Một thẻ hero được tạo có tiêu đề 'Hy4 flash vs Qwen3.8-Flash', với ô bên trái ghi Tencent, 16 tháng 11 năm 2026, $0.070 đầu vào và $0.281 đầu ra mỗi triệu, tổng 220B với 11.3B hoạt động, ngữ cảnh 1,048,576 token, đầu vào văn bản và hình ảnh với đầu ra văn bản, và chưa có điểm độc lập; và ô bên phải ghi Alibaba, trên QwenCloud từ ngày 26 tháng 8 năm 2026, $0.15 đầu vào và $0.47 đầu ra mỗi triệu, MoE 125B với khoảng 6B hoạt động, ngữ cảnh 1M và đầu ra tối đa 131K, đầu vào văn bản, hình ảnh và video với đầu ra văn bản, và Chỉ số Intelligence là 28.6 cho bản trọng số mở. Phần chân trang ghi rằng giá Hy4 flash là giá niêm yết của Tencent, giá Qwen3.8-Flash là giá niêm yết trên QwenCloud, và con số chỉ số là Artificial Analysis v5.0.1 dành cho Qwen3.8-Flash-Next.
Guides & Insights

Hy4 flash so với Qwen3.8-Flash: Gấp đôi tham số hoạt động, một nửa giá mỗi token

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

Mô hình rẻ hơn ở đây lại chính là mô hình lớn hơn. Hy4 flash kích hoạt 11,3 tỷ tham số văn bản trên mỗi token và có giá niêm yết 0,070 USD cho mỗi triệu token đầu vào. Qwen3.8-Flash kích hoạt khoảng 6 tỷ tham số và có giá niêm yết 0,15 USD. Lượng tính toán hoạt động trên mỗi token gần gấp đôi, trong khi giá đầu vào chưa bằng một nửa — và cả hai con số đó đều không phải là con số quyết định bạn thực sự nên gọi mô hình nào.

Hy4 flash mới ra mắt được hai ngày. Tencent đã đưa nó lên API riêng của mình vào ngày 16 tháng 11 năm 2026, công bố trọng số vào ngày hôm sau và phát hành ba kho lưu trữ cho nó: checkpoint instruct, bản dựng FP8 và một mô hình base. Đây là hỗn hợp chuyên gia 220 tỷ tham số với 12 tỷ tham số hoạt động, ngữ cảnh 1.048.576 token, đầu vào hình ảnh và đầu ra văn bản, theo Tencent Hy License. Qwen3.8-Flash đã có mặt trên QwenCloud kể từ khi Alibaba mở nó cùng với trọng số Qwen3.8-Flash-Next vào ngày 26 tháng 8 năm 2026: một phần thân chuyên gia 125 tỷ tham số kích hoạt khoảng 6 tỷ, cộng với bảng nhúng n-gram 51 tỷ tham số, nhận văn bản, hình ảnh và video vào và trả về văn bản, với ngữ cảnh 1M và đầu ra tối đa 131K.

Vậy hình dạng của phép so sánh này thật bất thường. Một mô hình là phân khúc giá rẻ được tài liệu hóa đầy đủ nhất trên thị trường, còn mô hình kia là mô hình ít được tài liệu hóa nhất. Một cái có một dòng đánh giá độc lập, còn cái kia có một 404. Và hai bảng giá được định giá bằng các loại tiền tệ khác nhau, bán vào các thị trường khác nhau, và được phòng ngừa rủi ro bằng những lượng chữ in nhỏ khác nhau. Phần thú vị không phải là mức 2,1x trên dòng đầu vào — mà là điều gì xảy ra với khoảng cách đó khi bạn ngừng định giá token và bắt đầu định giá công việc hoàn thành.

Việc đảo ngược trên bảng giá, trước mọi thứ khác

Bảng giá tại Trung Quốc đại lục của Tencent cho Hy4 flash ghi ¥0,5 mỗi triệu token đầu vào, ¥2 mỗi triệu token đầu ra và ¥0,02 mỗi triệu token đầu vào được lưu trong bộ nhớ đệm. Tencent báo cùng ba dòng giá đó bằng đô la là $0,070, $0,281 và $0,003. Bảng giá của QwenCloud cho Qwen3.8-Flash ghi $0,15 đầu vào, $0,47 đầu ra, $0,016 cho một lần đọc bộ nhớ đệm và $0,20 mỗi triệu cho việc tạo rõ ràng bộ nhớ đệm năm phút.

• Đầu vào — $0.070 so với $0.15. Hy4 flash rẻ hơn 2,1 lần.

• Đầu ra — $0,281 so với $0,47. Hy4 flash rẻ hơn 1,7 lần.

• Đầu vào được lưu trong bộ nhớ đệm — $0.003 so với $0.016. Hy4 flash rẻ hơn 5,3 lần ở khoản mục chiếm phần lớn chi phí của bất kỳ agent nào gửi lại một prompt cố định.

• Giá trộn theo tỷ lệ đầu vào:đầu ra là 3:1 — khoảng 0,123 USD mỗi triệu so với 0,230 USD.

• Kết hợp theo tỷ lệ 1:3, ưu thế đầu ra — khoảng $0.228 so với $0.390.

Đó là một khoảng cách có thật và nhỏ hơn mức mà tỷ lệ nêu trên tiêu đề ngụ ý, bởi vì cột đầu ra mới là nơi cả hai mô hình thực sự chi tiền cho công việc tác tử, và khoảng cách về đầu ra chỉ là 1,7 lần. Nó cũng nhỏ hơn khoảng cách mà mỗi mô hình trong số này thể hiện so với một mô hình hàng đầu phương Tây, tức công ty mà mỗi mô hình đều giữ ở phân khúc này.

Lưu ý trung thực cho cả năm dòng: đây không phải cùng một loại giá. Của Tencent là mức giá niêm yết bằng nhân dân tệ ở đại lục mà Tencent đã quy đổi cho độc giả tiếng Anh, và Tencent đã áp dụng giảm giá khuyến mại cho mô hình này ngay trong tuần đầu tiên. Của QwenCloud là mức giá niêm yết bằng USD trên một endpoint toàn cầu. Một nhóm mua bằng USD từ ngoài Trung Quốc đại lục nên coi các con số của Hy4 flash là mức sàn của những gì hiện có, thay vì con số họ sẽ được xuất hóa đơn, và nên đọc lại thẻ giá trước khi lập mô hình dựa trên bất cứ điều gì trong đó.

Cứ chạy với khối lượng đó đi, vì cấu trúc chi phí vẫn giữ nguyên. Mười triệu token đầu vào và hai triệu token đầu ra mỗi ngày tốn $1.26 trên Hy4 flash và $2.44 trên Qwen3.8-Flash — $461 so với $891 trong một năm, chênh lệch khoảng $430 ở mức khối lượng công việc mà một nhóm nhỏ thực sự có thể tạo ra. Đẩy tỷ trọng sang cache, như mọi agent đa lượt vẫn làm, thì khoảng cách còn nới rộng: hai triệu đầu vào mới, tám triệu lượt đọc cache và hai triệu đầu ra chỉ tốn $0.73 một ngày so với $1.37, bởi tỷ lệ đọc cache là 5,3 lần chứ không phải 2,1 lần.

A generated two-column scoreboard for Hy4 flash and Qwen3.8-Flash across six shared dimensions: input price $0.070 against $0.15, output price $0.281 against $0.47, cached input $0.003 against $0.016, active parameters 11.3B of 220B against roughly 6B of 125B, video input no against yes, and independent score none against 28.6. A footer notes the prices are Tencent and QwenCloud list rates and the 28.6 is Artificial Analysis Intelligence Index v5.0.1 for Qwen3.8-Flash-Next.

Cả hai nhà cung cấp đều dành gần một phần ba số tham số cho cùng một ý tưởng.

Đây là phần của cuộc so tài mà bài đăng ra mắt của cả hai nhà cung cấp đều không đặt cạnh bài của bên kia, và chính nó là lý do giá của hai mô hình chỉ chênh nhau trong khoảng gấp đôi thay vì gấp mười lần.

Hy4 flash mang 63,5 tỷ tham số Engram — các biểu diễn bigram và trigram đã học, được truy xuất thông qua tra cứu băm đa đầu, được gắn vào xương sống tại các lớp 1, 11, 21 và 31. Đó là 28,9% trong tổng số 220 tỷ tham số của mô hình nằm trong một bảng tra cứu thay vì trong các chuyên gia. Qwen3.8-Flash mang một bảng nhúng n-gram 51 tỷ tham số, được khóa theo token hiện tại cùng một số token đứng trước, trong tổng khoảng 180 tỷ tham số trên đĩa — 28,3%.

Hai phòng thí nghiệm, hai thế hệ, cùng một kết luận: cách rẻ nhất để thêm năng lực cho một mô hình thưa là ngừng trả chi phí tính toán theo từng token cho nó. Cả hai bảng đều có thể nằm trong bộ nhớ máy chủ và được tải trước bất đồng bộ, nên không bảng nào chiếm dụng vĩnh viễn bộ nhớ GPU. Không bảng nào thêm một phép nhân ma trận vào lượt truyền xuôi. Xét cho cùng, cả hai đều là một canh bạc rằng phần lớn những gì một mô hình ngôn ngữ cần biết có thể dự đoán cục bộ từ vài token gần nhất, và rằng phần thân chuyên gia thưa nên được dành cho những gì không thể.

Các stack attention cũng có điểm tương đồng. Hy4 flash xen kẽ IndexPool sparse attention với cửa sổ trượt 512 token theo tỷ lệ 1:3 trên 42 lớp, và Tencent báo cáo KV cache thu được bằng 1/24 của Hy3 và 1/6 của Hy4. Qwen3.8-Flash dùng Gated DeltaNet với Qwen Sparse Attention, nén lịch sử thành các trạng thái kích thước cố định ở ba trong số bốn lớp và định tuyến phần còn lại qua một indexer cấp khối. Cả hai đều là câu trả lời cho cùng một câu hỏi — làm sao phục vụ cửa sổ một triệu token mà không phải trả giá cho KV cache một triệu token — và cả hai câu trả lời đều quy về một dạng nào đó của "đừng attend vào mọi thứ."

Sự khác biệt nằm ở thứ mà các tham số hoạt động bổ sung mang lại. Hy4 flash chạy 11,3 tỷ tham số văn bản so với 6 tỷ của Qwen3.8-Flash, trên 41 lớp MoE với 16 trong số 512 chuyên gia được định tuyến cùng một chuyên gia chia sẻ, trong không gian ẩn 1.536 chiều. Đó là gần gấp đôi phép tính trên mỗi token, trong một mô hình tính phí chưa bằng một nửa trên mỗi token. Dù còn điều gì khác đúng, Tencent không thu hồi chi phí đó từ khách hàng — họ thu hồi từ ngăn xếp phục vụ: trọng số 4-bit, megakernel và DFly2, một bộ nháp 0,85 tỷ tham số tái sử dụng KV thưa và các lựa chọn chỉ mục của mô hình đích để mỗi token nháp chỉ chú ý đến tối đa khoảng 2.000 khóa bất kể độ dài ngữ cảnh. Tencent đưa giải mã vượt 150 token mỗi giây với ba thứ đó kết hợp lại.

29,5 phút cho mỗi tác vụ thực sự mang lại được gì

Giá trên mỗi token là đơn vị không phù hợp cho cả hai mô hình này, và dữ liệu độc lập làm điều đó trở nên cụ thể ở một bên của phép so sánh.

Artificial Analysis chấm điểm Qwen3.8-Flash-Next — sản phẩm trọng số mở, không phải SKU được lưu trữ — đạt 28,6 trên Intelligence Index v5.0.1, với $0,569 mỗi tác vụ, trong 29,5 phút mỗi tác vụ, ở 83,6 token đầu ra mỗi giây, với 2,5 giây đến token đầu tiên và 68,3 giây đến token trả lời đầu tiên.

Năm con số đó khi nhân với nhau sẽ cho ra một thứ hữu ích hơn bất kỳ con số nào trong số chúng khi đứng riêng. Với tốc độ 83,6 token mỗi giây trong 1.768 giây, một tác vụ tạo ra khoảng 148.000 token đầu ra. Ở mức 0,47 USD mỗi triệu token, đó là khoảng bảy xu đầu ra. Năm mươi xu còn lại trong 0,569 USD là đầu vào, với mức 0,15 USD mỗi triệu token, điều đó hàm ý ít nhất 3,3 triệu token đầu vào cho toàn bộ tác vụ — nhiều hơn nếu một phần được phục vụ từ bộ nhớ đệm với mức giá rẻ hơn. Một đầu vào 3,3 triệu token so với ngữ cảnh 1 triệu token không phải là một prompt duy nhất. Đó là một vòng lặp: đọc, hành động, đọc lại, kéo dài đến hai mươi hoặc ba mươi lượt, với ngữ cảnh được xây dựng lại hoặc mang theo mỗi lần.

Đó chính là khối lượng công việc mà cả hai mô hình được xây dựng để xử lý, và đó là lý do các lựa chọn thiết kế của Hy4 flash lại được hiểu theo cách như hiện nay. Quy trình hậu huấn luyện của Tencent đã cắt giảm 50% lượng đầu ra trung bình từ đầu đến cuối thông qua học tăng cường, và đánh giá mù nội bộ của họ báo cáo thời gian hoàn thành tác vụ trung vị là 6,7 phút với chi phí 0,26 RMB mỗi tác vụ — khoảng 0,037 USD theo tỷ giá hiện hành. Bộ WorkIndex nội bộ của họ đặt Hy4 flash ở mức 42,1 so với 39,7 của Hy4 preview, với chi phí trung bình mỗi tác vụ mà Tencent công bố là một phần mười ba của Hy4 preview, một phần hai mươi của Hy4 và một phần tám của DeepSeek-V4.1-Flash-1017 theo giá giờ cao điểm.

Đừng chia những con số đó cho số liệu của Artificial Analysis. Mức trung vị 6,7 phút trên 259 tác vụ WorkBuddy với 85 người dùng nội bộ không phải là mức trung vị 29,5 phút trên Intelligence Index, và con số RMB trên mỗi tác vụ từ bộ kiểm thử của chính nhà cung cấp không phải là con số đô la trên mỗi tác vụ từ một bộ kiểm thử độc lập. Phép so sánh mà chúng hỗ trợ mang tính định hướng và đáng được nói thẳng: chi phí đo được trên mỗi tác vụ của Qwen3.8-Flash bị chi phối bởi việc nó dùng bao nhiêu token và mất bao lâu, chứ không phải bởi mức giá nó tính trên mỗi token. Một mô hình viết ít đi một nửa và hoàn thành chỉ trong một phần năm thời gian có thể rẻ hơn 1,7 lần trên mỗi token đầu ra và rẻ hơn một bậc độ lớn trên mỗi công việc hoàn thành. Liệu Hy4 flash có thực sự là mô hình đó hay không chính là điều chưa ai đo được.

Bảng điểm chỉ có một hàng, và nó không dành cho mô hình mà bạn sẽ gọi.

Hai tiết lộ, cả hai đều làm thay đổi mức độ đáng tin cậy mà những con số ở trên có thể mang.

Đầu tiên: Hy4 flash không có trang Artificial Analysis nào. Không phải điểm thấp, cũng không phải một mục chưa được xếp hạng — https://artificialanalysis.ai/models/hy4-flash trả về 404 vào ngày 18 tháng 11 năm 2026, ba ngày sau khi API mở và một ngày sau khi weights được phát hành. Hoàn toàn không có đo lường độc lập nào về mô hình này. Bảng benchmark được Tencent công bố chỉ bao gồm các checkpoint base đã được huấn luyện trước, Hy4 flash Base đối chiếu với Hy4 Base và các mô hình base của DeepSeek, điều này cho biết về quá trình tiền huấn luyện và không nói gì về mô hình instruction hay chế độ reasoning mà bạn thực sự sẽ gọi. Bằng chứng duy nhất về mô hình instruction là của chính Tencent: WorkIndex, bài kiểm tra mù và tỷ lệ chi phí trên mỗi tác vụ.

Thứ hai: 28.6 và $0.569 thuộc về Qwen3.8-Flash-Next, bản checkpoint có thể tải xuống. Qwen3.8-Flash được host trên QwenCloud là một bản build serving được tinh chỉnh riêng; Alibaba bán nó như thành viên đã được sản phẩm hóa của dòng này và hai bản không thể thay thế cho nhau. Artificial Analysis cũng ghi nhận Qwen3.8-Flash-Next ở ngữ cảnh 256.000 token — cửa sổ gốc của checkpoint trước khi mở rộng bằng YaRN — trong khi QwenCloud phục vụ mô hình được host ở 1M với đầu vào tối đa 991K. Nếu bạn đang định giá mô hình được host, bạn đang dựa vào card của QwenCloud và các đánh giá của chính Alibaba cho mọi thứ trừ điểm trí tuệ, vốn là của checkpoint.

Sự bất đối xứng ấy rõ rệt đến mức dễ nói mà khó giải quyết: một mô hình có điểm độc lập thuộc về một sản phẩm khác, còn mô hình kia không có điểm độc lập nào cả. Bất kỳ bài viết nào trao cho bạn người thắng cuộc về năng lực ở đây đều đang bịa ra một người thắng. Điều có thể nói thì hẹp hơn và vẫn hữu ích. Qwen3.8-Flash với 28,6 nằm dưới Tencent Hy4, mô hình hàng đầu 770 tỷ tham số cùng dòng, ở mức 34,6, và dưới Claude Haiku 5.5 ở mức 36,5 trên cùng phiên bản chỉ số — một điểm tầm trung vững chắc, đúng như một mô hình flash nhỏ nên tạo ra. Hy4 flash, trên bộ đánh giá nội bộ của chính Tencent, đạt điểm cao hơn Hy4 preview và thấp hơn Hy4 đáng kể, tức là cùng một vị trí tương đối bằng một công cụ khác.

Video là hàng duy nhất tự quyết định.

Mọi điều ở trên đều có thể tranh luận. Điều này thì không.

• Đầu vào flash Hy4 — văn bản và hình ảnh, thông qua một bộ mã hóa dẫn xuất từ SigLIP2-So400m trên một bộ chiếu MLP. Đầu ra là văn bản.

• Đầu vào Qwen3.8-Flash — văn bản, hình ảnh và video. Đầu ra là văn bản.

Nếu pipeline của bạn nạp vào một bản ghi màn hình, một bản ghi cuộc gọi hay một tệp video, Hy4 flash không thể nhận nó còn Qwen3.8-Flash thì có. Trọng số mở không giúp được gì, adapter không giúp được gì, và lợi thế về giá dù lớn đến đâu cũng không lấp được khoảng cách đó. Cả hai đều chứa được một triệu token ngữ cảnh, cả hai đều xử lý được tài liệu và ảnh chụp màn hình, và trên nền tảng chung đó cuộc so sánh vẫn còn bỏ ngỏ; còn với video thì đã ngã ngũ.

Các khối lượng công việc được chính Tencent khuyến nghị cho Hy4 flash đều nhất quán với ranh giới đó — tìm kiếm chuyên sâu, xử lý tài liệu, tạo bài trình chiếu, demo frontend đơn giản, sử dụng máy tính — và hướng dẫn của chính họ lại chuyển kỹ thuật phần mềm tầm xa sang Hy4. Đó là việc một nhà cung cấp thừa nhận có một giới hạn trần, điều này có thông tin hơn phần lớn nội dung quảng bá khi ra mắt và đáng để tiếp nhận theo đúng nghĩa đen.

Cả hai đều có thể tải xuống, và các bản tải xuống không tương đương nhau.

A screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the Image-Text-to-Text pipeline tag, the Tencent Hy License, a 220B parameter model size in BF16 with F32 tensor type, mixture-of-experts, multimodal, instruct and conversational tags, 96 likes, and a table of contents covering model introduction, capability, cost efficiency, blind evaluation, benchmark results, the DFly2 speculative draft model and quantisation.

Hy4 flash được phát hành dưới dạng trọng số mở vào ngày 17 tháng 11: tencent/Hy4-flash, tencent/Hy4-flash-FP8 và tencent/Hy4-flash-base. Một danh sách tệp vào ngày 18 tháng 11 cho thấy checkpoint BF16 có dung lượng 440,5 GB gồm 148 shard và bản dựng FP8 là 287,1 GB. Qwen3.8-Flash-Next đã được công khai từ ngày 24 tháng 8 và có dung lượng 360,0 GB gồm 131 shard.

• Công thức phục vụ — Tencent công bố các image được ghim phiên bản, vllm/vllm-openai:hy4-flash và lmsysorg/sglang:hy4-flash, với các cờ tensor-parallel-8 và speculative-decoding được ghi rõ ràng. Qwen3.8-Flash-Next đã được SGLang, vLLM và Transformers hỗ trợ ngay từ tuần ra mắt.

• Transformers — Hy4 flash yêu cầu cài đặt từ một ref pull-request, refs/pull/50903/head, vì hỗ trợ vẫn chưa có trên main. Qwen3.8-Flash-Next tải từ main.

• Lượng tử hóa — Tencent phát hành bản dựng FP8 chính thức và một bản AngelSlim GGUF; hệ sinh thái Qwen đã có bốn tháng để tạo ra các bản lượng tử hóa cộng đồng của riêng mình.

• Tín hiệu hệ sinh thái — Qwen3.8-Flash-Next ghi nhận 2,983,542 lượt tải xuống trong tháng qua và 7,276 lượt thích vào ngày 18 tháng 11. Hy4 flash, được phát hành một ngày trước đó, cho thấy 96 lượt thích và số lượt tải xuống bằng không.

• Phần cứng — 440 GB trọng số BF16 không vừa trên tám thẻ 80 GB, vì vậy bản dựng FP8 ở 287 GB trên tám H100 là triển khai một nút thực tế, và đó chính xác là cấu hình TP=8 mà công thức của chính Tencent chỉ định.

Pinned images và cài đặt theo PR-ref không phải là lý do loại trừ; chúng có nghĩa là bạn đang chạy các bản build mà Tencent đã kiểm thử chứ không phải các bản build đã phát hành, đó là khác biệt về việc ai sẽ chịu trách nhiệm cho lỗi tiếp theo. Lợi thế của Qwen ở đây hoàn toàn là hệ quả của bốn tháng thời gian trôi qua, và nó sẽ mai một. Hôm nay lợi thế đó là thật, và là khoảng cách lớn thứ hai trong so sánh này, sau dòng benchmark còn thiếu.

Cả hai giấy phép đều có điều khoản mô hình dưới dạng dịch vụ, và chúng là hai điều khoản khác nhau.

Cả hai mô hình đều được tải xuống miễn phí và không mô hình nào được phép bán lại một cách vô điều kiện, nhưng các điều kiện kích hoạt không giống nhau và sự khác biệt đó rất quan trọng nếu bạn lưu trữ mô hình cho người khác.

• Giấy phép Tencent Hy v1.0 — một dẫn xuất của Apache 2.0. Mục 10.2 yêu cầu một giấy phép bằng văn bản riêng nếu bạn vận hành doanh nghiệp mô hình dưới dạng dịch vụ và tổng doanh thu gộp trên toàn cầu của bạn vượt quá 50 triệu USD trong bất kỳ khoảng thời gian mười hai tháng nào, hoặc sản phẩm của bạn vượt quá 100 triệu người dùng hoạt động hàng tháng. Mục 10.3 miễn trừ việc sử dụng nội bộ.

• Qwen Community License 1.0 — yêu cầu giấy phép riêng cho bất kỳ hoạt động kinh doanh Model-as-a-Service hoặc AI Work Assistant nào, bất kể quy mô, với việc sử dụng nội bộ được miễn trừ. Giấy phép này cũng yêu cầu riêng việc hiển thị tên mô hình một cách nổi bật nếu bạn vượt quá 100 triệu người dùng hoạt động hàng tháng hoặc 20 triệu đô la Mỹ doanh thu hàng tháng.

• Điểm ngoại lệ của Qwen đáng đọc kỹ hai lần — giấy phép loại trừ rõ ràng "việc chỉ chuyển tiếp yêu cầu tới các mô hình do các bên thứ ba khác lưu trữ" khỏi định nghĩa Model as a Service của mình. Giấy phép của Tencent không có câu tương đương.

Cả hai đều không mang hạn chế về lãnh thổ, điều mà không thể nói như vậy đối với một số giấy phép trọng số mở của Trung Quốc. Nếu bạn đang xây dựng một công cụ nội bộ, cả hai đều miễn phí ở mọi quy mô. Nếu bạn đang xây dựng một sản phẩm bán lại suy luận, ngưỡng của Tencent đơn giản hơn và điều khoản miễn trừ chuyển tiếp của Qwen dễ dãi hơn đối với một loại bên trung gian cụ thể, và việc cái nào ràng buộc bạn phụ thuộc vào việc bạn đang ở trong loại hình kinh doanh nào trong hai loại đó.

Hôm nay có thể gọi gì chỉ với một phím

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, showing the Qwen3.8 Flash heading, a 1M-token context and 131K maximum output, text, image and video input with text output, vision, tools, JSON and reasoning capability tags attributed to Qwen with a 26 August 2026 date, zero data retention availability, a 10.00-second p50 time to first token, and the start of the model description as a multimodal reasoning model from Alibaba.

Qwen3.8-Flash có trong danh mục OrcaRouter với mã qwen/qwen3.8-flash, với giá $0.15 cho mỗi triệu token đầu vào và $0.47 cho mỗi triệu token đầu ra, cùng $0.0184 cho mỗi lượt đọc bộ nhớ đệm — mức giá đầu vào và đầu ra do QwenCloud công bố được chuyển nguyên đến bạn với mức chênh lệch 0%, vì vậy khi nhà cung cấp giảm giá cho mô hình này, bạn sẽ nhận được mức giảm ngay trong ngày nó diễn ra thay vì phải chờ đến lần đồng bộ danh mục tiếp theo.

Hy4 flash chưa có trong danh mục. Những gì hiện có cho dòng này là tencent/hy4-preview với giá $0.834 và $2.501 mỗi triệu token, cùng mức đọc bộ nhớ đệm $0.042 — mô hình mà Hy4 flash được chưng cất từ đó, và là mốc chuẩn phù hợp để chạy đối chiếu với API của chính Tencent trong lúc bạn chờ tuyến flash ra mắt. Nói khác đi sẽ là khẳng định một tuyến mà chúng tôi không có.

Sự bất đối xứng đó mang lại cho bạn một cách rẻ để tự mình phân xử tranh luận. Hãy chạy hai mươi tác vụ đại diện nhất của bạn trên {{1}}qwen/qwen3.8-flash{{/1}} bằng khóa bạn đã có, và trên {{2}}Hy4 flash{{/2}} qua khóa của Tencent. Ghi lại token đầu vào, token đầu ra, số lần trúng bộ nhớ đệm, thời gian thực tế và liệu đầu ra có dùng được không. Tỷ lệ trên mỗi tác vụ mà bạn nhận được là phiên bản duy nhất của tuyên bố một phần mười ba của Tencent áp dụng cho lưu lượng của bạn, và nó tốn một buổi chiều thay vì một cuộc chuyển đổi.

Khi tuyến flash thực sự ra mắt, mô hình hữu ích là một quy tắc định tuyến chứ không phải một công tắc: đặt tầng tiếp nhận video trên tuyến Qwen vì đây là tuyến duy nhất trong hai tuyến chấp nhận video, và đặt tầng văn bản và tài liệu trên mô hình mà số liệu của chính bạn ủng hộ. DSL định tuyếndiễn đạt sự phân tách đó trong một điểm cuối, chuyển đổi dự phòng tự động nghĩa là một tuyến mới hai ngày chưa được kiểm chứng bị suy giảm sẽ không làm sập cả pipeline theo, và cùng một khóa truy cập được hơn 200 mô hình mà không cần hợp đồng thứ hai.

Quyết định, được phát biểu thành ba trường hợp

Nếu bạn cần đầu vào video, thì cuộc so sánh kết thúc tại đây. Qwen3.8-Flash đáp ứng được, còn Hy4 flash thì không, và không một lập luận nào về giá có thể cứu vãn khi thiếu hẳn một phương thức.

Nếu bạn cần một mô hình có điểm số độc lập trước khi nó tiếp cận một lộ trình hướng tới khách hàng, thì bạn đã có câu trả lời của mình vì lý do tương tự. 28.6 trên Intelligence Index v5.0.1 là một con số khiêm tốn — thấp hơn 34.6 của mô hình chủ lực của chính Tencent và thấp hơn Claude Haiku 5.5 ở mức 36.5 — nhưng nó được đo lường, công khai và có thể tái lập, còn Hy4 flash không có thứ gì tương tự. Điều đó có lẽ sẽ thay đổi; đó là thứ có giá trị nhất mà bất kỳ ai có thể công bố về mô hình này.

Nếu khối lượng công việc của bạn là văn bản và tài liệu với lưu lượng lớn, nhạy cảm về độ trễ và bạn có thể tự chạy đánh giá, thì Hy4 flash đáng để bỏ ra một buổi chiều. Gần gấp đôi tham số hoạt động với mức giá đầu vào chưa bằng một nửa không phải là một sự đánh đổi thông thường; dòng giá đầu vào được lưu bộ nhớ đệm ở mức $0.003 khiến việc nhắc lại các tác nhân chạy dài hạn gần như miễn phí, và các trọng số nghĩa là mức giá chỉ là một lựa chọn chứ không phải lựa chọn duy nhất. Hãy bước vào với hiểu biết rằng bạn là người đầu tiên đo lường nó, rằng bảng điểm chuẩn đã công bố của nó mô tả một checkpoint khác với checkpoint bạn sẽ gọi, và rằng 440 GB trọng số BF16 sẽ không vừa trên một nút nếu không có bản dựng FP8.

Con số đáng để theo dõi không phải là một bài đăng ra mắt khác. Đó là một dòng Artificial Analysis dành cho Hy4 flash, vì nó chuyển tỷ lệ nội bộ của nhà cung cấp thành một con số mà bạn có thể đặt trực tiếp so với mức 0,569 USD mỗi tác vụ trong 29,5 phút của Qwen3.8-Flash-Next. Nếu Hy4 flash nằm thấp hơn đáng kể so với mức đó về chi phí mỗi tác vụ trong khi vẫn giữ trong phạm vi vài điểm chỉ số, thì khoảng cách giá chính là toàn bộ câu chuyện và phân khúc này sẽ tái cấu trúc quanh nó. Nếu nó rẻ vì làm ít việc hơn mỗi tác vụ, thì đó là một mô hình làm tài liệu và slide với bảng giá tốt bất thường, và hướng dẫn triển khai của chính Tencent đã nói như vậy.

So sánh trong bài viết này3

Phát hiện từ bài viết này