
Hy4 flash vs GLM-5.3-Flash: Mô hình rẻ hơn lại chính là mô hình bạn không thể tải xuống
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 90 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 97 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaMỚIOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 87 tok/s
- OrcaMỚIOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 133 tok/s
- OrcaMỚIOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 trên 1 triệu token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 trên 1 triệu token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Trí tuệ
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Trí tuệ
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 trên 1 triệu token · 219 tok/s
Hy4 flash và GLM-5.3-Flash nhắm đến cùng một nhóm người mua — những người muốn có cửa sổ ngữ cảnh một triệu token, đầu vào hình ảnh và khả năng gọi công cụ đạt chuẩn agent mà không phải trả mức giá của mô hình hàng đầu — và chúng đưa ra những bảng giá gần như giống hệt nhau. Hy4 flash, do Tencent phát hành ngày 16 tháng 11 năm 2026, tính phí $0.070 mỗi triệu token đầu vào và $0.281 mỗi triệu token đầu ra, với $0.003 cho phần đầu vào được lưu đệm. GLM-5.3-Flash, do Zhipu ra mắt và mở mã nguồn ngày 26 tháng 8 năm 2026, tính phí niêm yết $0.15, $0.50 và $0.03. Tencent có giá đầu vào khoảng một nửa và đầu ra hơi hơn một nửa so với GLM-5.3-Flash, đồng thời rẻ hơn mười lần ở đầu vào được lưu đệm, đây là yếu tố quyết định phần lớn ngân sách agent. Đây cũng là mô hình không có trọng số, không có giấy phép, không có thẻ mô hình và không có bộ đánh giá độc lập, so với một mô hình được cấp phép MIT trên Hugging Face và đạt 27.8 trên Artificial Analysis Intelligence Index.
Đó là toàn bộ phép so sánh gói trong một câu, và nó không có lời giải rõ ràng. Rẻ hơn và không thể kiểm chứng so với đắt hơn và có thể kiểm tra là một đánh đổi thực sự, không phải một vấn đề tiếp thị, và bên nào thắng phụ thuộc vào những điều mà cả hai nhà cung cấp sẽ không nói với bạn. Phần tiếp theo là những gì mỗi bên đã thực sự công bố, chênh lệch giá mang lại gì và gây tốn kém gì, và quyết định sẽ ngả về đâu.
Hai thẻ giá, đọc từng dòng
Hãy bắt đầu với các con số như đã công bố, vì đây là những số liệu duy nhất trong so sánh này mà cả hai công ty đều nêu rõ ràng và bất kỳ ai cũng có thể đối chiếu với hóa đơn.
• Đầu vào, trên mỗi triệu token — Hy4 flash $0,070; GLM-5.3-Flash $0,15.
• Đầu ra, mỗi triệu token — Hy4 flash $0,281; GLM-5.3-Flash $0,50.
• Đầu vào được lưu trong bộ nhớ đệm, trên mỗi triệu token — Hy4 flash $0,003; GLM-5.3-Flash $0,03.
• Cửa sổ ngữ cảnh — {{1}}Hy4 flash{{/1}} 1,048,576 token; {{2}}GLM-5.3-Flash{{/2}} 1,000,000 token.
• Tham số hoạt động trên mỗi token — Hy4 flash 12B trên tổng 224B, bao gồm 64B tham số Engram; GLM-5.3-Flash 18B trên tổng 320B qua 45 lớp.
• Trọng số — Hy4 flash được công bố dưới dạng một kế hoạch không có ngày cụ thể; GLM-5.3-Flash MIT trên Hugging Face ngay từ ngày ra mắt.
• Điểm trí tuệ độc lập — Hy4 flash: không có công bố nào; GLM-5.3-Flash đạt 27,8 trên Chỉ số Trí tuệ của Artificial Analysis, cùng với 71,5 trên Chỉ số Lập trình của chính phòng thí nghiệm đó.
Dòng đầu vào được lưu trong bộ nhớ đệm xứng đáng được chú ý hơn mức nó thường nhận được. Ở mức $0.003 mỗi triệu, giá lưu đệm của Hy4 flash rẻ hơn GLM-5.3-Flash gấp mười lần, và rẻ hơn cả mẫu flagship Tencent HY4 của chính nó gấp một trăm lần. Với một agent gửi lại một system prompt cố định, một schema công cụ và một tài liệu được truy xuất ở mỗi bước, tỷ lệ lưu đệm chính là mức giá bạn thực sự phải trả phần lớn thời gian, và mức chênh lệch gấp mười ở đó lớn hơn mức chênh lệch gấp đôi trên đầu vào mới. Nếu khối lượng công việc của bạn thiên về truy xuất, lợi thế của Hy4 flash lớn hơn mức giá niêm yết gợi ý. Nếu khối lượng công việc của bạn là tạo một lần và không tái sử dụng, lợi thế thu hẹp lại còn các tỷ lệ đầu vào và đầu ra.
Cả hai bảng giá đều có phần khuyến mại. TokenHub của Tencent Cloud đang giảm 50% trong một thời gian giới hạn không được công bố, và WorkBuddy miễn phí đến ngày 30 tháng 11. Mức giá ra mắt giảm 50% của Zhipu đã hết hạn vào ngày 9 tháng 9 năm 2026 và không được gia hạn, đó là lý do các con số $0,075 và $0,25 lưu hành vào cuối tháng 8 không còn áp dụng — mức giá ở trên là mức giá hiện hành. Hãy giả định chương trình khuyến mại của Tencent kết thúc theo cách tương tự và lập ngân sách theo giá niêm yết.
Chênh lệch về thông số nhỏ hơn chênh lệch về giá.

Hy4 flash kích hoạt 12 tỷ tham số mỗi token so với 18 tỷ của GLM-5.3-Flash, giảm một phần ba lượng tính toán trên mỗi token, và đó là lý do cơ học khiến nó có thể được bán với giá bằng một nửa. Phần thú vị nằm ở tổng số: 224 tỷ so với 320 tỷ, trong đó 64 tỷ trong tổng số của Tencent nằm ở các tham số Engram lưu giữ các liên kết đã học thay vì chạy trong mọi lượt lan truyền xuôi như một chuyên gia được định tuyến vẫn làm. Tencent chưa công bố số lớp, số chuyên gia hay độ rộng định tuyến cho Hy4 flash, nên điểm gần nhất với một so sánh kiến trúc là cả hai đều là mô hình mixture-of-experts thưa với một tỷ lệ kích hoạt nhỏ, và cả hai nhà cung cấp đều chọn thiết kế đó vì cùng một lý do — chi phí phục vụ tỷ lệ thuận với số tham số được kích hoạt, chứ không phải tổng số tham số.
Thiết kế của GLM-5.3-Flash được tài liệu hóa chi tiết hơn, và tài liệu đó có thể kiểm chứng được vì trọng số là công khai: 45 lớp, cơ chế attention lai giữa thưa và tuyến tính, một cách tiếp cận kết nối dư mà Zhipu gọi là Manifold-Constrained Hyper-Connections, và cơ chế IndexPool nén bốn vector khóa của bộ chỉ mục thành một pool có trọng số để giảm độ trễ ngữ cảnh dài. Quá trình tiền huấn luyện chạy trên kho ngữ liệu đa phương thức 30 nghìn tỷ token. Không có phần nào trong đó được kiểm toán độc lập, nhưng ít nhất đó là một mô tả đủ cụ thể để bất kỳ ai tải checkpoint về cũng có thể bác bỏ.
Sự bất đối xứng không nằm ở việc Zhipu công bố còn Tencent thì không. Cả hai đều công bố; họ công bố những loại thứ khác nhau. Zhipu mô tả một mô hình, tức là một tuyên bố về cấu trúc mà một checkpoint có thể xác nhận hoặc bác bỏ. Tencent mô tả một kết quả — một KV cache có kích thước bằng một phần sáu của flagship, độ dài đầu ra giảm một nửa nhờ self-distillation, tốt hơn 150 token mỗi giây khi decode từ lượng tử hóa bốn bit và một megakernel — tức là một tuyên bố về hành vi mà chỉ có tái tạo mới giải quyết được. Kết quả là những tuyên bố thú vị hơn về mặt thương mại và cũng khó kiểm chứng hơn. Với một mô hình có trọng số công khai, một tuyên bố về serving sẽ được người lạ kiểm tra trong vòng vài tuần; với một mô hình không có trọng số công khai, nó sẽ chỉ là một câu trên trang nghiên cứu chừng nào nhà cung cấp còn muốn.
Bạn có thể tải xuống một trong những thứ này
Đây là khác biệt mang tính quyết định đối với một phần đáng kể người mua, và khoảng cách không hề nhỏ. GLM-5.3-Flash được cấp phép MIT, ở định dạng FP8 và BF16, tại zai-org/GLM-5.3-Flash trên Hugging Face, và đã như vậy kể từ ngày 26 tháng 8 năm 2026. MIT cho phép sử dụng thương mại, sửa đổi, tinh chỉnh và phân phối lại mà không có ngưỡng doanh thu. Mô hình đã được công chúng sử dụng rộng rãi gần ba tháng, nghĩa là hệ sinh thái suy luận đã theo kịp nó: đã có các bản lượng tử hóa, đã có các công thức triển khai, và mọi tuyên bố về hành vi của nó đều có thể được kiểm chứng bằng cách chạy thử nó.
Đối với Hy4 flash, không có gì tương tự tồn tại. Cam kết ở đó chỉ là một câu về các kế hoạch tương lai, được rào đón bằng ý định tiếp tục lặp lại, và không nêu giấy phép nào cũng như không có ngày tháng. Tencent đã từng làm việc này một cách đúng đắn — bản xem trước tháng Tám ra mắt theo Apache 2.0 với trọng số trên bốn trang lưu trữ và công thức vLLM và SGLang ngay ngày đầu tiên — nên mô thức này không còn nghi ngờ gì. Điều còn nghi ngờ là sự rụt rè của ngôn từ hiện tại, nghe như một cam kết với một quy trình hơn là với một sản phẩm. Bất kỳ ai dự định tinh chỉnh, tự triển khai hoặc xây dựng mô hình chi phí quanh việc chạy suy luận của riêng mình nên coi Hy4 flash là chỉ có API cho đến khi một kho lưu trữ xuất hiện.
Sự bất đối xứng tương tự cũng áp dụng cho bằng chứng. GLM-5.3-Flash có hai con số từ một harness mà không nhà cung cấp nào trong hai tự viết: 27,8 trên Artificial Analysis Intelligence Index và 71,5 trên Coding Index của nó. Cả hai đều có thể kiểm chứng, và cặp số này nói lên một điều cụ thể: mức 71,5 về lập trình so với 27,8 trên chỉ số tổng quát mô tả một mô hình thực sự giỏi một việc và bình thường ở mọi việc còn lại, đúng như một phân khúc giá rẻ nên như vậy. Đó là kiểu khác biệt mà một điểm số tiêu đề duy nhất xóa nhòa, và đó là lý do các con số còn lại từ nhà cung cấp trong bài này được trình bày như các tuyên bố thay vì kết quả. Hy4 flash không có điểm số độc lập, và các kết quả benchmark của nó — DeepSWE, Terminal-Bench 4.0, APEX-Agents, OSWorld 2.1 và các bộ kiểm thử nội bộ của Tencent — chỉ tồn tại dưới dạng hình ảnh biểu đồ trên trang nghiên cứu của nhà cung cấp. Đó không phải lý do để không tin chúng. Đó là lý do để coi chúng như những giả thuyết.
Mỗi nhà cung cấp đã đo lường những gì và đã đánh bại ai
Cả hai công ty đều công bố các so sánh, và họ so sánh mình với những thứ khác nhau, điều đó cho bạn biết mỗi bên nghĩ điểm yếu của mình là gì.
Điểm nhấn của Tencent là một bài kiểm tra mù: 85 người dùng WorkBuddy, 27 danh mục nhiệm vụ, 259 nhiệm vụ công việc hằng ngày có thật, với Hy4 flash được báo cáo là đạt mức gần Claude Haiku 5.5 về độ hài lòng, đồng thời có chi phí trên mỗi nhiệm vụ thấp nhất và thời gian nhiệm vụ ngắn nhất trong nhóm khảo sát. Lưu ý là "gần", không phải "tốt hơn", và lưu ý rằng nhóm khảo sát là chính nhân viên của nhà cung cấp, trong chính sản phẩm của nhà cung cấp. Tuyên bố hỗ trợ là chi phí trên mỗi nhiệm vụ trên WorkIndex, bộ đánh giá tám bộ nội bộ của Tencent: bằng một phần mười ba của Hy4 preview, một phần hai mươi của Tencent HY4, một phần tám của DeepSeek-V4.1-Flash-1017. So với GLM-5.3-Flash, con số duy nhất được công bố là mức tăng 2,52% trong trò chuyện chung bên trong 元宝, đây là một chỉ số sản phẩm trên một ứng dụng tiêu dùng và không chuyển sang bất kỳ thứ gì bạn sẽ chạy.
Định vị của Zhipu thì khác: họ bán mô hình như một năng lực cận ngưỡng tiên phong với chi phí của dòng flash, định giá nó so với mô hình chủ lực 743B của chính họ, và chỉ ra trọng số mở cùng một kết quả đánh giá khai thác lỗ hổng như bằng chứng rằng mô hình rẻ không phải là đồ chơi. Các con số nội bộ của họ đã từng nhận một lần chỉnh sửa độc lập, và con số AA là con số nên trích dẫn.
Hệ quả thực tế là không bên bán nào đã công bố một so sánh đối đầu trên một harness trung lập, và phép so sánh mà bạn thực sự muốn — cùng tác vụ, cùng prompt, cùng harness, cả hai mô hình — thì không tồn tại. Bạn sẽ phải tự chạy nó. Mười tác vụ bạn vốn đã làm, có ghi lại số token, là đủ để ngã ngũ cho lưu lượng của bạn và đáng giá hơn bất kỳ trang ra mắt nào.
Hai cách đặt cược khác nhau vào tính đa phương thức
{{1}}GLM-5.3-Flash{{/1}} xử lý đầu vào văn bản, hình ảnh và video một cách tích hợp sẵn và là mô hình {{2}}GLM-5{{/2}} đầu tiên làm được điều đó thay vì định tuyến phần thị giác qua một bộ điều hợp riêng. Đó là một tuyên bố có tài liệu chứng minh và có thể kiểm chứng, đồng thời trọng số được công khai nên có thể kiểm tra mà không cần xin phép.
Hy4 flash được mô tả là đa phương thức, và bộ WorkIndex mà nó được đo lường bao gồm hiểu hình ảnh như một trong tám loại tác vụ. Tencent chưa cho biết nhánh thị giác là gốc hay là bộ chuyển đổi, chưa công bố kích thước của encoder và cũng chưa nói liệu có hỗ trợ video hay không. Điều tối đa có thể nói là đầu vào hình ảnh là một phần trong định vị của mô hình, và mô hình tiền nhiệm trong dòng — Tencent HY4, phát hành chính thức ngày 4 tháng 11 năm 2026 — đã bổ sung thị giác gốc và khả năng sử dụng máy tính như tính năng nổi bật, nên năng lực này là khả dĩ đối với một mô hình được chưng cất từ nó. Khả dĩ không có nghĩa là đã được tài liệu hóa.
Nếu ảnh chụp màn hình, biểu đồ, tài liệu quét hoặc khung hình video là yếu tố then chốt trong pipeline của bạn, thì GLM-5.3-Flash là mô hình mà bạn có thể kiểm chứng hành vi đa phương thức trước khi cam kết. Nếu hình ảnh chỉ xuất hiện không thường xuyên, khoảng cách đó ít quan trọng hơn giá cả.
Nơi quyết định ngã ngũ
Chọn Hy4 flash khi khối lượng là vấn đề và tác vụ mang tính chất công việc văn phòng. Xử lý tài liệu, truy xuất trên một kho ngữ liệu dài, tạo slide, công việc frontend đơn giản, các vòng lặp thao tác máy tính — đây là những khối lượng công việc mà Tencent đã xây dựng nó cho, những loại mà dữ liệu sản phẩm nội bộ của họ bao phủ, và là những trường hợp mà mức chiết khấu bộ nhớ đệm gấp mười lần và việc cắt giảm 50% độ dài đầu ra cộng dồn thành một thứ rẻ hơn cả một bậc độ lớn. Hãy chạy nó trên các tác vụ của riêng bạn trước và theo dõi token đầu ra: nếu mô hình thực sự súc tích hơn, hóa đơn của bạn giảm nhiều hơn so với dự đoán của bảng giá, và nếu nó súc tích hơn vì nó nông hơn, bạn sẽ thấy điều đó trong cùng phép đo.
Chọn GLM-5.3-Flash khi bạn cần sản phẩm thực tế, bản kiểm toán hoặc phương thức. Tinh chỉnh, phục vụ tại chỗ, dữ liệu chịu quản lý, giấy phép có thể trình cho luật sư, đầu vào video, hay điểm số từ một bộ kiểm thử không do bất kỳ ai tại Zhipu viết — tất cả những điều này đều chỉ về một hướng. Với mức $0.15 và $0.50, nó không hề đắt; nó chỉ khoảng một phần mười giá niêm yết của GLM-5.3 cho một mô hình đã trụ vững qua đo lường độc lập.
Hãy chọn cả hai khi khối lượng công việc là hỗn hợp. Cách hiểu trung thực về hai bản phát hành là chúng không thực sự là sản phẩm thay thế cho nhau: một là mô hình API tối ưu chi phí cho công việc hằng ngày khối lượng lớn, còn kia là một checkpoint mở với kiến trúc được tài liệu hóa dành cho bất kỳ thứ gì cần thoát khỏi sự kiểm soát của nhà cung cấp. Một bộ định tuyến tiếp cận được cả hai là câu trả lời rẻ hơn so với việc chọn một và bị sai.

Hôm nay thực sự có thể gọi được những gì
Đây cũng là điểm hai mô hình khác nhau về vận hành cũng như thương mại. GLM-5.3-Flash nằm trong danh mục OrcaRouter với mã z-ai/glm-5.3-flash ở mức giá niêm yết của nhà cung cấp là 0,15 USD mỗi triệu token đầu vào và 0,50 USD mỗi triệu token đầu ra, kèm theo một gói miễn phí bị giới hạn tốc độ để đánh giá. Hy4 flash không được định tuyến ở đây — Tencent chưa cung cấp nó cho chúng tôi — vì vậy bất kỳ ai muốn so sánh hai mô hình đều cần dùng TokenHub của chính Tencent cho phía flash và có thể dùng cùng một khóa OrcaRouter cho phía GLM.
Sự tách biệt đó đáng để tận dụng thay vì bực bội. OrcaRouter chuyển nguyên giá niêm yết của nhà cung cấp mà không cộng thêm, nghĩa là phía GLM trong so sánh của bạn được tính đúng theo mức giá của Zhipu và vẫn đúng nếu Zhipu thay đổi giá; không có bảng giá của nhà bán lại để bị lỗi thời. Và đối với chính việc đánh giá, việc có tencent/hy4-preview trên cùng một key với z-ai/glm-5.3-flash là hữu ích dù đây không phải mô hình đang được xét: bản preview là mô hình mà Hy4 flash được chưng cất từ đó, nên nó là đối chứng tự nhiên khi bạn kiểm tra xem câu trả lời của mô hình nhỏ có đứng vững không. Một key, hơn 200 mô hình, và một đường chuyển đổi dự phòng nếu một endpoint của tuần ra mắt hóa ra không đáng tin cậy — điều mà, với một mô hình được phát hành sáu ngày trước và không có hồ sơ thời gian hoạt động công khai, là một thứ hợp lý để mong muốn.

Giá cả không phải là vấn đề.
Tencent đã xây dựng mô hình rẻ hơn, và xét theo các con số thì nó rẻ hơn với một khoảng cách đáng kể: rẻ hơn một nửa ở đầu vào, hơn một nửa một chút ở đầu ra, và một phần mười ở bộ nhớ đệm. Điều mà họ chưa xây dựng là một mô hình bạn có thể kiểm tra. Không trọng số, không giấy phép, không chi tiết kiến trúc, không điểm số độc lập, các benchmark chỉ nằm sau pixel, và một so sánh nổi bật được rút ra từ một hội đồng gồm chính nhân viên của họ. Zhipu đã xây dựng mô hình đắt hơn và công bố đủ để những điểm yếu của nó — bao gồm một chỉ số của nhà cung cấp mà đo lường độc lập đã cắt giảm mười lăm điểm — được ghi nhận công khai để bạn có thể cân nhắc chúng.
Sáu ngày sau khi ra mắt, đó là hình thái của lựa chọn: một mức chiết khấu đã được chứng minh so với một mô hình chưa có tài liệu, hoặc một mô hình đã có tài liệu ở mức giá vẫn rất thấp. Mức chiết khấu có lẽ là thật và khoảng trống tài liệu có lẽ chỉ là tạm thời. Cả hai đều không chắc chắn, và cách để biết là dành một buổi chiều để đo lường thay vì dành một quý để lựa chọn.
So sánh trong bài viết này3
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
