
Hy4 flash vs Claude Haiku 5.5: Tencent tự thực hiện phép so sánh này và công bố kết quả thua
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 138 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 176 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 89 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 187 tok/s
Ai đó tại Tencent đã quyết định rằng đối thủ phù hợp cho Hy4 flash là Claude Haiku 5.5, đặt cả hai mô hình trước 85 người dùng WorkBuddy của chính công ty trên 259 tác vụ, và công bố kết quả dù nó thua. Hy4 flash đạt 2,79 trên 4 về mức độ hài lòng của người dùng. Claude Haiku 5.5 đạt 2,81. Đó là khoảng cách hai phần trăm điểm trên thang bốn điểm, được đo bởi bên thách thức, trên chính các tác vụ của bên thách thức — và đó là con số thú vị nhất trong bản phát hành Hy4 flash, vì nó cho bạn biết Tencent thực sự tin mình đang bán gì. Không phải một mô hình tốt hơn. Mà là một mô hình rẻ hơn, đủ gần để sự khác biệt không sống sót qua lần tiếp xúc với một cuộc khảo sát mức độ hài lòng.
Phần còn lại của bản phát hành củng cố cách diễn giải đó. Hy4 flash đã được công bố dưới dạng trọng số mở vào ngày 17 tháng 11 năm 2026, hai ngày sau khi nó được đưa lên API của Tencent vào ngày 16 tháng 11: tổng cộng 220B tham số, 12B tham số hoạt động trên mỗi token, ngữ cảnh 1M token, đầu vào hình ảnh với đầu ra văn bản. Claude Haiku 5.5 đã được cung cấp rộng rãi kể từ ngày 7 tháng 10 năm 2026 với giá 0,10 đô la và 0,50 đô la mỗi triệu token. Cả hai mô hình đều không có trong danh mục của OrcaRouter, và bài viết này sẽ không giả vờ khác đi; những gì có thể định tuyến sẽ được thảo luận ở gần phần cuối, và đó là một cặp mô hình khác.
Bài kiểm tra mù, đọc đúng cách
Bài viết của Tencent về đánh giá này gồm ba câu và một biểu đồ, và biểu đồ đó làm một việc rất cụ thể: nó vẽ mức độ hài lòng so với thời gian hoàn thành trung vị từ đầu đến cuối và chi phí cho mỗi tác vụ, để mô hình thắng trên hai trục có thể thấy ngay trong nháy mắt. Các con số là 2,79/4 cho Hy4 flash so với 2,81/4 cho Claude Haiku 5.5, thời gian hoàn thành trung vị là 6,7 phút cho Hy4 flash, và 0,26 nhân dân tệ cho mỗi tác vụ. Tuyên bố của Tencent là Hy4 flash đạt cả chi phí mỗi tác vụ thấp nhất và thời gian hoàn thành trung vị ngắn nhất trong số các mô hình được đánh giá.
Điều mà bài viết không đưa ra là toàn bộ danh sách các mô hình được đánh giá, phần phân tích chi tiết theo từng danh mục, hay bộ tiêu chí chấm điểm. Bài viết có nêu tập mẫu: 85 người dùng nội bộ, 27 danh mục, 259 nhiệm vụ, tất cả đều lấy từ WorkBuddy, trợ lý năng suất của chính Tencent. Đó là một đánh giá nhất quán và không hề trung lập. Nhân viên đánh giá mô hình của chính công ty mình thì biết đâu là mô hình của họ, và ngay cả trong một giao diện mù, các nhiệm vụ vẫn là những nhiệm vụ Tencent đã chọn vì chúng giống sản phẩm của Tencent.
Điều hữu ích về khoảng cách 0,02 nằm ở cách nó tác động đến lập luận theo cả hai hướng. Nếu bạn có xu hướng tin vào bài kiểm tra, bạn có lời khẳng định của Tencent rằng chênh lệch năng lực so với Claude Haiku 5.5 là không đáng kể đối với công việc văn phòng, một tuyên bố đi ngược lại lợi ích của chính họ. Nếu bạn có xu hướng không tin, cùng bài kiểm tra đó không cho bạn lý do nào để tin rằng Hy4 flash tốt hơn, và bạn chỉ còn lại cột chi phí, nơi mà dù sao Tencent cũng muốn bạn hướng sự chú ý tới.
Hai mô hình thực sự khác nhau ở đâu
Các bảng thông số kỹ thuật khác nhau theo những cách mà điểm hài lòng không thể hiện được. Mọi con số dưới đây đều là thông số kỹ thuật do chính nhà cung cấp công bố, trừ khi được đánh dấu là phép đo của Artificial Analysis.
• Tổng số tham số và tham số hoạt động — Hy4 flash có tổng cộng 220B, trong đó 64B nằm trong các bảng Engram, 12B hoạt động trên mỗi token; số lượng tham số của Claude Haiku 5.5 không được công bố, điều này là bình thường đối với Anthropic.
• Cửa sổ ngữ cảnh — 1,048,576 token đối với Hy4 flash; 1,000,000 đối với Claude Haiku 5.5.
• Đầu ra tối đa — 64.000 token trên Hy4 flash theo cấu hình phục vụ; 128.000 token trên Claude Haiku 5.5, gấp đôi.
• Phương thức đầu vào — {{1}}Hy4 flash{{/1}} tiếp nhận văn bản và hình ảnh thông qua bộ mã hóa 27 lớp dẫn xuất từ {{2}}SigLIP2{{/2}}; tài liệu phát hành của {{3}}Claude Haiku 5.5{{/3}} tập trung vào văn bản và sử dụng công cụ, còn bộ năng lực được công bố của nó hẹp hơn ở phần thị giác.
• Giấy phép — Hy4 flash được phát hành theo Tencent Hy License với Mục 10.2 yêu cầu một thỏa thuận riêng nếu doanh thu MaaS vượt 50 triệu USD hoặc đạt 100 triệu MAU; Claude Haiku 5.5 là độc quyền và hoàn toàn không có trọng số.
• Điểm số độc lập — Hy4 flash không có, và URL Artificial Analysis của nó trả về 404; Claude Haiku 5.5 đạt 36 trên Intelligence Index v5.0.1 ở mức Max effort.
• Chi phí được đo cho mỗi tác vụ Index — $0.41 đối với Claude Haiku 5.5 theo Artificial Analysis; chưa được đo cho Hy4 flash, vì mẫu này không có trên bảng.
Trần đầu ra là hàng dễ gây vấn đề nhất trong thực tế. Một mô hình có 1M ngữ cảnh và 64k đầu ra được cấu hình để đọc rất nhiều và viết ở mức vừa phải; một quy trình soạn thảo tài liệu kỳ vọng phát ra hơn 64.000 token trong một phản hồi thì không thể dùng mô hình đó. Các cách dùng được Tencent khuyến nghị — tìm kiếm sâu, xử lý tài liệu, tạo slide, bản demo frontend đơn giản, sử dụng máy tính — đều nhất quán với trần đó. Tạo văn bản dài không nằm trong danh sách.
So sánh giá không phải là đem một con số đối chiếu với một con số khác.
Mức giá nội địa Trung Quốc đại lục của Tencent cho Hy4 flash là ¥0,5 mỗi triệu token đầu vào, ¥2 mỗi triệu token đầu ra và ¥0,02 mỗi token đầu vào được lưu trong bộ nhớ đệm — khoảng 0,070 USD, 0,281 USD và 0,003 USD. Bảng giá công bố của Claude Haiku 5.5 bắt đầu từ 0,10 USD mỗi triệu token đầu vào và 0,50 USD mỗi triệu token đầu ra, với thao tác ghi bộ nhớ đệm ở mức 0,125 USD và 0,625 USD cho bộ nhớ đệm năm giờ và một giờ, và thao tác đọc bộ nhớ đệm ở mức 0,01 USD.
Theo các mức giá niêm yết đó, Hy4 flash rẻ hơn khoảng 30% ở đầu vào, rẻ hơn 44% ở đầu ra và rẻ hơn 70% khi trúng bộ nhớ đệm. Cả hai đều có mức giá cố định cho 100.000 token đầu tiên. Khác biệt nằm ở những gì xảy ra sau đó: bảng giá của Anthropic nâng giá đầu vào của Claude Haiku 5.5 từ $0.10 lên $0.50 mỗi triệu token và giá đầu ra từ $0.50 lên $2.50 khi một yêu cầu vượt quá 100.000 token đầu vào. Với một tài liệu 200.000 token, Claude Haiku 5.5 được tính phí gấp năm lần mức giá đầu vào niêm yết của nó, khiến phép so sánh đó thành $0.50 so với $0.070 của Tencent — khoảng cách 7 lần thay vì 30%.
Đó là một lựa chọn thiết kế, không phải mánh khóe, và nó có logic bảo vệ được: đầu vào dài tốn nhiều chi phí prefill hơn, nên nhà cung cấp tính phí cao hơn cho chúng. Nhưng điều đó có nghĩa là con số nổi bật là con số sai cho đúng loại khối lượng công việc mà cả hai mô hình đều tuyên bố làm tốt. Xử lý tài liệu ở ngữ cảnh 1M, theo định nghĩa, là khối lượng công việc >100.000 token. Nếu trường hợp sử dụng của bạn là xử lý tài liệu dài, hãy tính giá cả hai mô hình theo các hàng áp dụng cho độ dài prompt của bạn, không phải theo phần trên cùng của bảng giá.
Độ trễ: chỉ số mà Tencent đo không phải là chỉ số mà Anthropic công bố.
Tencent báo cáo thời gian hoàn thành end-to-end trung vị là 6,7 phút đối với Hy4 flash trên một tác vụ WorkBuddy. Artificial Analysis báo cáo Claude Haiku 5.5 ở mức 14,7 phút mỗi tác vụ Intelligence Index tại Max effort, với 192 giây để tạo token trả lời đầu tiên — và bảng đánh giá gắn cờ mô hình là "chậm một cách đáng chú ý trên mỗi tác vụ và rất dài dòng," ở 298M token đầu ra cho lần chạy chỉ số.
Hai con số đó không thể so sánh với nhau và không nên bị trừ đi. Nhiệm vụ khác nhau, bộ khung chạy thử khác nhau, định nghĩa về "hoàn thành" khác nhau. Điều mà chúng xác lập là thiết lập mức nỗ lực của Claude Haiku 5.5 là một núm điều chỉnh độ trễ với phạm vi rất rộng, và mức cao nhất của nó tốn kém về thời gian thực tế:
• Max — Chỉ số 36, 14,7 phút mỗi tác vụ, 192 giây cho token đầu tiên, 298M token đầu ra.
• Xhigh — Chỉ số 35, 9,6 phút, token đầu tiên sau 44 giây, 151 triệu token.
• Cao — Chỉ số 30, 6,4 phút, token đầu tiên sau 21 giây, 89,8 triệu token.
• Medium — Chỉ số 25, 3,9 phút, token đầu tiên sau 10 giây, 52,7M token.
• Thấp — Index 19, 2,2 phút, token đầu tiên sau 5,8 giây, 29,9M token.

Cả năm hàng đều là các phép đo của Artificial Analysis trên v5.0.1. Mục đích của việc in chúng là ở chỗ "Claude Haiku 5.5 đạt 36 điểm" là một phát biểu về cấu hình đắt nhất mà Anthropic cung cấp. Ở thiết lập cao của nó, nó đạt 30 điểm và hoàn thành trong chưa đến một nửa thời gian. Bất kỳ ai so sánh một sản phẩm nhạy cảm với độ trễ với con số Max đều đang so sánh với một thiết lập mà họ sẽ không tung ra thị trường.
Hy4 flash có cùng nút xoay, ở dạng thô hơn: reasoning_effort ở mức high, là mặc định, hoặc no_think. Hai vị trí so với năm. Nếu khối lượng công việc của bạn cần một thiết lập trung gian — bật suy luận, nhưng không tối đa — Claude Haiku 5.5 cho bạn nút điều chỉnh còn Hy4 flash phần lớn thì không.

Ba yếu tố quyết định điều này mà cả hai bảng thông số đều không đề cập.
Bề mặt API.Định dạng yêu cầu của Claude Haiku 5.5 nghiêm ngặt hơn so với mô hình tiền nhiệm theo những cách khiến mã bị hỏng. Tài liệu của Anthropic từ chối temperature, top_p và top_k ở mọi giá trị không mặc định, bỏ phần prefill của assistant, loại bỏ việc đặt budget_tokens, và yêu cầu một phiên bản cụ thể của bộ công cụ computer-use. Hy4 flash chấp nhận toàn bộ tập lấy mẫu, khuyến nghị temperature 0.9 với top_p 1.0, và cung cấp hy_v4 các bộ phân tích cú pháp lệnh gọi công cụ và suy luận cho vLLM. Nếu bạn có một thư viện prompt được tinh chỉnh bằng các đợt quét temperature, một trong hai mô hình này sẽ chạy nó nguyên vẹn còn mô hình kia sẽ trả về 400.
Hình thức triển khai. Claude Haiku 5.5 chỉ là một API và không gì khác. Hy4 flash là một API, một kho lưu trữ Hugging Face, một bản dựng FP8, một checkpoint cơ sở, một bản lượng tử hoá GGUF và một hướng dẫn tinh chỉnh. Điều đó không tự động là một lợi thế — một mô hình bạn tự lưu trữ là một mô hình bạn phải vận hành, vá lỗi và lập kế hoạch năng lực — nhưng đó là sự khác biệt giữa một mối quan hệ với nhà cung cấp và một tài sản, và với một đội ngũ có yêu cầu về lưu trú dữ liệu hoặc nhu cầu tinh chỉnh, nó giải quyết cuộc so sánh trước khi bất kỳ chuẩn đánh giá nào được xem đến.
Khoảng trống đo lường.Claude Haiku 5.5 đã có mặt trên Artificial Analysis từ tháng 10 và đã bị mổ xẻ bởi mọi blog so sánh trên internet, kể cả blog này. Hy4 flash có một lỗi 404 ở nơi lẽ ra là điểm số của nó. Không phải vì mô hình tệ, mà vì nó mới ra đời được hai ngày và chưa có ai độc lập chạy thử nó. Điểm hài lòng ở trên là phép đo trên một nhóm người thật, và cũng là phép đo duy nhất về mô hình này bởi bất kỳ ai khác ngoài nhà sản xuất.
Nói thật thì, gọi một trong hai người họ.
Tại thời điểm viết bài này, cả Hy4 flash lẫn Claude Haiku 5.5 đều không có trong danh mục OrcaRouter, nên không có phiên bản nào của phần này mà chúng tôi bảo bạn gọi chúng ở đây. Những gì có ở đó là thế hệ tương ứng ở mỗi bên: tencent/hy4-preview, mô hình 770B/49B mà Hy4 flash được chưng cất từ đó, với giá đầu vào $0.834 và đầu ra $2.501 mỗi triệu token, cùng mức đọc bộ nhớ đệm $0.042; và anthropic/claude-haiku-4.5 với giá đầu vào $1.00 và đầu ra $5.00 mỗi triệu token, cùng mức đọc bộ nhớ đệm $0.10 — thế hệ trước, không phải 5.5 trong so sánh này.
Sự kết hợp đó hữu ích hơn vẻ ngoài của nó. Nếu bạn đang cân nhắc liệu cấu trúc chi phí của Hy4 flash có đáng để tái cấu trúc một pipeline hay không, mô hình xem trước mang đến cho bạn hành vi của dòng mô hình ở mức giá khiến việc thử nghiệm trở nên rẻ, trên cùng khóa và cùng endpoint như mọi thứ khác trong danh mục, với giá niêm yết của nhà cung cấp được chuyển tiếp với mức tăng giá 0% nhờ đó thay đổi giá của Tencent đến với bạn ngay trong ngày nó xảy ra. DSL định tuyến là phần quan trọng khi bạn đã có hai ứng viên: gửi nhóm tài liệu dài đến mô hình nào thắng trong bài đánh giá của chính bạn và giữ mô hình còn lại làm dự phòng, thay vì chọn một nhà cung cấp cho mọi thứ chỉ vì việc chuyển đổi tốn một bản hợp đồng.
Và khi Hy4 flash xuất hiện trên một danh mục — bất kỳ danh mục nào, kể cả của chúng ta — điều cần kiểm tra không phải là điểm hài lòng. Mà là số token đầu ra trên chính các tác vụ của bạn. Tuyên bố hậu huấn luyện của Tencent nêu mức giảm 50% số token đầu ra end-to-end trung bình, và nếu điều đó đúng với khối lượng công việc của bạn thì nó đáng giá hơn mức giảm giá 30% trên mỗi token, vì token đầu ra là nửa tốn kém của mọi hóa đơn trên cả hai mô hình.

Điều gì sẽ giải quyết được chuyện đó?
Một lần chạy độc lập trên một harness dùng chung. Đưa Hy4 flash và Claude Haiku 5.5 đi qua cùng một Intelligence Index gồm chín bài đánh giá và xem hai dòng: điểm số và chi phí cho mỗi tác vụ hoàn thành. Tencent đã nói với bạn điều họ kỳ vọng các dòng đó sẽ thể hiện — rằng Hy4 flash đạt gần Claude Haiku 5.5 về năng lực và thấp hơn nhiều về chi phí. Cho đến khi ai đó bên ngoài Tencent công bố cặp kết quả đó, kỳ vọng ấy chỉ là một giả thuyết được hậu thuẫn bởi ngân sách tiếp thị của một công ty, chứ không phải một kết quả.
Điều bạn có thể hành động ngay hôm nay hẹp hơn và hữu ích hơn. Nếu khối lượng công việc của bạn là tài liệu dài, hãy xem giá dòng >100.000 token trước bất cứ điều gì khác, vì đó là nơi hai card khác biệt nhiều nhất. Nếu nó nhạy cảm với độ trễ, hãy so sánh Claude Haiku 5.5 ở chế độ high effort thay vì Max. Nếu nó cần tinh chỉnh hoặc suy luận tại chỗ, quyết định đã được đưa ra và không có benchmark nào thay đổi được điều đó. Khoảng cách về độ hài lòng 0,02 điểm không phải lý do để chuyển theo bất kỳ hướng nào, và việc Tencent công bố nó là điều đáng tin cậy nhất trong bản phát hành.
