโหนดเดียวหากไม่มีบิลด์ FP8
ตัวเลขที่ต้องจับตาไม่ใช่โพสต์เปิดตัวอีกอัน แต่เป็นแถวของ Hy4 flash ใน Artificial Analysis เพราะมันแปลงอัตราส่วนภายในของผู้ขายให้เป็นตัวเลขที่คุณเอาไปเทียบตรงกับต้นทุนต่องาน 0.569 ดอลลาร์ของ Qwen3.8-Flash-Next ในระยะ 29.5 นาทีได้ ถ้า Hy4 flash ลงมาต่ำกว่านั้นอย่างมีนัยสำคัญในแง่ต้นทุนต่องาน โดยยังรักษาระดับไว้ภายในไม่กี่จุดดัชนี ช่องว่างราคาก็คือเรื่องทั้งหมด และระดับนี้จะจัดเรียงใหม่รอบ ๆ สิ่งนั้น ถ้ามันถูกเพราะทำงานต่องานน้อยลง มันก็เป็นโมเดลสำหรับเอกสารและสไลด์ที่มีอัตราค่าบริการดีผิดปกติ และคำแนะนำการปรับใช้ของ Tencent เองก็บอกเช่นนั้นอยู่แล้ว
การเปรียบเทียบในบทความนี้3
ตรวจพบจากบทความนี้
