
Hy4 flash 现已开放权重:下载前请阅读第 10 节
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 138 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 176 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 87 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 118 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 187 tok/s
腾讯 Hy 许可证 1.0 版是 Apache 2.0 的衍生版本,多出了一个附加条款,而正是这个条款使得这次发布需要仔细阅读,而不能只是把检查点拉下来。第 10.2 条规定,如果你经营模型即服务业务,并且你的全球总收入在任意连续十二个月内超过 5000 万美元——或者你的产品月活跃用户超过 1 亿——那么你在使用这些权重或继续使用它们之前,需要获得腾讯单独的书面许可。第 10.3 条豁免了内部使用。Apache 授权中免版税权利位于第 2 条,而第 10.2 条开头写的是“尽管有第 2 条和第 3 条的规定”。因此,下载是免费的,但部署并非无条件免费,而两者之间的界线取决于陌生人能否通过你的基础设施访问该模型。
这就是腾讯于 2026 年 11 月 17 日 03:44 UTC 发布内容的基本框架:当时三个仓库在九十秒内相继出现在 Hugging Face 上:Hy4 flash,指令微调的聊天模型;Hy4 flash-FP8,同一模型的 FP8 版本;以及 Hy4 flash-Base,完全未经过后训练的预训练检查点。该指令模型总参数量为 2200 亿,其中 640 亿位于 Engram 表中,每个 token 激活 120 亿参数,输入端原生支持多模态,并配置了 1,048,576 个 token 的上下文窗口。它就是腾讯两天前、也就是 11 月 16 日上线 API 的同一款模型,区别在于你现在可以在自己拥有的硬件上运行它。
三个仓库里实际上有什么?
这次拆分比大多数开放权重发布更清晰,因为这三个检查点确实是不同的东西,而不是同一个产物的三个文件名。
• Hy4 flash — 包含 instruct 模型、聊天模板和推理模式。支持将 reasoning_effort 设为 high(默认值,开启思考)和 no_think(直接回答)。Tencent 建议 temperature 设为 0.9,top_p 设为 1.0。
• Hy4 flash-FP8 —— 同样的权重经过量化,用于生产服务。官方 vLLM 和 SGLang 配方指向的正是它,腾讯也表示它在 tensor-parallel-8 节点上可超过每秒 150 个 token。
• Hy4 flash-Base —— 仅预训练。模型卡明确指出,该模型“是预训练基础模型,而非经过指令微调的聊天模型”,这一点很重要,因为发布中的所有基准测试表都是基座模型对基座模型的对比。指令微调模型的数字来自厂商的 WorkIndex 和盲测数据,而非公开评测套件。
元数据中有两个细节比表面看起来更重要。第一个是这些仓库在 pipeline 层面被标记为 image-text-to-text,因此视觉编码器随权重一同发布,而不是在下游另行外挂。第二个是数字上的出入:Tencent 在 11 月 16 日的发布材料中将该模型描述为 224B,而模型卡自己的表格合计为 220.3B——155.5B 主干、63.5B Engram、0.43B ViT、0.85B DFly2 草稿模型。在各自语境下,两个数字都没有错;224B 这个数字似乎把 DFly2 草稿模型计入其中,并采用了不同的舍入方式,而模型卡的表格则把 Engram、ViT 和 DFly2 排除在自身的 155.5B 主干一项之外,随后又把它们加回来。当厂商为同一个模型给出两个总量时,应以模型卡为准。

这套架构不过是一个披着架构外衣的成本论证。
如果把这项设计理解为一种能力展示,几乎说不通;但如果把它理解为一种缩小 KV 缓存和解码步骤的方法,那就完全说得通了。
• 注意力机制——稀疏 IndexPool 注意力与 512 token 滑动窗口注意力以 1:3 的比例交错,基于多头潜在注意力(MLA)形式。稀疏层通过组级选择最多选取 2,048 个 token;在 42 层主干中,共有 12 个稀疏层和 30 个 SWA 层。
• 路由 — 每个 MoE 层有 512 个路由专家加一个共享专家,每个 token 激活 16 个路由专家,并在维度为 1,536 的 LatentMoE 空间中运行,而非完整的专家宽度。
• Engram——在主干层 1、11、21 和 31 通过多头哈希查找检索到的学习所得二元组和三元组表示。这就是卡片中与主干分开统计的 63.5B。
• Drafter——DFly2,一种 5 层 0.85B 的推测解码模型,它复用目标模型的稀疏 KV 缓存和索引器选择,而不是维护自己的缓存。腾讯声称,无论上下文多长,每个草稿 token 的草稿成本都恒定为约 2,048 个键,并且不额外占用 KV 内存。
• 主要效率指标——KV 缓存仅为 Hy3 的 1/24、Hy4 的 1/6,该数据由厂商报告,未经独立测量。
• 后训练——从 Hy4 进行自蒸馏并结合强化学习,腾讯称这可将平均端到端输出 token 数减少 50%。更短的输出正是成本节省很大一部分的实际来源,而这部分在任何按 token 计价的价格表中最不显眼。
综合起来看,这是一个经过工程设计的模型:服务 1M token 上下文所需的成本,不再等同于通常服务 1M token 上下文的成本。上下文长度是营销话术;KV 缓存占比才是其背后的工程主张。

腾讯衡量了什么,又没有衡量什么
本节中的每一个数字都来自腾讯,由腾讯自己的评测框架产出,且没有任何一项在公司外部得到复现。Artificial Analysis 没有 Hy4 flash 的页面——截至 11 月 18 日,该模型的 URL 返回 404——因此没有任何第三方评分可以与其中任何一项数字并列对照。
基座模型表格将 Hy4 flash-Base 与 Hy4 Base、Hy3 preview Base、DeepSeek-V4-flash-Base 和 DeepSeek-V4-Pro-Base 进行比较,且全部在同一流水线上。它之所以是本次发布中最诚实的表格,恰恰是因为它输掉了一些行:MMLU-Pro 上,Hy4 flash-Base 为 71.1,而 Hy4 Base 为 73.9,DeepSeek-V4-Pro-Base 为 73.4;SimpleQA 上,Hy4 flash-Base 为 37.5,而 Hy4 Base 和 DeepSeek-V4-Pro-Base 分别为 57.2 和 52.1。在它胜出的地方,它在中文和多语言行上大幅领先——C-Eval 92.0、CMMLU 91.6、AGIEval Chinese 90.6、Belebele 93.8、INCLUDE 82.8——这正是你对一个优先为 Tencent 自家产品打造的模型会有的预期。
在看分数之前,先读卡片上的小字。Tencent 声明,在中期训练期间大量接触合成指令数据,会使模型偶尔无法遵循“少样本评估中预期的答案格式,这可能会扭曲分数”——这是一家供应商在指出,它自己的某些行可能衡量的是格式合规性,而不是能力。在你自己的评测框架得出相同结论之前,请把下面的每个数字都视为上限。
该 Instruct 模型完全没有公开的基准测试表。取而代之的是 WorkIndex——一个包含八大任务族的内部套件:幻灯片创建、幻灯片编辑、人机协作撰写幻灯片、Markdown 协作撰写、文档编辑、电子表格修复、音视频处理和视觉理解。Hy4 flash 在该套件上得分 42.1,而 Hy4 preview 为 39.7,Hy4 本身为 51.4;公司给出的每任务平均成本为 Hy4 preview 的 1/13、Hy4 的 1/20,以及高峰时段定价下 DeepSeek-V4.1-Flash-1017 的 1/8。此外还有一项盲测,涉及 85 名内部 WorkBuddy 用户、27 个类别中的 259 项任务;其中 Hy4 flash 的满意度得分为 2.79(满分 4 分),Claude Haiku 5.5 为 2.81,每任务中位耗时 6.7 分钟、成本为人民币 0.26 元。
这些是对真实人群的真实测量。它们也是对从事腾讯式工作的腾讯员工的测量,评分依据是腾讯自己编写的评分标准,而与竞争对手满意度评分之间 0.02 分的差距,远在任何可能成立的噪声范围之内。应把 WorkIndex 的排序仅视为供应商提供的一个方向性信号,仅此而已。
许可证才是本次发布真正会受到评判的地方。
开放权重并不等于开源,而 Tencent Hy License 让这一区别异常具体。四个条款决定了特定团队可以做什么:
• 基础授权 — Apache 2.0 的许可,包括商业使用、修改和再分发,适用于权重、参数、配置、推理代码和文档。
• MaaS 触发条件——如果您向第三方提供对推理或微调的远程访问,并且在任何十二个月期间内的全球总营收超过 5000 万美元,则需要单独的书面许可。源自该模型的收入计入其中,与该模型无关的收入也同样计入:该条款写道:“无论此类收入是否源自本作品。”
• 规模触发条件——在任何自然月月活跃用户超过 1 亿的产品中使用这些权重之前,同样适用该要求,无论收入水平如何。
• 两项例外——模型访问仅限于特定功能而非通用提示的终端用户产品,不属于 MaaS 的定义范围;而“仅将请求转发给独立运营的第三方模型服务”也被排除在外。仅供内部使用则完全豁免。
将其与 ERNIE 5.5 Flash Base 检查点上的许可证相比,后者将欧盟、英国和韩国完全排除在许可地域之外。腾讯则没有排除任何地域,而是对规模征税。对于基于这些权重构建产品的初创公司来说,这份文件比地域性禁令要友好得多。而对于中型推理服务提供商来说,则是在上线前给 [email protected] 打一通电话。
提供服务:三条真实路径,全部锁定
部署方案比发布周的 API 方案更完整,但它也比受支持的产品更脆弱,具体就体现在早期框架支持一贯脆弱的那种方式上。
• vLLM——官方镜像 vllm/vllm-openai:hy4-flash,张量并行 8,FP8 检查点,--attention-backend FLASHMLA_SPARSE,DFly 推测解码为 5 个 token,以及 hy_v4 工具调用与推理解析器。
• SGLang — lmsysorg/sglang:hy4-flash,跨 x86 和 Arm 的多架构,张量并行 8,--speculative-algorithm DFLY,块大小为 6。
• Transformers——尚未正式发布。卡片会提示你从拉取请求引用(refs/pull/50903/head)安装,直到合并落地,这最能说明它有多新。
• 量化 — 来自 AngelSlim 工具包的 GGUF 构建已提供链接,用于端到端测试,仓库中还附带了微调指南。
固定镜像和 PR 引用意味着,该模型目前能在腾讯测试过的确切构建上运行,但可能无法在任一框架的下一个小版本上运行。在把它放到生产端点后面之前,这一点值得了解;对于真正要部署的人来说,这也是为什么框架配方比基准测试表更重要。
开放权重对 API 价格的影响
腾讯在中国大陆对 Hy4 flash 的标价为:每百万输入 token 0.5 元、每百万输出 2 元、缓存命中 0.02 元——按当前汇率约合 0.070 美元、0.281 美元和 0.003 美元。这些只是厂商的价目表,并非实测结果。
改变的不是权重发布时的那个价格。改变的是它下面的底价。一个可下载的模型还有第二个价格,即运行它所用 GPU 的成本,而前面描述的整套架构论证了:对于 1M 上下文模型来说,这第二个价格异常低。Tencent 自己的每任务成本比 1/8 到 1/20,就是这一论点用厂商算术的表达。
OrcaRouter 通过一个 API 路由 200+ 个模型,以 0% 加价透传提供商的标价,因此供应商调价当天就会在我们这边生效,而不是等到下一次目录重建。Hy4 flash 本身尚未进入该目录——目录里有的是 tencent/hy4-preview,即这个模型蒸馏自的 770B/49B 教师模型,输入 $0.834、输出 $2.501 每百万 token,缓存读取费率为 $0.042。如果你想在承诺自托管 FP8 部署之前评估这个系列,预览版就是你今天可以调用的模型;等数据经得起检验后,你再迁移到权重版本。自动故障转移是这种策略的另一半,因为一个两天前的检查点运行在 PR-ref Transformers 构建上,正是那种你会希望后面还有第二条路由的依赖。

看什么
有三件事将决定这次发布在六个月后是否仍然重要,而它们中没有一个是那张基准测试表。
第一,404 问题。Hy4 flash 没有独立评分。在 Artificial Analysis 或同等机构对其运行评测之前,本文中的每一项能力声明都属于 Tencent,而诚实的立场是:该模型尚未经过测量,而不是测量结果良好。第二,框架合并:当 Transformers 支持不再只存在于拉取请求 50903 中,并且 vLLM 和 SGLang 镜像不再被锁定版本时,该模型就不再是研究产物,而成为基础设施。第三,许可证解释——第一家基于这些权重运营 6000 万美元 MaaS 业务的公司,将告诉所有人第 10.2 节实际上是如何被解读的。
腾讯在公告结尾写道“敬请期待即将推出的Hy4”,这相当于承诺:成本图表中WorkIndex得分为51.4的模型也将获得同样的处理。若果真如此,那么有趣的问题就不再是腾讯能否推出一个廉价的开放权重轻量模型,而是它能否推出一个昂贵的模型,在能力而非价格上展开竞争。
本文中的对比2
根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新
