การ์ดชื่อเรื่องที่สร้างขึ้นสำหรับ 'Tencent Hy4 vs Gemini 4 Argon' การ์ดซ้ายสำหรับ Tencent Hy4: 'เปิดตัว 4 พ.ย. 2026, เปิดน้ำหนักโมเดล 20 พ.ย.', '770B รวม / 49B ที่ใช้งาน', 'บริบท 1M, อินพุตข้อความ รูปภาพ วิดีโอ', '$0.834 / $2.501' การ์ดขวาสำหรับ Gemini 4 Argon: 'เปิดตัว 30 ก.ย. 2026', 'ดัชนีความฉลาด 50 ที่ระดับความพยายามสูง', 'บริบท 1M, อินพุตข้อความ รูปภาพ เสียง วิดีโอ PDF', '$2.00 / $10.00' ส่วนท้าย: 'ตัวเลขดัชนีอ้างอิงตาม Artificial Analysis v5.0.1'
Guides & Insights

Tencent Hy4 กับ Gemini 4 Argon: น้ำหนักแบบเปิดกับชุดมอดัลลิตี้ที่กว้างกว่า

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

ลองนำใบแจ้งหนี้ที่สแกนแล้วหนึ่งพันหน้ามาตั้งคำถามสองข้อ: การอ่าน它们มีต้นทุนเท่าไร และการให้เหตุผลเหนือ它们มีต้นทุนเท่าไร คำตอบชี้ไปคนละทิศทาง และนั่นคือทั้งหมดของการตัดสินใจเลือกระหว่าง Tencent Hy4 กับ Gemini 4 Argon Tencent Hy4 ซึ่งเปิดให้ใช้ทั่วไป sejak 4 พฤศจิกายน 2026 และเปิดน้ำหนักโมเดล sejak 20 พฤศจิกายน เป็นโมเดลข้อความและภาพในราคา $0.834 ต่อโทเคนอินพุตหนึ่งล้านโทเคน Gemini 4 Argon ซึ่ง Google เปิดตัวเมื่อ 30 กันยายน 2026 รองรับข้อความ ภาพ เสียง วิดีโอ และ PDF และคิดราคา $2.00 ต่อโทเคนอินพุตหนึ่งล้านโทเคน ตัวหนึ่งมีราคาเป็น 2.4 เท่าของอีกตัวในด้านอินพุต และสี่เท่าในด้านเอาต์พุต ตัวที่ถูกกว่าสามารถดาวน์โหลดและรันบนฮาร์ดแวร์ของคุณเองได้ ตัวที่แพงกว่าอ่านรูปแบบที่ตัวที่ถูกกว่ามองไม่เห็นเลยได้

บนดัชนีอิสระ ทั้งสองรุ่นใกล้กันมากพอจนช่องว่างด้านราคาเป็นเรื่องยากที่จะให้เหตุผลได้ด้วยความสามารถเพียงอย่างเดียว: Artificial Analysis จัดให้ Gemini 4 Argon อยู่ที่ 50 บน Intelligence Index ของตนที่ระดับความพยายามสูง และ 48 ที่ระดับปานกลาง เทียบกับ 35 สำหรับ Tencent Hy4 ช่องว่าง 15 คะแนนที่ระดับความพยายามใกล้เคียงกันนั้นมีอยู่จริง แต่เล็กกว่าที่ตัวคูณอินพุต 2.4 เท่าและเอาต์พุต 4 เท่าบ่งชี้ว่าควรจะเป็นมาก ตัวเลขต้นทุนต่องานที่ทำเสร็จคือจุดที่ช่องว่างราคาสะท้อนออกมาชัดเจน: $4.97 สำหรับ Argon เทียบกับ $1.03 สำหรับ Hy4 บนดัชนีเดียวกัน

ใบแจ้งหนี้ที่ดำเนินการจนเสร็จสิ้น

การคำนวณแบบเป็นรูปธรรมชนะภาพหน้าจอตารางราคา ดังนั้นนี่คือตัวอย่างสำหรับงานหนึ่งงานที่เป็นไปได้: หน้าใบแจ้งหนี้ที่สแกน 1,000 หน้า โดยประมาณ 800 โทเค็นรูปภาพต่อหน้า พรอมป์ต์ 600 โทเค็น และเอาต์พุตแบบมีโครงสร้าง 300 โทเค็นต่อหน้า

• ปริมาณอินพุต — โทเค็นรูปภาพ 1.4 ล้านโทเค็น บวกโทเค็นพรอมป์ต์ 0.6 ล้านโทเค็น ดังนั้นรวมโทเค็นอินพุต 2.0 ล้านโทเค็น

• ปริมาณผลลัพธ์ — 300,000 โทเค็นของฟิลด์ที่ดึงออกมา

• Tencent Hy4 — 2.0 ล้านในราคา $0.834 คิดเป็น $1.67 บวกกับ 0.3 ล้านในราคา $2.501 คิดเป็น $0.75 รวมเป็น $2.42

• Gemini 4 Argon — 2.0 ล้านที่ราคา $2.00 เป็น $4.00 บวก 0.3 ล้านที่ราคา $10.00 เป็น $3.00 รวม $7.00

• ด้วยแคช — หากคำนำหน้าพรอมป์คงที่ข้ามหน้า ซึ่งในไปป์ไลน์การสกัดข้อมูลมักเป็นเช่นนั้น อินพุตแบบแคชของ Hy4 ที่ $0.042 ต่อล้านจะทำให้สัดส่วนของพรอมป์เหลือแทบไม่มี ขณะที่อัตราแคชของ Argon ที่ $0.10 ต่อล้านให้ผลเช่นเดียวกันตามสัดส่วน อัตราส่วนไม่ได้เปลี่ยนมากนัก เพราะโทเคนรูปภาพเป็นตัวหลัก และผู้ให้บริการทั้งสองรายไม่ได้ให้ส่วนลดกับสิ่งเหล่านั้นมากนัก

การรันหนึ่งครั้งต่างกันอยู่ที่ $4.58 ที่หนึ่งล้านหน้าต่อเดือน จะเป็น $4,580 เทียบกับ $7,000 และคำถามที่น่าสนใจก็คือ ช่องว่างของดัชนี 15 จุดนั้นให้ความแม่นยำมากพอที่จะคุ้มกับ $2,420 ต่อเดือนหรือไม่ — ซึ่งขึ้นอยู่ทั้งหมดว่าจุดข้อผิดพลาดที่เพิ่มขึ้นของ Hy4 อยู่ในฟิลด์ที่คุณตรวจสอบยืนยันภายหลังได้หรือไม่

อนุประโยคสุดท้ายนั่นแหละคือส่วนที่มีประโยชน์ การสกัดข้อมูลใบแจ้งหนี้ด้วยสคีมาและการตรวจสอบความถูกต้องหนึ่งรอบเป็นภาระงานที่โมเดลที่อ่อนกว่าเมื่อบวกกับการตรวจสอบแบบดีเทอร์มินิสติกจะชนะโมเดลที่แข็งกว่าเพียงลำพัง เพราะการแยกวิเคราะห์ที่ล้มเหลวนั้นลองใหม่ได้ในราคาถูก แต่ตัวเลขที่ผิดซึ่งผ่านการตรวจสอบความถูกต้องกลับไม่เป็นเช่นนั้น Tencent Hy4 ที่ 35 ไม่ได้อ่อนเกินไปสำหรับงานนั้น มันอาจอ่อนเกินไปสำหรับงานที่อยู่ในอีกสองย่อหน้าถัดลงไป

จุดที่ช่องว่างของโมดัลลิตี้ส่งผลกระทบจริง ๆ

Hy4 อ่านข้อความ รูปภาพ และเฟรมวิดีโอผ่านตัวเข้ารหัสภาพตัวเดียว ส่วน Gemini 4 Argon อ่านข้อความ รูปภาพ เสียง วิดีโอ และเอกสาร PDF ได้โดยตรง และเอกสารประกอบโมเดลของ Google ระบุทั้งห้าความสามารถไว้ในบรรทัดความสามารถของโมเดล ความแตกต่างนี้ไม่ใช่แค่ข้อความทางการตลาด แต่เปลี่ยนว่ามีไปป์ไลน์แบบใดที่เป็นไปได้โดยไม่ต้องมีขั้นตอนประมวลผลล่วงหน้า

• เสียง การบันทึกเสียงการโทร การประชุม ข้อความเสียง — Argon รับไฟล์ได้เลย ส่วน Hy4 ต้องมีขั้นตอนถอดเสียงก่อน ซึ่งหมายความว่าต้องมีโมเดลที่สอง สัญญาที่สอง และโหมดความล้มเหลวที่สอง

• PDF ในฐานะเอกสาร ไม่ใช่ในฐานะหน้าแต่ละหน้า หาก PDF มีข้อความที่เลือกได้ พร้อมรูปภาพที่ฝังอยู่ และบล็อกลายเซ็นที่สแกน Argon จะจัดการส่วนผสมทั้งหมดในการประมวลผลครั้งเดียว Hy4 ประมวลผลหน้าที่เรนเดอร์แล้วเป็นรูปภาพ ทำให้เลเยอร์ข้อความหายไปและต้นทุนโทเค็นสูงขึ้น

• {{1}}วิดีโอแบบยาว{{/1}} การ์ดของ Tencent อธิบายถึงการปรับคุณลักษณะระดับเฟรมสำหรับวิดีโอ ซึ่งเป็นความสามารถจริงและดีกว่าที่โมเดลเปิดส่วนใหญ่มี แต่เป็นการสุ่มตัวอย่างเฟรม ไม่ใช่การสร้างแบบจำลองเชิงเวลาตามธรรมชาติ และสำหรับเรื่องใดก็ตามที่คำถามเกี่ยวกับการเคลื่อนไหวในคลิปยาว ความแตกต่างจะปรากฏให้เห็น

• ช่องว่างในทิศทางกลับกัน Hy4 รองรับเอาต์พุต 64K โทเคน เทียบกับค่าเริ่มต้น 64K ของ Argon โดยมีเพดาน 1M ที่ใช้ได้ฝั่งเอาต์พุตตามเอกสารของ Google ทั้งสองค่าไม่ใช่ข้อจำกัดที่เป็นตัวกำหนดสำหรับงานสกัดข้อมูล

ดังนั้นกรอบที่ตรงไปตรงมาก็คือ Gemini 4 Argon เป็นเครื่องมือที่ครอบคลุมกว่า และ Tencent Hy4 เป็นตัวที่ถูกกว่า ในงานที่จำกัดอยู่แค่ข้อความและรูปภาพ ซึ่งครอบคลุมโค้ดส่วนใหญ่ เอกสารส่วนใหญ่ และงานของเอเจนต์ส่วนใหญ่ ความกว้างที่ว่านั้นไม่ได้ถูกใช้ และสิ่งที่คุณจ่ายไปก็คือราคา

ขีดความสามารถ: การวัดและการวัดที่ผิดพลาด

Artificial Analysis จัดให้ Gemini 4 Argon อยู่ที่ 50 (ความพยายามสูง) และ 48 (ปานกลาง) บน Intelligence Index v5.0.1 โดยมีราคาแบบผสมที่ 1.47 ดอลลาร์ต่อล้านโทเค็น, 68 โทเค็นต่อวินาที, รอ 47 วินาทีถึงโทเค็นแรกที่ความพยายามสูง และ 4.97 ดอลลาร์ต่องานดัชนีที่ทำเสร็จหนึ่งงาน Tencent Hy4 อยู่ที่ 35 โดยมี 93 โทเค็นต่อวินาที ราคาแบบผสม 0.45 ดอลลาร์ และ 1.03 ดอลลาร์ต่องานที่ทำเสร็จ ไม่มีตัวเลขใดที่แยกตามระดับความพยายามในฝั่ง Hy4 ซึ่งเป็นข้อจำกัดเดียวกันที่ตามรบกวนทุกการเปรียบเทียบที่เกี่ยวข้อง: Tencent ไม่ได้เผยแพร่โมเดลของตนเองแยกตามระดับความพยายาม และผู้ประเมินมีเพียงตัวเลขเดียว

ประกาศของ Google เองมีตาราง benchmark 19 แถวที่เปรียบเทียบ Argon กับ GPT-6 Astra, Claude Fable 5.1 และ Claude Opus 5.5 โดย Argon นำใน Vals Index, AutomationBench, Harvey's Legal Agent Benchmark และชุดทดสอบด้านวิสัยทัศน์หลายชุด แต่แพ้ใน FrontierSWE v2 และ Terminal-bench 4.0 ตัวเลขเหล่านี้เป็นตัวเลขของ Google ภายใต้วิธีการของ Google โดยตัวเลขของโมเดลที่ไม่ใช่ Gemini มาจากการให้คะแนนของเจ้าของโมเดลอื่นเอง ซึ่งเป็นข้อควรระวังที่เอกสาร PDF ด้านวิธีการระบุไว้อย่างชัดเจน ตัวเลขเหล่านี้มีประโยชน์สำหรับการรู้ว่า Google ปรับแต่งมาเพื่ออะไร ไม่ใช่สำหรับการจัดอันดับ

ฐานหลักฐานของ Tencent บางกว่าและแตกต่างในเชิงประเภท การประกาศเปิดตัว Hy4 ตัดแถว Terminal-Bench และ SWE-bench ของเวอร์ชันพรีวิวออกไปทั้งหมด และแทนที่ด้วยชุดงานภายใน ได้แก่ คณะผู้เชี่ยวชาญด้านการเงินจำนวน 213 คน ซึ่ง Hy4 ได้คะแนนเฉลี่ย 3.04 จาก 4, อัตราการสร้างข้อมูลเท็จที่ลดลงจาก 15.76% เหลือ 5.45%, และการเพิ่มขึ้น +19.1% ในชุดงานพัฒนเกมภายใน การ์ดโมเดลระบุซ้ำถึงสิ่งเหล่านี้ ไม่มีรายการใดในสิ่งเหล่านี้ที่สามารถทำซ้ำได้ภายนอก Tencent ผลลัพธ์เฉพาะด้านความปลอดภัยที่เป็นอิสระเพียงรายการเดียว ซึ่งคือคะแนน Cyber Index 58 และคะแนน 76% ที่ได้อันดับหนึ่งบน CWE-Bench-AA ไม่มีคู่เทียบใน Gemini 4 Argon เพราะโมเดลของ Google ไม่ได้อยู่บนลีดเดอร์บอร์ดนั้น

สิ่งที่หมายความสำหรับผู้ซื้อ: Argon มีค่าสรุปรวมที่วัดได้และตารางผู้ขาย; Hy4 มีค่าสรุปรวมที่วัดได้ ผลลัพธ์เฉพาะด้านความปลอดภัย และตารางผู้ขายเกี่ยวกับงานภายใน ค่าสรุปรวมทั้งสองมาจากผู้ประเมินรายเดียวกัน ซึ่งเป็นสิ่งที่ทำให้การเปรียบเทียบ 15 จุดมีคุณค่า

ทำไมการพบกันนี้จึงมีอายุเพียงไม่กี่สัปดาห์

ควรกล่าวอย่างตรงไปตรงมา เพราะบันทึกนี้สำคัญ เมื่อ Google ประกาศ Gemini 4 Argon เมื่อวันที่ 30 กันยายน ได้อธิบายการเปิดตัวเป็นสามระยะ — ผู้ป้องกันไซเบอร์ผ่าน Fairwind Program ก่อน จากนั้นลูกค้า API แบบชำระเงินและผู้สมัครสมาชิก AI Ultra แล้วจึงเป็นคนอื่น ๆ — โดยไม่มีกำหนดการใด ๆ หลังระยะแรก ณ จุดนั้น ชื่อนี้มีหน้าตระกูลโมเดล ตารางผลทดสอบ และไม่มีตัวระบุโมเดลที่คุณใส่ในคำขอได้

สิ่งนั้นเปลี่ยนไปแล้ว เอกสารโมเดลของ Google ระบุว่า gemini-4-argon เป็นโมเดลปัจจุบันที่ไม่มีป้ายตัวอย่าง มีหน้าต่างอินพุต 1M โทเคน และชุดรูปแบบอินพุตห้าประเภทตามที่อธิบายไว้ข้างต้น Artificial Analysis ระบุว่าเปิดตัวแล้วและพร้อมใช้งานผ่าน API ผ่าน Google ดังนั้นการเปรียบเทียบในบทความนี้จึงอยู่ระหว่างสองโมเดลที่คุณเรียกใช้ได้ ซึ่งเมื่อหกสัปดาห์ก่อนจะไม่เป็นเช่นนั้น การแก้ไขนี้คุ้มค่าที่จะทำ เพราะหลายหน้ายังคงอธิบาย Argon ว่าเป็นทีเซอร์แบบจำกัดการเข้าถึง

{{1}}สถานะของ Tencent Hy4 เอง{{/1}} เปลี่ยนไปในทิศทางตรงกันข้าม: จาก {{2}}API แบบปิด{{/2}} เมื่อวันที่ 4 พฤศจิกายน ไปเป็น {{3}}น้ำหนักแบบเปิด{{/3}} เมื่อวันที่ 20 พฤศจิกายน ภายใต้ {{4}}Tencent Hy License 1.0{{/4}} แทนที่จะเป็น {{5}}Apache 2.0{{/5}} ซึ่งใช้กับพรีวิวในเดือนสิงหาคม ทั้งสองโมเดลเคลื่อนไปในทิศทางตรงกันข้ามกันในแง่ความเปิด ภายในช่วงหกสัปดาห์เดียวกัน

คำถามเรื่องความเปิดกว้าง ที่ถูกตีราคาอย่างตรงไปตรงมา

เช็กพอยต์ขนาด 770 พันล้านพารามิเตอร์ของ Hy4 สามารถดาวน์โหลดได้แล้ว การรันโมเดลนี้ต้องใช้ GPU ระดับ H100 จำนวนแปดตัวสำหรับบิลด์ FP8 ที่ขนาด tensor-parallel เท่ากับ 8 ตามสูตร vLLM ของ Tencent เอง นั่นคือเครื่องจริงหนึ่งเครื่อง และสำหรับบริษัทส่วนใหญ่ คำตอบที่ตรงไปตรงมาคือ น้ำหนักแบบเปิดให้ทางเลือกมากกว่าการประหยัด: โมเดลนี้โฮสต์เองได้ในทางหลักการ เช่าใช้ได้ในราคาถูกในทางปฏิบัติ และคุ้มค่าที่จะดาวน์โหลดก็ต่อเมื่อถิ่นที่อยู่ของข้อมูล การปรับแต่งโมเดล หรือการติดตั้งแบบ air-gapped เป็นข้อกำหนดที่จำเป็นอย่างแท้จริง

สัญญาอนุญาตนี้เพิ่มข้อกำหนดหนึ่งที่ควรค่าแก่การอ่าน มาตรา 10 ของ Tencent Hy License กำหนดให้ต้องมีสัญญาอนุญาตเป็นลายลักษณ์อักษรแยกต่างหาก หากคุณดำเนินธุรกิจแบบ model-as-a-service ที่มีรายได้รวมทั่วโลกเกิน 50 ล้านดอลลาร์สหรัฐในช่วงสิบสองเดือนใด ๆ หรือมีผู้ใช้ที่ใช้งานอยู่รายเดือนมากกว่า 100 ล้านราย การใช้งานภายในองค์กรถูกยกเว้นไว้ ดังนั้น องค์กรที่ใช้งาน Hy4 อยู่เบื้องหลังเครื่องมือภายในจึงไม่ได้รับผลกระทบ ส่วนแพลตฟอร์มที่ขายต่อบริการ inference บนโมเดลนี้กำลังเจรจากันอยู่

Gemini 4 Argon ไม่มีคำถามที่เทียบเท่ากัน เพราะไม่มีอะไรให้ต้องขอสิทธิ์ใช้งาน — คุณจะเรียกเอนด์พอยต์ของ Google หรือไม่ใช้โมเดลนี้เลยก็ได้ นั่นเป็นข้อตกลงที่เรียบง่ายกว่า และยืดหยุ่นน้อยกว่าอย่างชัดเจน สำหรับผู้ซื้อที่อยู่ในอุตสาหกรรมที่มีการกำกับดูแล คำว่า “เรารันมันในแร็กของเราเองได้” มักมีค่ามากกว่าคะแนนดัชนีสิบห้าคะแนนเสียอีก ส่วนสำหรับคนอื่น ๆ มันเป็นเพียงเชิงอรรถ

ควรใส่อันไหนลงในพาธของคำขอ

• การดึงข้อมูลปริมาณจากข้อความและรูปภาพ — Tencent Hy4 การคำนวณข้างต้นยังไม่ใกล้เคียง และการตรวจสอบสคีมาพร้อมการตรวจสอบความถูกต้องช่วยปิดช่องว่างด้านความแม่นยำส่วนใหญ่ได้

• สิ่งใดก็ตามที่มีเสียง PDF แบบเนทีฟ หรือวิดีโอยาว — Gemini 4 Argon Hy4 มองไม่เห็นอินพุต และโมเดลประมวลผลล่วงหน้ามีต้นทุนสูงกว่าส่วนต่างของโทเค็น

พื้นผิวแบบโต้ตอบ — Argon ที่ระดับความพยายามปานกลาง หากมีให้เลือกอย่างใดอย่างหนึ่ง การรอโทเคนแรกนาน 115.9 วินาทีของ Hy4 ทำให้ไม่เหมาะสม และเส้นทางความพยายามสูงของ Argon ใช้เวลา 47 วินาที ซึ่งดีกว่าแต่ก็ยังไม่ใช่อินเทอร์เฟซแชต

• เครือข่ายที่อยู่ภายใต้การกำกับดูแล หรือแผนการปรับแต่ง — Tencent Hy4 ภายใต้ข้อ 10

• การให้เหตุผลที่ยากที่สุดที่คุณมี — Gemini 4 Argon โดยอาศัยช่องว่างอิสระ 15 คะแนนที่ผู้จำหน่ายของทั้งสองโมเดลเห็นพ้องกันว่ามีอยู่ในทิศทางนั้นโดยประมาณ

ทั้งสองอย่างบนคีย์เดียว และสิ่งที่สิ่งนั้นให้

A generated two-column scoreboard titled 'Tencent Hy4 vs Gemini 4 Argon'. Tencent Hy4 column: Intelligence Index 35, $0.834 / $2.501 per 1M tokens, input modalities text image video, weights open 20 Nov 2026, 64K max output, licence Tencent Hy 1.0. Gemini 4 Argon column: Intelligence Index 50 at high effort, $2.00 / $10.00 per 1M tokens, input modalities text image audio video PDF, weights closed, 64K default output, rollout phased at announcement. Footer: 'Index per Artificial Analysis v5.0.1; modality and licence details per each vendor's documentation.'

โมเดลทั้งสองเรียกใช้งานได้ผ่าน OrcaRouter ภายใต้สตริงของตัวเอง — tencent/hy4ในราคา $0.834 และ $2.501, google/gemini-4-argonในราคา $2.00 และ $10.00 — ซึ่งทำให้การแยกตามประเภทข้อมูลเป็นเรื่องของการตัดสินใจด้านการกำหนดเส้นทาง มากกว่าการตัดสินใจด้านสถาปัตยกรรม ส่งงานด้านภาพและข้อความไปยังโมเดลราคาถูก และกำหนดเส้นทางตามประเภทอินพุต เพื่อให้สิ่งใดก็ตามที่มีเสียงหรือ PDF แบบเนทีฟไปยังโมเดลที่อ่านได้ นั่นคือ routing DSL ที่ทำหน้าที่ของมัน และใช้คีย์เดียวแทนการผสานรวมสองระบบ

การกำหนดราคาแบบส่งผ่านมีความสำคัญตรงนี้มากกว่าปกติ เพราะผู้ให้บริการสองรายปรับอัตราของตนตามกำหนดเวลาที่ต่างกัน OrcaRouter คิดราคาตามราคาที่ผู้ให้บริการประกาศ โดยไม่บวกกำไร ดังนั้นการเปลี่ยนแปลงราคาของ Google และการเปลี่ยนแปลงราคาของ Tencent จึงมาถึงฝั่งเราในวันเดียวกัน แทนที่จะเป็นหลังจากที่ผู้ขายต่อต้องป้อนแคตตาล็อกใหม่

การสลับไปใช้ระบบสำรองอัตโนมัติคืออีกครึ่งหนึ่งที่สำคัญ งานแบบแบตช์ที่ตรวจสอบสคีมาไม่ผ่านบน Hy4 สามารถลองใหม่บน Argon ได้โดยที่ไคลเอนต์ไม่รู้ตัว ซึ่งเป็นวิธีที่ประหยัดกว่าในการแลกมาซึ่งความแม่นยำ เมื่อเทียบกับการจ่ายอัตราเอาต์พุตสี่เท่าในทุกการเรียก

อะไรจะเปลี่ยนคำตอบ

Screenshot of the Artificial Analysis model page for Gemini 4 Argon, showing the model name, Google as vendor, an Intelligence Index of 50 at high effort and 48 at medium, a price of $2.00 per million input and $10.00 output tokens, and a 1M-token context window.Screenshot of the Hugging Face model card for tencent/Hy4 showing the repository title, the Tencent Hy License badge, the open-weight tags and the download and like counts.

พัฒนาการสองอย่างจะทำให้การเปรียบเทียบนี้เปลี่ยนไป และทั้งสองอย่างล้วนเป็นไปได้ภายในระยะเวลาสิบสองเดือน

ตัวแรกคือโมเดลของ Tencent ที่รองรับเสียง ส่วนเส้นทางด้านภาพของ Hy4 ใช้เอนโคเดอร์ตัวเดียวครอบคลุมทั้งรูปภาพและเฟรมวิดีโอที่สุ่มมา การเพิ่มเอนโคเดอร์เสียงจึงเป็นก้าวต่อไปที่ชัดเจน และจะทำให้ข้อได้เปรียบด้านความหลากหลายของ Argon หายไปเกือบทั้งหมด Tencent เปิดตัว Hy4 Flash แล้ว ซึ่งเป็นรุ่นพี่น้องที่ถูกกว่าและมี 220,000 ล้านพารามิเตอร์ โดยมีชุดโมดัลลิตี้เดียวกัน ดังนั้นตระกูลนี้กำลังขยายตัวแทนที่จะรวมศูนย์

ข้อที่สองคือการประเมินน้ำหนักแบบเปิดของ Hy4 อย่างเป็นอิสระ ค่า 35 บนดัชนีเป็นตัวเลขของผู้ประเมินรายหนึ่งสำหรับบิลด์หนึ่ง เมื่อน้ำหนักเปิดเผยต่อสาธารณะ ห้องปฏิบัติการแห่งที่สองจึงสามารถรันเช็กพอยต์ที่ปรับแต่งด้วยคำสั่ง และยืนยันช่องว่างที่มีต่อ Argon หรือทำให้ช่องว่างนั้นแคบลงได้ เรื่องนี้ยังไม่เกิดขึ้น — เนื้อหาเกณฑ์มาตรฐานในโมเดลการ์ดยังคงเป็นตารางก่อนการฝึกเป็นส่วนใหญ่ โดย MMLU อยู่ที่ 91.6 และ MMMU-Pro ที่ 59.6 สำหรับโมเดลฐาน บวกกับชุดทดสอบภายในของ Tencent

จนถึงตอนนั้น ข้อสรุปนี้ยังจำกัดขอบเขตและมีเหตุผลรองรับ Gemini 4 Argon เป็นโมเดลที่ครอบคลุมกว่าและทำคะแนนได้สูงกว่า โดยมีราคาอินพุตเป็น 2.4 เท่า ราคาเอาต์พุตเป็นสี่เท่า และต้นทุนต่องานที่ทำเสร็จเป็น 4.8 เท่า Tencent Hy4 เป็นตัวเลือกที่ถูกกว่าถึงราวหนึ่งลำดับขนาดต่องานที่ทำเสร็จ เปิดให้ใช้งานตั้งแต่ 20 พฤศจิกายน และไม่รองรับเสียง เลือกจากประเภทอินพุตก่อน เพราะสิ่งนั้นตัดสินคำถามก่อนที่ราคาจะมีสิทธิ์ออกเสียง

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube