
Hy4 flash so với Tencent HY4: Cùng một dòng, hai phân khúc và khoảng cách giá gấp mười hai lần
- 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 · 96 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 · 120 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
Tencent HY4 chính thức được phát hành rộng rãi vào ngày 4 tháng 11 năm 2026 dưới dạng mô hình 770 tỷ tham số với 49 tỷ tham số hoạt động mỗi token, có thị giác gốc, khả năng sử dụng máy tính và mức giá 0,834 USD cho đầu vào / 2,501 USD cho đầu ra trên mỗi triệu token. Mười hai ngày sau, vào ngày 16 tháng 11, Tencent ra mắt Hy4 flash: tổng cộng 224 tỷ tham số với 12 tỷ tham số hoạt động, vẫn ngữ cảnh một triệu token và giá 0,070 USD cho đầu vào / 0,281 USD cho đầu ra. Hy4 flash được xây dựng bằng cách chưng cất Tencent HY4 rồi huấn luyện bằng học tăng cường để nói ít hơn, và hướng dẫn của chính Tencent cũng nói đúng như vậy — dùng mô hình flash cho tìm kiếm chuyên sâu, tài liệu, slide, công việc frontend và sử dụng máy tính, còn giữ mô hình chủ lực cho kỹ thuật phần mềm dài hạn. Hướng dẫn đó thẳng thắn một cách bất thường đối với một buổi ra mắt, và nó cũng là điều hữu ích nhất trong cả hai bản phát hành.
Vậy đây không phải là cuộc so tài giữa các đối thủ. Đó là việc một công ty tách dòng sản phẩm của chính mình làm đôi và bảo bạn nên mua nửa nào, và những câu hỏi thú vị là mẫu nhỏ còn giữ được bao nhiêu phần của mô hình chủ lực, ranh giới tách thực sự nằm ở đâu, và mức chênh lệch giá gấp mười hai lần mua được gì ngoài token.
Ba bản phát hành trong mười một tuần
Nguồn gốc giải thích phần lớn mức giá. Tencent đã tung ra dòng sản phẩm này ba lần kể từ tháng Tám, và mỗi bản phát hành lại thay đổi một biến số khác nhau.
• 28 tháng 8 năm 2026 — bản xem trước Hy4. Apache 2.0, trọng số trên Hugging Face, ModelScope, GitCode và CNB, tổng 770B / 49B hoạt động, 78 lớp trong đó một lớp dense và 77 lớp mixture-of-experts với 256 chuyên gia định tuyến cộng thêm một chuyên gia chia sẻ, định tuyến top-8, ngữ cảnh 1.048.576 token, một lớp dự đoán đa token 10B với 0,7B hoạt động. ¥6 / ¥18 / ¥0,3 mỗi triệu token. Tám hàng benchmark đã công bố, công thức vLLM và SGLang, các giá trị mặc định lấy mẫu đã công bố.
• 4 tháng 11 năm 2026 — Tencent HY4. Cùng quy mô backbone, nhiều hơn đáng kể thời lượng pre-training và post-training, cùng hai năng lực mới: thị giác gốc trên hình ảnh chi tiết, biểu đồ và sơ đồ, và sử dụng máy tính qua chuột, bàn phím và dòng lệnh với huấn luyện chuyên biệt cho Blender, CAD và các tác vụ dài hạn xuyên ứng dụng. Giá vẫn là ¥6 / ¥18 / ¥0.3. Không có trọng số, không có giấy phép, không có model card, không có phụ lục benchmark.
• 16 tháng 11 năm 2026 — Hy4 flash. Tổng cộng 224B với 64B tham số Engram và 12B hoạt động, đa phương thức, ngữ cảnh 1.048.576 token, ¥0.5 / ¥2 / ¥0.02. Không có trọng số, không có giấy phép, không có model card, các con số benchmark chỉ được công bố dưới dạng hình ảnh biểu đồ.
Hướng đi đã rõ: dòng sản phẩm này ngày càng rẻ hơn và đồng thời kém cởi mở hơn. Thành viên rẻ nhất cũng là thành viên có ít giấy tờ nhất, và phiên bản duy nhất mà bất kỳ ai cũng có thể tải xuống là phiên bản từ tháng Tám.
Điều mà flagship vẫn làm được mà flash không làm được

Hai năng lực nằm ở mô hình chủ lực và không được tuyên bố cho mô hình nhỏ theo cùng cách diễn đạt.
Thị giác ở quy mô lớn. Bản phát hành HY4 đã trình diễn một bức ảnh hàng không 2,8 gigapixel, trong đó mô hình đã định vị được một cấu kiện mái nhà dài hai mét, điều này không hẳn là một kết quả thị giác mà đúng hơn là minh chứng rằng một cửa sổ một triệu token có thể chứa đồng thời một hình ảnh được ghép thành lát và một truy vấn. Hy4 flash được gọi là đa phương thức, và một trong tám loại tác vụ trong bộ WorkIndex của nó là hiểu hình ảnh, nhưng bản phát hành không cho biết bộ mã hóa là của riêng nó hay được gắn thêm, nó lớn cỡ nào, hoặc liệu video có được đưa vào hay không. Đối với công việc với tài liệu dày đặc và biểu đồ, mô hình hàng đầu là mô hình có một bản trình diễn đã được công bố đằng sau nó.
Sử dụng máy tính và công việc desktop dài hạn.Tencent đã huấn luyện HY4 riêng để điều khiển desktop xuyên nhiều ứng dụng, chạy nó trong một sandbox được xây dựng trên Agent Runtime của chính mình với vài trăm ứng dụng được cài đặt, và nêu Blender cùng CAD là các khối lượng công việc mục tiêu. Hy4 flash cũng được khuyến nghị cho việc sử dụng máy tính, đây là một nhượng bộ đáng kể — nhưng mô hình hàng đầu mới là mô hình gắn với mô tả huấn luyện, và dữ liệu WorkBuddy nội bộ cho thấy flash mất dần lợi thế trong các tác vụ lập trình dài ngay cả khi đạt ngang bằng trong công việc hằng ngày.
Mọi thứ khác trong cột của mẫu flagship đều là quy mô chứ không phải năng lực: 49 tỷ tham số hoạt động so với 12 tỷ, 78 lớp được ghi nhận so với một số lượng không được tiết lộ, 256 chuyên gia được định tuyến so với một con số không được tiết lộ. Nhiều tham số hoạt động hơn mang lại chiều sâu cho lý luận khó và chuỗi công cụ dài. Chúng không mang lại quyền truy cập vào cửa sổ ngữ cảnh, vốn giống nhau ở cả hai, hay vào tính đa phương thức về nguyên tắc, điều mà cả hai đều tuyên bố.
Sự khác biệt gấp mười hai lần đến từ đâu
Mức chênh lệch giá không phải là chiết khấu. Đó là số tham số hoạt động ít hơn bốn lần, cộng với một loạt thay đổi trong khâu phục vụ, và Tencent đặc biệt cụ thể về phần thứ hai.
Về mặt hiệu quả, theo phía nhà cung cấp: hybrid attention, LatentMoE và các tham số Engram kết hợp lại tạo ra một KV cache có kích thước bằng một phần hai mươi tư của Hy3 và bằng một phần sáu của Tencent HY4. Tự chưng cất từ HY4 rồi đến học tăng cường đã cắt giảm 50% độ dài đầu ra từ đầu đến cuối. Một megakernel suy luận với lượng tử hóa bốn bit và một đường giải mã có tên DFly duy trì tốc độ hơn 150 token mỗi giây. Mỗi điểm đều có vẻ hợp lý, mỗi điểm đều nhất quán với kiến trúc, và chưa có điểm nào được tái lập một cách độc lập.
Chỉ số KV cache là chỉ số thay đổi bài toán triển khai chứ không chỉ thay đổi giá. Trong ngữ cảnh một triệu token, kích thước cache quyết định có bao nhiêu yêu cầu dài đồng thời vừa trên một node, và một phần sáu cache của mẫu flagship với mức giá bằng một phần mười hai là sự kết hợp có thể biến một khối lượng công việc không sinh lời thành có lời mà không cần thay đổi gì về chất lượng mô hình. Việc cắt giảm 50% độ dài đầu ra mới là thứ thay đổi chất lượng, và đó là con số cần kiểm chứng: câu trả lời ngắn hơn thì rẻ hơn vì chúng ngắn hơn, và việc chúng ngắn hơn là do mô hình hiệu quả hay do mô hình đã ngừng suy nghĩ chính là điều mà nhà cung cấp không thể nói với bạn về chính mô hình của họ.
Để tham khảo về quỹ đạo của chính dòng mô hình này, Tencent báo cáo chi phí mỗi tác vụ trên bộ WorkIndex nội bộ của mình ở mức một phần mười ba so với Hy4 preview và một phần hai mươi so với Tencent HY4. Chi phí mỗi tác vụ là phép đo khác với chi phí mỗi token, bao gồm độ dài đầu ra và số lần thử lại, nên một phần hai mươi là con số vận hành trung thực còn một phần mười hai là giá niêm yết. Cả hai đều đủ lớn để không còn nghi ngờ về hướng đi.
Câu hỏi về chưng cất mà chưa ai trả lời
Một mô hình đã được chưng cất sẽ kế thừa hành vi của mô hình thầy ở những tác vụ mà quá trình chưng cất bao phủ, và tự tạo ra hành vi của riêng mình ở những phần còn lại. Tencent cho biết Hy4 flash được tự chưng cất từ HY4, khiến mô hình đầu bảng vừa là đối thủ vừa là tín hiệu huấn luyện — một cách sắp xếp thường tạo ra một mô hình nhỏ rất giỏi ở những gì mô hình thầy được rèn luyện kỹ, nhưng lại yếu đi rõ rệt ở những chỗ khác.
Dữ liệu sản phẩm nội bộ của công ty nhất quán với quy luật đó. Trong WorkBuddy, Hy4 flash có chi phí chạy chỉ bằng khoảng một phần mười lăm so với Tencent HY4, thời gian tác vụ giảm 70%, ngang bằng trên các tác vụ hằng ngày và giảm nhẹ ở lập trình dài. Trong các luồng agent của 微信支付, nó ngang bằng hoặc vượt DeepSeek-V4.1-Flash-1017 với ít hơn 6% số bước và ít hơn 29% token đầu ra. Trong phân tích nguyên nhân gốc rễ của 王者荣耀, nó đạt mức gần với cả DeepSeek-V4.1-Flash-1017 và GLM-5.3-Flash về định vị, trong khi sử dụng ít hơn 22% đến 39% số yêu cầu và ít hơn 40% đến 61% token. Trong 企业微信, nó cho đầu ra nhanh hơn 88% với ít hơn 60% token suy nghĩ so với HY4.
Khi đọc cùng nhau, những con số đó mô tả một mô hình xuất sắc ở dạng tác vụ mà dòng mô hình này được huấn luyện — tài liệu, tác nhân, đầu ra có cấu trúc, truy xuất — và kém hơn một chút ở những tác vụ mà chiều sâu bổ sung của mô hình giáo viên đã gánh vác phần việc. Đó là kết quả kỳ vọng của chưng cất và không phải là lời chỉ trích; đó là lý do để giữ cả hai hạng thay vì thay thế hạng này bằng hạng kia.
Điều mà cả hai mô hình đều không có
Cả bản flagship lẫn bản phát hành flash đều không đi kèm trọng số. Tencent cho biết họ dự định mở mã nguồn Hy4 flash và cập nhật thường xuyên, nhưng không có giấy phép, không có ngày phát hành và không có kho mã nguồn nào. Việc phát hành trọng số của chính Tencent HY4 cũng được công bố như một kế hoạch. Thành viên duy nhất của dòng này mà bạn có thể tải xuống hôm nay là Hy4 preview, Apache 2.0, trên Hugging Face từ ngày 28 tháng 8, và điều đó vẫn đúng sau mười một tuần và hai bản phát hành.
Cả hai đều không có điểm chuẩn độc lập. Artificial Analysis chưa công bố bất cứ điều gì cho Tencent HY4 hoặc Hy4 flash. Mọi con số trong cả hai bản công bố đều là của Tencent, các bảng đánh giá chuẩn tồn tại dưới dạng hình ảnh biểu đồ chứ không phải văn bản, và bài kiểm tra mù đằng sau tuyên bố nổi bật của mô hình flash là 85 nhân viên Tencent sử dụng một sản phẩm của Tencent trên các nhiệm vụ do Tencent lựa chọn. Điều đó không khiến các con số trở nên sai. Nó khiến chúng trở thành một giả thuyết ban đầu.
Cả hai đều không có cấu hình lấy mẫu được công bố, thẻ hệ thống hay tuyên bố về hành vi từ chối. Bản xem trước đã phát hành cả ba.
Sự phân chia thực tế
Hướng dẫn của Tencent khớp với hình thái khối lượng công việc rõ ràng hơn lời khuyên của hầu hết nhà cung cấp, và đáng để diễn đạt lại theo góc độ vận hành.
Mặc định dùng Hy4 flash cho mọi tác vụ chủ yếu là đọc. Tìm kiếm chuyên sâu, xử lý tài liệu, trích xuất trên đầu vào dài, tạo slide, dựng khung frontend đơn giản và các vòng lặp agent dành phần lớn token để gửi lại ngữ cảnh. Mức giảm giá bộ nhớ đệm gấp mười lần và dấu chân KV nhỏ hơn khiến truy xuất ngữ cảnh dài trở thành loại khối lượng công việc mà gói rẻ nhất rõ ràng là lựa chọn đúng đắn nhất, và dữ liệu nội bộ bao phủ chính xác đúng phạm vi đó.
Hãy chọn Tencent HY4 khi tác vụ là một chuỗi quyết định dài. Kỹ thuật phần mềm đa tệp, tự động hóa máy tính để bàn trong thời gian dài, công việc CAD và Blender, cùng bất kỳ tác vụ nào mà một lần chạy phải giữ cho kế hoạch nhất quán xuyên suốt hàng chục bước. Đây chính là trường hợp mà bản thân Tencent thừa nhận, và 37 tỷ tham số hoạt động bổ sung của mô hình chủ lực chính là cơ chế đằng sau đó.
Dùng bản xem trước Hy4 làm đối chứng. Nó cùng một dòng, cùng quy mô 770B/49B như mẫu chủ lực, có phụ lục benchmark được công bố, và trọng số Apache 2.0 mà bạn có thể tự chạy. Khi bạn cân nhắc liệu flash có đủ tốt hay không, bản xem trước cho bạn một điểm tham chiếu không phụ thuộc vào việc phải tin một biểu đồ.
Chạy so sánh ở đâu

Cả Tencent HY4 lẫn Hy4 flash đều không được định tuyến qua OrcaRouter. Những gì có ở đây là tencent/hy4-preview với mức giá niêm yết của nhà cung cấp là 0,834 đô la mỗi triệu token đầu vào và 2,501 đô la mỗi triệu token đầu ra, cùng một gói miễn phí bị giới hạn tốc độ, và tencent/hy3 ở mức 0,18 đô la và 0,59 đô la cho thế hệ cũ hơn. Hai mô hình trong bài viết này có thể truy cập qua TokenHub của chính Tencent, nơi gói flash hiện đang chạy chương trình giảm giá 50% trong một khoảng thời gian không được nêu rõ và WorkBuddy miễn phí đến ngày 30 tháng 11.
Tuyến xem trước có giá trị hơn vẻ ngoài của nó. Nó chạy cùng kiến trúc ở cùng quy mô như mô hình chủ lực, công bố phụ lục benchmark tám dòng mà bạn có thể chạy lại đối chiếu với checkpoint, và tốn chỉ một phần tư so với việc đánh giá mô hình chủ lực. Nếu câu hỏi của bạn là liệu mô hình lớn của dòng này có đủ tốt cho công việc của bạn không, bản xem trước trả lời điều đó với chi phí chỉ bằng một phần nhỏ; nếu câu trả lời là có, Hy4 flash là phiên bản để bạn cân nhắc giá so với nó, và mối quan hệ chưng cất khiến phép so sánh sạch một cách bất thường — cùng dòng, cùng ngữ cảnh, cùng dòng dõi tokenizer, chênh lệch gấp mười hai lần về chi phí bạn phải trả.
Một lý do để giữ việc đánh giá trên một router ngay cả với một dòng mô hình mà bạn chỉ có thể truy cập từ nhà cung cấp của nó: một mô hình được phát hành sáu ngày trước chưa có hồ sơ thời gian hoạt động công khai, và việc chuyển sang tencent/hy4-preview trên cùng một khóa chỉ là thay đổi một dòng nếu một endpoint hoạt động sai trong đợt khuyến mãi tuần ra mắt. Không có gì được cộng thêm trên mức Tencent tính — giá niêm yết chính là giá bạn trả — và khi Tencent điều chỉnh một mức giá, con số mới là thứ bạn trả trong lần gọi tiếp theo, không phải ở bản phát hành tiếp theo của bảng so sánh của ai đó. Cùng một thông tin xác thực cũng mở ra hơn hai trăm mô hình khác nếu việc đánh giá mở rộng ra ngoài dòng mô hình này.

Việc phân chia hạng chính là thông báo.
Điều hệ trọng nhất mà Tencent nói vào ngày 16 tháng 11 không phải là giá. Mà là việc mô hình chủ lực vẫn dành cho kỹ thuật phần mềm dài hạn trong khi mô hình rẻ đảm nhận công việc hằng ngày — một công ty đang chia chính dòng sản phẩm của mình theo trục mà khách hàng thực sự cảm nhận, và thừa nhận rằng mô hình rẻ không phải là sự thay thế cho mô hình đắt.
Với bất kỳ ai nằm trong phân khúc đó, quyết định rất dễ dàng và các con số rất lớn: giá đầu vào bằng một phần mười hai, giá đầu ra bằng một phần chín, bộ nhớ đệm bằng một phần trăm, số tham số hoạt động ít hơn bốn lần và dấu chân KV nhỏ hơn trên cùng cửa sổ một triệu token. Với bất kỳ ai nằm ngoài phân khúc đó — các phiên chạy tác tử dài, tự động hóa máy tính để bàn, mã nguồn nhiều tệp — mẫu flagship vẫn là câu trả lời của dòng sản phẩm và chính nhà cung cấp của nó cũng nói vậy.
Điều còn thiếu là bằng chứng, và nó thiếu ở cả hai phân hạng. Không có điểm số độc lập, không có trọng số cho cả hai mô hình mới, các bảng đánh giá chuẩn mà bạn phải đọc dưới dạng hình ảnh, và một so sánh nổi bật được lấy từ một hội đồng nội bộ. Chênh lệch giá gấp mười hai lần là một tuyên bố đủ mạnh để những người bên ngoài Tencent sẽ kiểm chứng nó trong vòng vài tuần. Cho đến khi điều đó xảy ra, lập trường hợp lý là lập trường mà chính hướng dẫn của Tencent ngụ ý: chạy phân hạng rẻ trên những tác vụ mà nó được tạo ra để làm, giữ mô hình chủ lực ở nơi công việc kéo dài, và đo lường cả hai thay vì chọn theo bảng giá.
So sánh trong bài viết này1
Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày
