Claude Sonnet 5.5 对比 Tencent HY4 Preview：两家实验室都在兜售 token 账单

相隔六周推出的两次发布，用不同的话做出了同一个承诺。供应商的说法是，Claude Sonnet 5.5于 2026 年 9 月 28 日发布，与 Claude Sonnet 5 相比，在每 token 费率不变的情况下，“每个任务成本最多降低 30%”。第二个说法是，2026 年 8 月 28 日首次发布并开源的Tencent HY4 Preview托管版本，于 9 月 7 日进行的优化，能在任务质量不变的前提下，减少推理轮次和每个任务的 token 消耗。两家供应商都没有为此提高或降低价格。两者都在告诉你，如今 token 才是产品本身，而这场对比中有意思的地方在于，只有其中一个说法可以对照已公布的每任务数据加以核实——因为这两个模型中只有一个拥有可供核对的独立测量结果。

这种不对称并不是对 Tencent 的贬低。HY4 Preview 没有 Artificial Analysis 模型页面，没有独立的 Intelligence Index 评分，也没有来自任何第三方的单任务成本数据。它拥有的是厂商基准测试表——Terminal-Bench 2.1 为 85.4，DeepSWE 为 64.3，一项覆盖 203 个工程任务的内部盲测中，它平均得分 2.99，而 GLM-5.3 为 2.92、Kimi K3 为 2.94——以及在 WebDev Arena 排行榜上公开的众投首秀，Tencent 称其总排名约第五，在开放权重模型中排名第三。所有这些都是真实信号。但它们没有一个是单任务成本，这意味着两家厂商正在比拼的那个确切数字，对于 HY4 Preview 来说，无法获得。

各方实际交付了什么

Tencent HY4 Preview 是一个拥有 7700 亿参数的混合专家模型，每个 token 激活 490 亿参数，包含 78 层、256 个路由专家外加 1 个共享专家、一个用于投机解码的原生 MTP 层，以及超过 100 万 token 的上下文窗口。它在设计上仅支持文本——Tencent 为编程智能体、复杂工具调用和生产力工作而构建，并非面向图像——并且默认采用重度推理，提供三档可配置级别（高、低、无），以及厂商推荐的采样设置：temperature 0.9 和 top_p 1.0。权重采用 Apache 2.0 许可，可从 Hugging Face、GitHub、ModelScope 和 GitCode 下载。Tencent 最初指出了该预览版的两个粗糙之处：思考时间超出必要，以及过度核验自己的工作，而 9 月 7 日的更新正是针对这两点。

Claude Sonnet 5.5 是 Anthropic 的第二款 5.5 代模型，也是其定位为产品阵容中速度与智能最佳结合的模型。一百万 token 上下文，同步 128,000 输出 token，在 Message Batches API 上为 300,000，支持文本、图像和文件输入，可在可选 effort 下进行自适应思考，2026 年 6 月知识截止，发布时即可提供零数据保留，退役下限为 2027 年 9 月 28 日。价格表相较 Claude Sonnet 5 没有变动：每百万输入 $2.00，每百万输出 $10.00，缓存读取 $0.20，缓存写入 $2.50。闭源权重，Anthropic API 以及 Bedrock、Google Cloud 和 Microsoft Foundry。

将两者相互对照，位置几乎是对称的：

• 价格 — Claude Sonnet 5.5 每百万 $2.00 输入 / $10.00 输出，对比我们目录中的 Tencent HY4 Preview $0.83 输入 / $2.50 输出，供应商报价单为 ¥6 / ¥18

• 缓存读取 — 我们的价目表上，Claude Sonnet 5.5 每百万 $0.20，Tencent HY4 Preview 每百万 $0.042

• 权重 — Claude Sonnet 5.5 闭源 vs Tencent HY4 Preview Apache 2.0，可下载

• 上下文 — Claude Sonnet 5.5 的 1,000,000 tokens 对比 Tencent HY4 Preview 的 1,048,576 tokens，实际上并无二致

• 最大输出 — Claude Sonnet 5.5 同步为 128,000，Batches 为 300,000，而 Tencent HY4 Preview 在我们的目录中为 64,000

• 输入模态 — Claude Sonnet 5.5 支持文本、图像和文件，而腾讯 HY4 Preview 仅支持文本

• 独立评分 — Claude Sonnet 5.5 智能指数 56，每任务 7.60 美元，修订版 v4.3.2，对比腾讯 HY4 Preview：未公布

• 实测输出速度——在我们自己的流量上，Claude Sonnet 5.5 为 138.7 tokens/秒，腾讯 HY4 Preview 为 22.3 tokens/秒

两家实验室都在提出的主张，以及为什么其中之一是可以核查的

Anthropic 的“每任务减少 30%”和 Tencent 的“更少的推理轮次、更低的 token 消耗”，是从两个方向描述同一个工程项目：让模型用更少的 token 得出相同答案。Anthropic 明确表示费率没有变化，这意味着任何每任务节省都只能来自 token 数量——而独立榜单让你看到问题的形态，而不是解决方案的规模。Claude Sonnet 5.5 在 Intelligence Index 评估中生成了 4.1 亿个输出 token，而 MiniMax M3 为 1.17 亿，Grok 4.5 为 7700 万。它是一个冗长的模型——这是在一个会公布该数字的榜单上测出来的。无论相比 Claude Sonnet 5 的这 30% 提升最终意味着什么，它都是在应用到一个非常庞大的基数上。

对于 HY4 Preview，公开渠道并不存在对应的数字。Tencent 自己的优化说明是唯一的相关记述，而它在陈述结果时没有给出数字：更少的轮次、更低的输入和输出 token、相同的质量，并通过基准指标和人工评估进行了双重验证。严格来说，这是一种厂商声明——有所陈述、看似合理、未经复现——本文也如此标注。仅凭厂商关于 token 经济性的说法就采用一个预览模型，而 token 经济性恰恰是你无法从外部衡量的东西，这正是预览版发布要求你下的赌注。

在任何人围绕那项优化规划自托管部署之前，还有一个细节值得了解。Tencent 9 月 7 日的改动适用于 Tencent 在其自有托管端点上提供的构建。开放权重快照并未刷新——Hugging Face 仓库的最后修改日期仍为 8 月 28 日——因此，自托管的权重副本运行的仍是预览说明所标出的原始、推理更长的行为。优化后的版本与可下载的版本并非同一产物。

开源权重的用武之地，始终是在同一个地方：无法调用 API 的部署场景。一个总参数 770B、激活参数 49B 的模型，属于数据中心级别的决策，而非工作站级别的决策，所以这并不是 30B 模型所讲述的那种笔记本级故事——但对于需要把模型留在自有边界内的买家来说，这一规模上的 Apache 2.0 是 Claude Sonnet 5.5 无论出价多高都不会提供的选项。

试用预览版，而不把生产路径押在它上面

预览模型正是这样一种情况：路由不再是一种成本优化，而变成了风险控制。把预览构建放在路由器后面，而不是直接调用它，原因在于预览的本质就是它可能会在你脚下发生变化；而你希望它前面这一层提供的两样东西，是按百分比分流，以及某种能捕获故障的机制。

这就是 OrcaRouter 提供的形态：一个兼容 OpenAI 的端点，覆盖 200 多个模型，提供商标价原样透传，不额外加价，上游提供商之间的自动故障转移，以及一套用于从多个模型组合出调用的路由 DSL。 Tencent HY4 Preview 今天可在此路由为 tencent/hy4-preview，每百万 tokens 输入 $0.83、输出 $2.50，在其 1,048,576-token 窗口内缓存读取为 $0.042——同一构建，按提供商费率，可从你已用于目录中其他所有内容的同一密钥访问。 Claude Sonnet 5 也在此可路由，价格为 Anthropic 的 $2.00 和 $10.00，并且自 6 月 30 日起一直如此；当一个刚发布一天的模型还在积累生产证据时，它显然是一个合适的故障转移伙伴。

Claude Sonnet 5.5 本身并不在我们的产品目录中。它昨天才发布，通往它的路径是 Anthropic 自己的 API，而本页不会暗示别的可能——路由建议的要点在于，要在生产环境中运行一个全新层级，安全的做法是给它分配一部分流量，并让某种经过验证的东西在背后支撑，而只有在这种安排的两端都位于你能从一个地方访问到的位置时，这才会奏效。HY4 Preview 在这里每周承载 37.2 万个 token 的流量，这就是一个刚上线两天的预览版在还没有人真正投入之前的样子；Claude Sonnet 5 自 6 月 30 日以来每周承载 790 万个 token，而这就是候选者与基本盘之间的差别。

钱到底流向何处

仅从费率上看，HY4 Preview 的输出价格比 Claude Sonnet 5.5 便宜四倍，缓存读取价格便宜近五倍，而且上下文窗口也与之持平。而在实测方面，Claude Sonnet 5.5 在我们自己的流量上生成输出的速度快了六倍——每秒 138.7 个 token，对比 22.3 个——正是这种差距，使得四倍的费率优势在实际耗时上缩水不少，一旦把排队因素考虑进去，有时甚至会变成劣势。

在这两个事实之间，决定取决于四个只有读者本人才能回答的问题。这项工作是否需要在提示词中包含图像或文件？HY4 Preview 仅支持文本，这就足以终结讨论。它是否需要完成多步骤的软件任务——而 HY4 Preview 在 Terminal-Bench 2.1 上 85.4 的分数是腾讯自己给出的数字，且未经复现？那么预览状态就是你所承担的风险，而 9 月 7 日的优化值得重新测试，而非直接采信。工作负载是否必须运行在你自己的边界之内？那么 Apache 2.0 权重就是决定性事实。而综合能力水平是否比价格更重要？那么 Claude Sonnet 5.5 经独立测得的 56 就是值得权衡的数字，每项 Index 任务 7.60 美元，但需注意腾讯一侧并不存在可与之比较的对等数字。

这两次发布真正说明的是，前沿已经不再以价目表为基准。两家实验室相隔六周发布了模型，并主打每任务 token 消耗量，而不是每百万 token 的价格；对买家而言，实际结果是那个有用的数字已不再出现在任何一方的定价页面上。它是你自己的负载在两个模型上实测产生的 token 数量，也是本文中两家供应商都无法给你的那个数字。