
Hy4 flash vs Tencent HY4: ตระกูลเดียวกัน สองระดับ และช่องว่างราคาที่ต่างกันถึงสิบสองเท่า
- 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 HY4 เปิดให้ใช้งานทั่วไปเมื่อวันที่ 4 พฤศจิกายน 2026 ในฐานะโมเดลขนาด 770 พันล้านพารามิเตอร์ โดยมี 49 พันล้านพารามิเตอร์ที่ใช้งานต่อโทเคน มีความสามารถด้านวิชันแบบเนทีฟ การใช้คอมพิวเตอร์ และราคาอินพุต $0.834 / เอาต์พุต $2.501 ต่อหนึ่งล้านโทเคน สิบสองวันต่อมา วันที่ 16 พฤศจิกายน Tencent เปิดตัว Hy4 flash: พารามิเตอร์รวม 224 พันล้าน โดยมี 12 พันล้านที่ใช้งาน มีบริบทหนึ่งล้านโทเคนเหมือนเดิม และราคาอินพุต $0.070 / เอาต์พุต $0.281 Hy4 flash สร้างขึ้นโดยการกลั่น Tencent HY4 แล้วฝึกด้วย reinforcement learning ให้พูดน้อยลง และคำแนะนำของ Tencent เองก็ระบุไว้เช่นนั้น — ใช้โมเดล flash สำหรับการค้นหาเชิงลึก เอกสาร สไลด์ งานฟรอนต์เอนด์ และการใช้คอมพิวเตอร์ และเก็บโมเดลเรือธงไว้สำหรับงานวิศวกรรมซอฟต์แวร์ระยะยาว คำแนะนำนั้นตรงไปตรงมาอย่างผิดปกติสำหรับการเปิดตัว และยังเป็นสิ่งที่มีประโยชน์ที่สุดในทั้งสองรุ่นที่เปิดตัว
ดังนั้นนี่จึงไม่ใช่การแข่งขันระหว่างคู่แข่ง แต่เป็นบริษัทที่กำลังแยกตระกูลผลิตภัณฑ์ของตัวเองออกเป็นสองส่วน และบอกคุณว่าควรซื้อครึ่งไหน คำถามที่น่าสนใจคือรุ่นเรือธงยังหลงเหลืออยู่ในรุ่นเล็กมากเพียงใด เส้นแบ่งเกิดขึ้นจริงตรงจุดใด และความต่างของราคาสิบสองเท่าซื้ออะไรได้บ้างนอกเหนือจากโทเคน
สามรีลีสในสิบเอ็ดสัปดาห์
สายตระกูลนี้อธิบายราคาได้เป็นส่วนใหญ่ Tencent ปล่อยตระกูลนี้ออกมาสามครั้งแล้วตั้งแต่เดือนสิงหาคม และแต่ละครั้งก็ขยับตัวแปรที่แตกต่างกันไป
• 28 สิงหาคม 2026 — Hy4 พรีวิว Apache 2.0, น้ำหนักโมเดลบน Hugging Face, ModelScope, GitCode และ CNB, รวม 770B / ใช้งานจริง 49B, 78 เลเยอร์ โดยเป็นแบบ dense หนึ่งเลเยอร์และ mixture-of-experts 77 เลเยอร์ พร้อม routed experts 256 ตัวบวก shared หนึ่งตัว, การจัดเส้นทางแบบ top-8, คอนเท็กซ์ 1,048,576 โทเคน, เลเยอร์ multi-token-prediction ขนาด 10B ที่ใช้งานจริง 0.7B ¥6 / ¥18 / ¥0.3 ต่อล้านโทเคน แถว benchmark ที่เผยแพร่แปดแถว, สูตรการใช้งาน vLLM และ SGLang, ค่าเริ่มต้นการสุ่มตัวอย่างที่เผยแพร่
• 4 พฤศจิกายน 2026 — Tencent HY4 ขนาดแบ็กโบนเท่าเดิม แต่มีการพรีเทรนและโพสต์เทรนเพิ่มขึ้นอย่างมาก และมีความสามารถใหม่สองประการ: การมองเห็นแบบเนทีฟบนภาพที่มีรายละเอียดละเอียดอ่อน แผนภูมิ และไดอะแกรม และการใช้คอมพิวเตอร์ผ่านเมาส์ คีย์บอร์ด และบรรทัดคำสั่ง พร้อมการฝึกเฉพาะทางสำหรับ Blender, CAD และงานข้ามแอปพลิเคชันที่ต่อเนื่องระยะยาว ราคาเท่าเดิม ¥6 / ¥18 / ¥0.3 ไม่มีเวต ไม่มีสัญญาอนุญาต ไม่มีโมเดลการ์ด ไม่มีภาคผนวกเบนช์มาร์ก
• 16 พฤศจิกายน 2026 — Hy4 flash ทั้งหมด 224B โดยมีพารามิเตอร์ Engram 64B และพารามิเตอร์ที่ใช้งาน 12B รองรับมัลติโมดัล บริบท 1,048,576 โทเค็น ราคา ¥0.5 / ¥2 / ¥0.02 ไม่มีน้ำหนักโมเดล ไม่มีใบอนุญาต ไม่มีการ์ดโมเดล ตัวเลข benchmark เผยแพร่เป็นภาพแผนภูมิเท่านั้น
ทิศทางนั้นเห็นได้ชัด: ตระกูลนี้ถูกลงและเปิดกว้างน้อยลงในเวลาเดียวกัน สมาชิกที่ถูกที่สุดก็เป็นตัวที่มีเอกสารน้อยที่สุดด้วย และเวอร์ชันเดียวที่ใครๆ ก็ดาวน์โหลดได้คือเวอร์ชันจากเดือนสิงหาคม
สิ่งที่เรือธงยังทำได้แต่แฟลชทำไม่ได้

ความสามารถสองประการอยู่ในรุ่นเรือธง และไม่ได้รับการกล่าวอ้างสำหรับโมเดลขนาดเล็กในถ้อยคำเดียวกัน
ความสามารถด้านภาพในระดับสเกลใหญ่ การเปิดตัว HY4 ได้สาธิตภาพถ่ายทางอากาศความละเอียด 2.8 กิกะพิกเซล ซึ่งโมเดลระบุตำแหน่งส่วนประกอบหลังคาขนาดสองเมตรได้ ซึ่งถือเป็นผลลัพธ์ด้านภาพน้อยกว่าการสาธิตว่าหน้าต่างหนึ่งล้านโทเคนสามารถเก็บภาพแบบแบ่งไทล์และคำถามไว้พร้อมกันได้ Hy4 flash ถูกเรียกขานว่าเป็นมัลติโมดัล และหนึ่งในแปดประเภทงานในชุด WorkIndex ของมันคือการทำความเข้าใจภาพ แต่ประกาศเปิดตัวไม่ได้ระบุว่าตัวเข้ารหัสเป็นของตัวเองหรือเป็นแบบต่อพ่วง ขนาดใหญ่เพียงใด หรือรับวิดีโอเข้าได้หรือไม่ สำหรับงานเอกสารที่มีข้อมูลหนาแน่นและงานแผนภูมิ โมเดลเรือธงคือโมเดลที่มีการสาธิตซึ่งเผยแพร่แล้วรองรับอยู่
การใช้คอมพิวเตอร์และงานบนเดสก์ท็อประยะยาว Tencent ฝึก HY4 โดยเฉพาะเพื่อควบคุมเดสก์ท็อปข้ามแอปพลิเคชัน ทดสอบในแซนด์บ็อกซ์ที่สร้างบน Agent Runtime ของตัวเองซึ่งติดตั้งแอปพลิเคชันไว้หลายร้อยตัว และระบุชื่อ Blender และ CAD เป็นเวิร์กโหลดเป้าหมาย Hy4 flash ก็ได้รับการแนะนำสำหรับการใช้คอมพิวเตอร์เช่นกัน ซึ่งเป็นการยอมรับที่มีนัยสำคัญ — แต่รุ่นเรือธงคือรุ่นที่มีคำอธิบายการฝึกติดมาด้วย และข้อมูลภายในของ WorkBuddy แสดงให้เห็นว่า flash สูญเสียพื้นที่ในงานเขียนโค้ดระยะยาว แม้จะทำได้ทัดเทียมในงานประจำวัน
ทุกอย่างอื่นในคอลัมน์ของรุ่นเรือธงเป็นเรื่องของขนาดมากกว่าความสามารถ: พารามิเตอร์ที่ใช้งานจริง 49 พันล้าน เทียบกับ 12 พันล้าน, 78 เลเยอร์ที่เปิดเผย เทียบกับจำนวนที่ไม่เปิดเผย, และผู้เชี่ยวชาญที่ถูกจัดเส้นทาง 256 ราย เทียบกับจำนวนที่ไม่เปิดเผย พารามิเตอร์ที่ใช้งานจริงมากกว่าช่วยเพิ่มความลึกในการให้เหตุผลที่ยากและเชนเครื่องมือที่ยาว แต่ไม่ได้ให้สิทธิ์เข้าถึงหน้าต่างบริบท ซึ่งทั้งสองมีเท่ากัน หรือการรองรับหลายรูปแบบโดยหลักการ ซึ่งทั้งสองอ้างว่ามี
ความแตกต่างถึงสิบสองเท่ามาจากไหน
ช่องว่างของราคาไม่ใช่ส่วนลด แต่เป็นเพราะมีพารามิเตอร์ที่ใช้งานจริงน้อยกว่าถึงสี่เท่า บวกกับการเปลี่ยนแปลงในส่วนของการให้บริการอีกชุดหนึ่ง และ Tencent ก็ระบุรายละเอียดในส่วนที่สองนี้อย่างเจาะจงผิดปกติ
งานด้านประสิทธิภาพ ตามที่ผู้จำหน่ายระบุ: hybrid attention, LatentMoE และพารามิเตอร์ Engram เมื่อรวมกันแล้วสร้าง KV cache ที่มีขนาดหนึ่งในยี่สิบสี่ของ Hy3 และหนึ่งในหกของ Tencent HY4 การกลั่นความรู้ด้วยตนเอง (self-distillation) จาก HY4 ตามด้วยการเรียนรู้แบบเสริมกำลัง (reinforcement learning) ลดความยาวเอาต์พุตแบบ end-to-end ลง 50% เมกะเคอร์เนลสำหรับการอนุมาน (inference megakernel) ที่ใช้การควอนไทซ์สี่บิตและเส้นทางการถอดรหัสที่เรียกว่า DFly รองรับมากกว่า 150 โทเคนต่อวินาที แต่ละข้อล้วนเป็นไปได้ แต่ละข้อสอดคล้องกับสถาปัตยกรรม และไม่มีข้อใดได้รับการทำซ้ำอย่างอิสระ
ตัวเลขของ KV cache คือตัวที่เปลี่ยนการคำนวณการนำไปใช้งาน ไม่ใช่แค่เรื่องราคา ในบริบทขนาดหนึ่งล้านโทเคน ขนาดแคชเป็นตัวกำหนดว่าคำขอแบบยาวที่ทำงานพร้อมกันได้จำนวนเท่าใดจะพอดีกับโหนดหนึ่ง และแคชเพียงหนึ่งในหกของรุ่นเรือธงในราคาหนึ่งในสิบสองคือชุดค่าผสมที่สามารถเปลี่ยนภาระงานที่ขาดทุนให้กลายเป็นทำกำไรได้โดยไม่ต้องเปลี่ยนคุณภาพของโมเดลเลย การลดความยาวเอาต์พุตลง 50% คือสิ่งที่ไม่เปลี่ยนคุณภาพ และเป็นตัวเลขที่ต้องทดสอบ: คำตอบที่สั้นกว่าจะถูกกว่าเพราะมันสั้นกว่า และไม่ว่ามันจะสั้นลงเพราะโมเดลมีประสิทธิภาพหรือเพราะมันหยุดคิด นั่นคือสิ่งที่ผู้ขายไม่สามารถบอกคุณเกี่ยวกับโมเดลของตัวเองได้อย่างแน่นอน
เพื่อใช้อ้างอิงแนวโน้มของตระกูลโมเดลนี้ Tencent รายงานต้นทุนต่องานบนชุด WorkIndex ภายในของบริษัทว่าอยู่ที่หนึ่งในสิบสามของ Hy4 preview และหนึ่งในยี่สิบของ Tencent HY4 ต้นทุนต่องานเป็นการวัดที่แตกต่างจากต้นทุนต่อโทเคน โดยรวมความยาวเอาต์พุตและการลองใหม่เข้าไว้ด้วย ดังนั้นหนึ่งในยี่สิบคือตัวเลขการดำเนินงานที่ตรงตามจริง และหนึ่งในสิบสองคืออัตราตามรายการราคา ทั้งสองค่ามีขนาดใหญ่พอที่ทิศทางจะไม่เป็นที่สงสัย
คำถามเรื่องการกลั่นที่ยังไม่มีใครตอบ
โมเดลที่{{1}}ผ่านการกลั่น{{/1}}จะสืบทอดพฤติกรรมของโมเดลครูในงานที่กระบวนการกลั่นครอบคลุม และคิดค้นพฤติกรรมของตัวเองในงานที่เหลือ Tencent กล่าวว่า Hy4 flash ผ่านการกลั่นตัวเองจาก HY4 ซึ่งทำให้โมเดลเรือธงเป็นทั้งคู่แข่งและสัญญาณสำหรับการฝึก — รูปแบบที่มักให้ผลเป็นโมเดลขนาดเล็กที่เก่งมากในสิ่งที่ครูถูกฝึกฝนมาอย่างหนัก และอ่อนแอกว่าอย่างเห็นได้ชัดในด้านอื่น
ข้อมูลผลิตภัณฑ์ภายในของบริษัทสอดคล้องกับรูปแบบนั้น ใน WorkBuddy นั้น Hy4 flash ทำงานด้วยต้นทุนประมาณหนึ่งในสิบห้าของ Tencent HY4 โดยเวลางานลดลง 70% ทัดเทียมกันในงานประจำวัน และลดลงเล็กน้อยในงานเขียนโค้ดยาว ในฟลวของเอเจนต์ 微信支付 นั้นให้ผลเทียบเท่าหรือดีกว่า DeepSeek-V4.1-Flash-1017 โดยใช้ขั้นตอนน้อยลง 6% และโทเค็นเอาต์พุตน้อยลง 29% ในการวิเคราะห์สาเหตุรากของ 王者荣耀 นั้นให้ผลใกล้เคียงกับทั้ง DeepSeek-V4.1-Flash-1017 และ GLM-5.3-Flash ในด้านโลคัลไลเซชัน โดยใช้คำร้องขอน้อยลง 22% ถึง 39% และโทเค็นน้อยลง 40% ถึง 61% ใน 企业微信 นั้นให้เอาต์พุตเร็วขึ้น 88% พร้อมโทเค็นการคิดน้อยลง 60% เมื่อเทียบกับ HY4
เมื่ออ่านร่วมกัน ตัวเลขเหล่านั้นอธิบายโมเดลที่ยอดเยี่ยมในด้านลักษณะของงานที่ตระกูลนี้ได้รับการฝึกมา — เอกสาร เอเจนต์ เอาต์พุตแบบมีโครงสร้าง การค้นคืน — และให้ผลตอบแทนลดลงเล็กน้อยในงานที่ความลึกเป็นพิเศษของครูเป็นตัวขับเคลื่อนผลลัพธ์ นั่นคือผลลัพธ์ที่คาดหมายได้ของการกลั่นความรู้ และไม่ใช่การวิจารณ์ แต่เป็นเหตุผลที่ควรเก็บทั้งสองระดับไว้ แทนที่จะแทนที่ระดับหนึ่งด้วยอีกระดับ
สิ่งที่โมเดลทั้งสองไม่มี
ทั้งรุ่นเรือธงและรุ่น flash ที่เปิดตัวไม่ได้มาพร้อมเวต Tencent กล่าวว่ามีแผนจะเปิดซอร์ส Hy4 flash และพัฒนาเวอร์ชันใหม่อย่างต่อเนื่อง แต่ยังไม่มีสัญญาอนุญาต ไม่มีกำหนดการ และไม่มีรีโพซิทอรี การเปิดเผยเวตของ Tencent HY4 เองก็ถูกประกาศไว้เป็นแผนเช่นกัน สมาชิกเพียงตัวเดียวของตระกูลนี้ที่คุณดาวน์โหลดได้ในวันนี้คือ Hy4 preview ภายใต้ Apache 2.0 บน Hugging Face ตั้งแต่วันที่ 28 สิงหาคม และยังคงเป็นเช่นนั้นแม้จะผ่านไปสิบเอ็ดสัปดาห์และอีกสองรีลีส
ทั้งสองยังไม่มีคะแนน benchmark แบบอิสระ Artificial Analysis ยังไม่ได้เผยแพร่สิ่งใดสำหรับ Tencent HY4 หรือ Hy4 flash ตัวเลขทุกตัวในการเปิดตัวทั้งสองครั้งเป็นของ Tencent ตาราง benchmark มีอยู่ในรูปแบบภาพแผนภูมิแทนที่จะเป็นข้อความ และการทดสอบแบบ blind ที่รองรับข้อกล่าวอ้างเด่นของโมเดล flash คือพนักงาน Tencent จำนวน 85 คนที่ใช้ผลิตภัณฑ์ของ Tencent กับงานที่ Tencent เลือกเอง นั่นไม่ได้ทำให้ตัวเลขผิด แต่ทำให้ตัวเลขเหล่านั้นเป็นสมมติฐานเริ่มต้น
ทั้งคู่ไม่มีการกำหนดค่าการสุ่มที่เผยแพร่ การ์ดระบบ หรือคำแถลงเกี่ยวกับพฤติกรรมการปฏิเสธ ส่วนเวอร์ชันพรีวิวมีครบทั้งสามอย่าง
การแบ่งแยกเชิงปฏิบัติ
คำแนะนำของ Tencent สอดคล้องกับลักษณะของเวิร์กโหลดได้ลงตัวกว่าคำแนะนำจากผู้จำหน่ายส่วนใหญ่ และควรกล่าวซ้ำในแง่การปฏิบัติงาน
ใช้ Hy4 flash เป็นค่าเริ่มต้นสำหรับงานใดก็ตามที่เน้นการอ่านเป็นหลักการค้นหาเชิงลึก การประมวลผลเอกสาร การสกัดข้อมูลจากอินพุตยาว การสร้างสไลด์ การสร้างโครงฟรอนต์เอนด์แบบง่าย และลูปเอเจนต์ที่ใช้โทเค็นส่วนใหญ่ไปกับการส่งบริบทซ้ำ ส่วนลดแคชสิบเท่าและ KV footprint ที่เล็กกว่าทำให้การดึงข้อมูลบริบท{long}เป็นภาระงานที่ระดับราคาประหยัดเหมาะที่สุดอย่างชัดเจน และข้อมูลภายในครอบคลุมขอบเขตนั้นโดยตรง
เลือกใช้ Tencent HY4 เมื่องานคือห่วงโซ่การตัดสินใจที่ยาวนาน งานวิศวกรรมซอฟต์แวร์หลายไฟล์ ระบบอัตโนมัติบนเดสก์ท็อปที่ต้องมองระยะยาว งาน CAD และ Blender และทุกอย่างที่การรันหนึ่งครั้งต้องประคองแผนให้เป็นหนึ่งเดียวตลอดหลายสิบขั้นตอน นี่คือกรณีที่ Tencent เองยอมรับ และพารามิเตอร์ที่ใช้งานได้เพิ่มขึ้น 37 พันล้านตัวของเรือธงคือกลไกนั้น
ใช้ Hy4 preview เป็นกลุ่มควบคุม โดยเป็นตระกูลเดียวกัน มีขนาด 770B/49B เท่ากับรุ่นเรือธง มีภาคผนวกผลการทดสอบมาตรฐานที่เผยแพร่แล้ว และมีน้ำหนักโมเดล Apache 2.0 ที่คุณรันเองได้ เมื่อคุณกำลังตัดสินใจว่า flash ดีพอหรือไม่ preview จะให้จุดอ้างอิงที่ไม่ต้องอาศัยการเชื่อแผนภูมิ
จะรันการเปรียบเทียบได้ที่ไหน

ทั้ง Tencent HY4 และ Hy4 flash ไม่ได้ถูกส่งผ่าน OrcaRouter สิ่งที่มีอยู่ที่นี่คือ tencent/hy4-previewในราคาตามรายการของผู้ให้บริการที่ $0.834 ต่อล้านโทเคนอินพุต และ $2.501 ต่อล้านโทเคนเอาต์พุต พร้อมแพ็กเกจฟรีแบบจำกัดอัตราการใช้งาน และ tencent/hy3ที่ $0.18 และ $0.59 สำหรับรุ่นเก่า สองโมเดลในบทความนี้สามารถเข้าถึงได้ผ่าน TokenHub ของ Tencent เอง โดยแพ็กเกจ flash ขณะนี้กำลังจัดโปรโมชันลด 50% เป็นระยะเวลาที่ไม่ระบุ และ WorkBuddy ฟรีจนถึงวันที่ 30 พฤศจิกายน
เส้นทางพรีวิวมีคุณค่ามากกว่าที่เห็น โดยใช้สถาปัตยกรรมเดียวกันในระดับสเกลเดียวกับรุ่นเรือธง เผยแพร่ภาคผนวกผลทดสอบแปดแถวที่คุณนำไปรันซ้ำเทียบกับเช็กพอยต์ได้ และมีต้นทุนเพียงหนึ่งในสี่ของการประเมินรุ่นเรือธง หากคำถามของคุณคือโมเดลขนาดใหญ่ของตระกูลนี้ดีพอสำหรับงานของคุณหรือไม่ พรีวิวก็ให้คำตอบได้ในราคาเพียงเศษเสี้ยว และหากคำตอบคือใช่ Hy4 flash คือเวอร์ชันที่ควรนำมาเทียบราคากัน และความสัมพันธ์แบบดิสทิลล์ทำให้การเปรียบเทียบนี้สะอาดเป็นพิเศษ — ตระกูลเดียวกัน คอนเท็กซ์เดียวกัน เชื่อมโยงโทเค็นไนเซอร์สายเดียวกัน แต่สิ่งที่คุณจ่ายต่างกันถึงสิบสองเท่า
เหตุผลหนึ่งที่ควรเก็บการประเมินไว้บนเราเตอร์ แม้จะเป็นตระกูลโมเดลที่คุณเข้าถึงได้จากผู้จำหน่ายเท่านั้น: โมเดลที่เปิดตัวเมื่อหกวันก่อนยังไม่มีบันทึกอัปไทม์สาธารณะ และการสลับไปใช้ tencent/hy4-preview ด้วยคีย์เดิมเป็นการแก้ไขเพียงบรรทัดเดียว หากปลายทางทำงานผิดปกติระหว่างโปรโมชันสัปดาห์เปิดตัว ไม่มีอะไรถูกบวกเพิ่มจากที่ Tencent เรียกเก็บ — ราคาตามรายการคือราคาที่จ่าย — และเมื่อ Tencent ปรับอัตรา ตัวเลขใหม่คือสิ่งที่คุณจ่ายในการเรียกครั้งถัดไป ไม่ใช่ในการอัปเดตครั้งถัดไปของตารางเปรียบเทียบของใครบางคน ข้อมูลรับรองเดียวกันยังเปิดใช้โมเดลอื่นได้อีกกว่าสองร้อยโมเดล หากการประเมินขยายออกไปนอกตระกูลนี้

การแบ่งระดับคือประกาศ
สิ่งที่ Tencent กล่าวเมื่อวันที่ 16 พฤศจิกายนที่มีนัยสำคัญที่สุดไม่ใช่ราคา แต่เป็นการที่รุ่นเรือธงยังคงอยู่สำหรับงานวิศวกรรมซอฟต์แวร์ระยะยาว ขณะที่รุ่นราคาถูกเข้ามารับงานประจำวัน ซึ่งเป็นการที่บริษัทแบ่งสายผลิตภัณฑ์ของตนเองตามแกนที่ลูกค้ารู้สึกได้จริง และยอมรับว่ารุ่นราคาถูกไม่ใช่สิ่งทดแทนรุ่นราคาแพง
สำหรับใครก็ตามที่อยู่ในกลุ่มที่แบ่งไว้นี้ การตัดสินใจเป็นเรื่องง่าย และตัวเลขก็มาก: ราคาอินพุตหนึ่งในสิบสอง ราคาเอาต์พุตหนึ่งในเก้า แคชหนึ่งในร้อย พารามิเตอร์ที่ใช้งานอยู่ลดลงสี่เท่า และ KV footprint ที่เล็กกว่าบนหน้าต่างหนึ่งล้านโทเคนเดียวกัน สำหรับใครก็ตามที่อยู่นอกกลุ่มนี้ — การรันเอเจนต์แบบยาว การทำงานอัตโนมัติบนเดสก์ท็อป โค้ดหลายไฟล์ — รุ่นเรือธงยังคงเป็นคำตอบของตระกูลนี้ และผู้ขายเองก็พูดเช่นนั้น
สิ่งที่ยังขาดไปคือหลักฐาน และหลักฐานนั้นก็ขาดหายไปจากทั้งสองระดับ ไม่มีคะแนนจากการทดสอบที่เป็นอิสระ ไม่มีค่าถ่วงน้ำหนักสำหรับโมเดลใหม่ทั้งสองรุ่น ไม่มีตาราง benchmark ที่คุณต้องอ่านเป็นรูปภาพ และไม่มีการเปรียบเทียบแบบพาดหัวที่ดึงมาจากคณะผู้ประเมินภายใน ความต่างของราคาถึงสิบสองเท่าเป็นการกล่าวอ้างที่หนักแน่นพอที่จะถูกทดสอบโดยคนนอก Tencent ภายในไม่กี่สัปดาห์ จนกว่าจะถึงตอนนั้น จุดยืนที่สมเหตุสมผลคือจุดยืนที่แนวทางของ Tencent เองสื่อเป็นนัยไว้: ให้ใช้ระดับราคาถูกกับงานที่มันถูกสร้างมาเพื่อ เก็บรุ่นเรือธงไว้กับงานที่ต้องใช้เวลายาวนาน และวัดผลทั้งสองรุ่นแทนที่จะเลือกจากตารางราคา
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
