Một thẻ hero được tạo tự động so sánh Hy4 flash và Gemini 3.8 Flash, với ô bên trái ghi 'Hy4 flash — $0.070 / $0.281, trọng số mở, không có điểm độc lập' và ô bên phải ghi 'Gemini 3.8 Flash — $0.75 / $3.75, Chỉ số Trí tuệ 31, ngừng hỗ trợ', cùng phần chân trang ghi 'Số liệu Gemini theo Artificial Analysis trên chỉ số v5.0.1; giá Hy4 flash là giá niêm yết của Tencent.'
Guides & Insights

Hy4 flash so với Gemini 3.8 Flash: Một mô hình đã bị đánh dấu lỗi thời vẫn là mô hình có bảng giá

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Artificial Analysis gắn nhãn Gemini 3.8 Flash là "không còn được khuyến nghị" và hướng độc giả sang Gemini 4 Hydrogen. Google vẫn bán nó với giá 0,75 USD cho mỗi triệu token đầu vào và 3,75 USD cho mỗi triệu token đầu ra. Hy4 flash mới ra mắt được hai ngày, có giá chỉ bằng một phần mười mức đó, và hoàn toàn chưa có điểm số độc lập nào. Vậy nên câu hỏi trung thực trong màn so kè này không phải là mô hình nào tốt hơn — hiện chưa ai trả lời được điều đó — mà là bạn thà ở vào vị thế khó chịu nào trong hai vị thế: trả mức giá sát flagship cho một mô hình đã bị chính nhà sản xuất của nó vượt qua, hay trả gần như không gì cả cho một mô hình mà chưa ai ngoài Tencent đo lường được.

Hy4 flash đã được đưa lên API của Tencent vào ngày 16 tháng 11 năm 2026 và phát hành dưới dạng trọng số mở vào ngày 17 tháng 11: tổng cộng 220B tham số, 12B tham số hoạt động, ngữ cảnh 1.048.576 token, đầu vào hình ảnh với đầu ra văn bản, theo Giấy phép Tencent Hy. Gemini 3.8 Flash được phát hành vào ngày 2 tháng 9 năm 2026 với ngữ cảnh 1M token, đầu vào văn bản, hình ảnh, video, âm thanh và tệp, cùng điểm Chỉ số Trí tuệ của Artificial Analysis là 31 ở thiết lập suy luận cao. Đây là mô hình duy nhất trong so sánh này có phép đo độc lập, và cũng là mô hình duy nhất được đánh dấu là đã ngừng hỗ trợ.

Nhãn ngừng hỗ trợ thực sự có nghĩa gì ở đây

Cờ "deprecated" của Artificial Analysis trên Gemini 3.8 Flash có nghĩa là bảng xếp hạng coi mô hình này đã bị thay thế, và trang chỉ đến Gemini 4 Hydrogen là bản thay thế. Điều đó không có nghĩa là Google đã tắt nó. Mô hình vẫn phân giải được, vẫn có giá, và nằm trong danh mục OrcaRouter với giá $0.75 và $3.75 cùng mức giảm 90% cho bộ nhớ đệm, nghĩa là ít nhất một nền tảng vẫn đang cung cấp nó cho khách hàng trả tiền.

Điều đó thực sự có nghĩa là lộ trình đã vượt qua nó. Một mô hình được phát hành vào đầu tháng 9 và bị đánh dấu là đã bị thay thế vào giữa tháng 11 chỉ có tuổi thọ khoảng hai tháng rưỡi với tư cách là thế hệ hiện tại. Bất kỳ đội ngũ nào hiện đang lấy nó làm chuẩn đều đang lấy làm chuẩn một thứ mà nhà cung cấp đã thay thế trong chính các khuyến nghị của họ, và hệ quả thực tế rất rõ ràng: cải tiến năng lực tiếp theo sẽ không đến dưới dạng bản cập nhật cho mô hình này, mà sẽ đến dưới dạng một mô hình khác mà bạn phải chuyển đổi sang.

Hy4 flash gặp vấn đề ngược lại. Nó không bị ngừng hỗ trợ; nó chưa được đo lường. Đánh giá của chính Tencent là một bộ nội bộ WorkIndex và một bài kiểm tra mù với 85 người dùng, cả hai đều do nhà cung cấp tự thực hiện, và URL Hy4 flash của Artificial Analysis trả về 404 tính đến ngày 18 tháng 11. Các bảng điểm chuẩn công khai trong thẻ mô hình là base đối base và mô tả checkpoint đã được huấn luyện trước, không phải mô hình instruction mà bạn thực sự sẽ gọi.

Cả hai vị thế đều không dễ chịu. Một bên là đại lượng đã biết trên một đường cong đang khép lại; bên kia là đại lượng chưa biết trên một đường cong đang mở ra.

Khoảng cách về giá là có thật, và đó không phải là phần thú vị.

Bảng giá nội địa Trung Quốc của Tencent cho Hy4 flash ghi {{1}}¥0,5 mỗi triệu token đầu vào, ¥2 mỗi triệu token đầu ra, ¥0,02 mỗi token đầu vào được lưu trong bộ nhớ đệm{{/1}} — khoảng {{2}}$0,070, $0,281 và $0,003{{/2}}. Giá niêm yết của Google cho Gemini 3.8 Flash là $0,75 và $3,75, với lượt đọc bộ nhớ đệm được giảm giá 90%.

• Đầu vào — $0.070 so với $0.75. Rẻ hơn khoảng 10,7 lần đối với Hy4 flash.

• Đầu ra — $0.281 so với $3.75. Rẻ hơn khoảng 13,3 lần.

• Đầu vào được lưu trong bộ nhớ đệm — $0.003 so với khoảng $0.075. Rẻ hơn khoảng 25 lần.

• Tính gộp theo tỷ lệ đầu vào/đầu ra/bộ đệm 7:2:1 — khoảng 0,10 USD mỗi triệu token cho Hy4 flash; Artificial Analysis định giá Gemini 3.8 Flash ở mức 0,58 USD.

Đó không phải là giảm giá, mà là một nhóm sản phẩm khác, và điều đó giải thích con số quan trọng thứ hai: chi phí cho mỗi tác vụ Intelligence Index đã hoàn thành. Artificial Analysis đo Gemini 3.8 Flash ở mức 7,77 USD mỗi tác vụ, trong hơn 14,2 phút. Không có con số Hy4 flash vì không có điểm Hy4 flash — nhưng cách tính WorkIndex của Tencent đặt chi phí trung bình mỗi tác vụ của nó ở mức một phần mười ba so với Hy4 preview, một phần hai mươi so với Hy4 và một phần tám so với DeepSeek-V4.1-Flash-1017 theo giá giờ cao điểm.

Đó là những tác vụ khác nhau và những harness khác nhau, và không được chia lẫn vào nhau. Điều chúng thiết lập là hình dạng của sự đánh đổi: Gemini 3.8 Flash đắt đỏ trên mỗi tác vụ vì nó đắt trên mỗi token và tiêu tốn nhiều token để đi đến đó. Hy4 flash được thiết kế — attention thưa lai, KV cache bằng 1/6 của Hy4, đầu ra ngắn hơn 50% nhờ RL — cụ thể là để làm cho con số trên mỗi tác vụ nhỏ.

A generated reference card headed 'Price favours one, modality favours the other', with a Hy4 flash panel of four rows and a Gemini 3.8 Flash panel of four rows, and a split band beneath reading '10.7x cheaper on input, 13.3x on output' beside 'four more input modalities'.

Năng lực, trên trục duy nhất mà chúng ta có thể đo lường

Điểm số độc lập của Gemini 3.8 Flash, tất cả đều do Artificial Analysis thực hiện trên v5.0.1, phụ thuộc vào effort và thiết lập effort quan trọng hơn con số tiêu đề:

Chỉ số Thông minh ở mức cao — 31.

• Intelligence Index ở mức trung bình — 30.

• Chỉ số trí tuệ ở mức thấp — 23.

• Xếp hạng cùng lớp — thứ 66 trong số 92 trên Intelligence Index.

• Tốc độ đầu ra — 116 token mỗi giây.

• Thời gian đến token trả lời đầu tiên — 22,4 giây.

• Ngữ cảnh — 1M token.

Chỉ số 31 ở mức nỗ lực cao là mức trung bình, và cờ deprecated tồn tại vì Google đã tung ra sản phẩm tốt hơn kể từ đó. Các bài đưa tin trước đây về mô hình này dẫn con số 59 khi ra mắt; con số đó có trước lần tái cơ sở chỉ số ngày 27 tháng 10 năm 2026 và không thể so sánh với con số 31 hôm nay. Bất kỳ ai nhắc 59 và 31 trong cùng một câu đều đang so sánh hai công cụ khác nhau.

Đối với Hy4 flash, không có hàng nào để đặt bên dưới. Thứ gần nhất với một mốc neo bên ngoài là bài kiểm tra mù của chính Tencent, trong đó Hy4 flash đạt 2,79 trên 4 về mức độ hài lòng của người dùng, so với 2,81 của Claude Haiku 5.5 — và Claude Haiku 5.5 đạt 36 trên cùng chỉ số mà Gemini 3.8 Flash đạt 31. Nếu bạn nối hai dữ kiện đó lại với nhau, bạn sẽ có một vị trí ngụ ý cho Hy4 flash ở đâu đó quanh mức đầu ba mươi, đúng kiểu suy luận mà blog này tồn tại để đánh dấu là suy luận chứ không phải đo lường. Hai con số từ nhà cung cấp và một con số từ bên thứ ba không tạo nên một benchmark.

Screenshot of the Artificial Analysis model page for Gemini 3.8 Flash, showing its Intelligence Index scores at high, medium and low effort, its class rank, output speed, time to first answer token, context window and cost per task on index v5.0.1.

Đa phương thức là điểm mà Gemini 3.8 Flash vẫn thắng tuyệt đối.

Đây là dòng tồn tại qua khoảng cách giá, và đáng để nói cụ thể về điều đó.

• Đầu vào Hy4 flash — văn bản và hình ảnh, đi qua bộ mã hóa 27 lớp có nguồn gốc từ SigLIP2 với tính năng gộp đặc trưng 2x2.

• Đầu vào Gemini 3.8 Flash — văn bản, hình ảnh, video, âm thanh và tệp, theo mục trong danh mục OrcaRouter và tài liệu mô hình của Google.

• Đầu ra của Gemini — văn bản.

Nếu pipeline của bạn nạp vào một bản ghi màn hình, bản ghi cuộc gọi hoặc một PDF có track âm thanh, Hy4 flash không thể nhận nó còn Gemini 3.8 Flash thì có thể. Tính mở của trọng số không giúp được gì; bộ mã hóa không có thì là không có. Các trường hợp sử dụng được Tencent khuyến nghị cho Hy4 flash đều có dạng văn bản và ảnh chụp màn hình — deep search, xử lý tài liệu, tạo slide, demo frontend đơn giản, computer use — đó là một quyết định sản phẩm mạch lạc và cũng là một ranh giới.

Cụ thể là trên tài liệu, hai mô hình này gần nhau hơn. Cả hai đều nhận hình ảnh, cả hai đều giữ được một triệu token ngữ cảnh, và hồ sơ ảo giác của Hy4 flash trên công việc tài liệu chính là thứ mà bộ WorkIndex của nó thực sự đo: sửa bảng tính, chỉnh sửa tài liệu, đồng soạn slide. Đó là một tuyên bố trung thực hơn so với điểm benchmark chung chung, miễn là bạn nhớ rằng đó là thang đánh giá của Tencent.

Hai cách rất khác nhau để trở thành một mô hình “flash”

Hạng flash của Google nghĩa là nhanh và rẻ so với hạng pro, trên một API đóng, với việc nhà cung cấp gánh vác độ phức tạp trong khâu phục vụ. Flash của Tencent mang ý nghĩa cụ thể hơn: một kiến trúc mà toàn bộ mục đích là làm cho ngữ cảnh 1 triệu token trở nên rẻ khi phục vụ.

• {{1}}Cơ chế chú ý{{/1}} — Hy4 flash xen kẽ cơ chế chú ý IndexPool thưa với cửa sổ trượt 512 token theo tỷ lệ 1:3 trên 42 lớp; kiến trúc của Gemini không được tiết lộ.

• KV cache — Hy4 flash bằng 1/24 của Hy3 và 1/6 của Hy4, theo báo cáo của nhà cung cấp; không có số liệu công khai tương đương cho Gemini 3.8 Flash.

• Giải mã suy đoán — Hy4 flash đi kèm DFly2, một bộ dự thảo 0,85B tái sử dụng KV thưa và lựa chọn indexer của mô hình đích để chi phí dự thảo giữ nguyên không đổi theo ngữ cảnh; tương đương của Google là nội bộ.

• Độ dài đầu ra — Tencent cho biết hậu huấn luyện RL đã giảm số token đầu ra trung bình xuống 50%, và bài kiểm tra mù báo cáo thời gian hoàn thành tác vụ trung vị là 6,7 phút; lượt chạy chỉ mục của Gemini 3.8 Flash trung bình mất 14,2 phút mỗi tác vụ.

Hàng cuối cùng là hàng cần ngẫm kỹ. Phần lớn điều khiến Hy4 flash rẻ trên mỗi tác vụ là nó viết ít hơn, và một mô hình viết ít hơn không tự động là mô hình tệ hơn — nhưng đó là mô hình mà bạn nên đọc đầu ra trước khi đưa một quy trình hướng tới khách hàng chạy qua nó. Độ dài dòng và chất lượng là hai trục khác nhau, và chỉ một trong số đó xuất hiện trong cột chi phí.

Triển khai là khía cạnh mà ở đó chúng hoàn toàn không thể so sánh với nhau được.

Gemini 3.8 Flash là một API. Không có checkpoint, không có bản dựng FP8, không có GGUF, không có con đường tinh chỉnh. Mục trong danh mục OrcaRouter chỉ hiển thị chính mô hình và không gì khác.

Hy4 flash là một API, ba kho lưu trữ Hugging Face — mô hình instruct, bản dựng FP8 và một checkpoint gốc — một bản lượng tử hóa GGUF từ AngelSlim, một hướng dẫn tinh chỉnh, các image vLLM và SGLang được ghim phiên bản, và một tích hợp Transformers hiện đang nằm trong pull request 50903. Danh sách đó không hoàn toàn là tin tốt: image được ghim phiên bản và cài đặt qua tham chiếu PR nghĩa là bạn đang chạy các bản dựng mà Tencent đã kiểm thử thay vì các bản dựng đã được phát hành.

Nhưng nó thay đổi ý nghĩa của "rẻ". Trên Gemini 3.8 Flash, rẻ nghĩa là giá của Google, và Google có thể thay đổi giá đó. Trên Hy4 flash, rẻ nghĩa là giá của Tencent hoặc GPU của chính bạn, và lựa chọn thứ hai hoàn toàn không có giá — nó có một kế hoạch công suất, và kiến trúc chính là lập luận rằng kế hoạch đó nhỏ. Giấy phép Tencent Hy cho phép điều đó, với một lưu ý: Mục 10.2 yêu cầu một giấy phép riêng bằng văn bản khi doanh thu gộp toàn cầu vượt 50 triệu USD với tư cách doanh nghiệp mô hình dưới dạng dịch vụ, hoặc vượt 100 triệu người dùng hoạt động hàng tháng. Sử dụng nội bộ được miễn trừ. Một nhóm châu Âu hoặc Hàn Quốc không bị hạn chế lãnh thổ, điều mà không thể nói như vậy với một số giấy phép trọng số mở của Trung Quốc. Giấy phép là Apache 2.0 với một điều kiện kích hoạt doanh thu gắn thêm, nghĩa là hai con đường triển khai được định giá theo cùng một văn bản thay vì hai văn bản — một chi tiết quan trọng khi đội tài chính của bạn hỏi tại sao lựa chọn rẻ lại rẻ.

Nơi thực sự chạy một trong hai

Gemini 3.8 Flash có trong danh mục OrcaRouter tại google/gemini-3.8-flash, $0.75 mỗi triệu token đầu vào và $3.75 mỗi triệu token đầu ra với $0.075 cho mỗi lần đọc bộ nhớ đệm, được định tuyến theo giá niêm yết của Google với 0% phụ thu từ phía chúng tôi — vì vậy nếu Google giảm giá của một mô hình mà họ đã ngừng hỗ trợ, bạn sẽ thấy điều đó ngay trong ngày nó xảy ra thay vì vào lần đồng bộ danh mục tiếp theo. Hy4 flash không có trong danh mục; cái có trong đó là mô hình giáo viên của nó, tencent/hy4-preview, với giá $0.834 và $2.501 mỗi triệu token với $0.042 cho mỗi lần đọc bộ nhớ đệm.

Mẫu hữu ích cho cặp cụ thể này là một quy tắc định tuyến chứ không phải một lựa chọn. Hãy đặt tầng nhập liệu âm thanh và video trên tuyến Gemini, vì đó là tuyến duy nhất trong hai tuyến chấp nhận các đầu vào đó. Hãy đặt tầng văn bản và tài liệu có khối lượng lớn trên tuyến rẻ sau khi bạn đã tự đo lường nó.DSL định tuyến tồn tại để diễn đạt chính xác sự phân tách đó trong một điểm cuối, và chuyển đổi dự phòng tự động có nghĩa là việc tuyến rẻ bị suy giảm không làm sập pipeline theo nó — điều này quan trọng hơn bình thường khi tuyến rẻ mới chỉ hai ngày tuổi và đang chạy trên một ảnh container được ghim cố định.

Screenshot of the google/gemini-3.8-flash model page, showing the per-million-token input, output and cache-read prices the model is listed at and the modalities it accepts.

Quyết định, được phát biểu thành ba trường hợp

Nếu bạn cần đầu vào âm thanh hoặc video, cuộc so sánh kết thúc tại đây: Gemini 3.8 Flash là lựa chọn duy nhất ở đây, và việc nó đã bị ngừng hỗ trợ là một chi phí di trú mà bạn nên tính đến chứ không phải lý do để loại nó ra.

Nếu bạn cần một mô hình có điểm số độc lập trước khi đưa nó ra trước khách hàng, câu trả lời tương tự cũng đúng vì một lý do khác. Ba mươi mốt trên Intelligence Index là một con số khiêm tốn, nhưng đó là con số được đo lường, còn Hy4 flash không có bất cứ thứ gì được đo lường.

Nếu khối lượng công việc của bạn là văn bản và tài liệu với số lượng lớn, có thể chịu được độ trễ và bạn có thể tự chạy đánh giá, thì Hy4 flash đáng để bỏ ra một buổi chiều để thử. Mức chênh lệch giá đầu ra gấp 13 lần không phải là sai số làm tròn, và việc Tencent công bố một bài kiểm tra mù mà nó thua 0,02 điểm là tín hiệu tốt hơn về tính trung thực của mô hình so với bất kỳ con số nào trên model card của Google. Chỉ có điều đừng bỏ qua phần đánh giá: mô hình không có điểm số từ bên thứ ba, các bảng benchmark công khai của nó mô tả một checkpoint khác với checkpoint bạn sẽ gọi, và phép đo bên ngoài duy nhất về nó là một cuộc khảo sát mức độ hài lòng do nhà sản xuất thực hiện.

Và hãy để ý đến việc ngừng hỗ trợ. Nếu Google loại bỏ Gemini 3.8 Flash giống như cách họ đã loại bỏ các mô hình trước đó, câu trả lời thực sự của trang này sẽ thay đổi từ “cái đắt tiền thì được đo” thành “cái được đo thì đã biến mất,” và một mô hình trọng số mở hai ngày tuổi không có điểm số bắt đầu trông hấp dẫn hơn đáng kể so với hiện tại.

So sánh trong bài viết này3

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày