
Hy4 flash 对比 Claude Haiku 5.5:这场对比腾讯自己做的,还公开了败绩
- 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
腾讯有人认定,Hy4 flash 的合适对手是 Claude Haiku 5.5,于是把这两个模型放到公司自家 85 名 WorkBuddy 用户面前,覆盖 259 项任务,而且即便结果是输了,也照样公布了。Hy4 flash 在用户满意度上拿到 4 分制中的 2.79 分。Claude Haiku 5.5 拿到 2.81 分。在 4 分制上,这是 0.02 分的差距,由挑战者测量,而且用的是挑战者自己的任务——而这是 Hy4 flash 这次发布中最有意思的一个数字,因为它告诉你腾讯真正相信自己卖的是什么。不是更好的模型,而是一个足够接近、以至于差距一经满意度调查就不复存在的更便宜模型。
该发布内容的其余部分支持这一解读。Hy4 flash 于 2026 年 11 月 17 日以开放权重形式发布,而在此前两天,它已于 11 月 16 日上线腾讯 API:总参数 220B,每 token 激活参数 12B,上下文长度 100 万 token,支持图像输入和文本输出。Claude Haiku 5.5 自 2026 年 10 月 7 日起正式可用,价格为每百万 token 0.10 美元和 0.50 美元。这两款模型都不在 OrcaRouter 目录中,本文也不会假装它们在;可路由的内容将在接近结尾处讨论,而那是另外一对模型。
盲测,正确解读
腾讯对此次评测的说明只有三句话和一张图表,而这张图表有其明确用意:它将满意度与端到端完成时间中位数、每任务成本对照绘制,让在两个维度上胜出的模型一目了然。数据是:Hy4 flash 为 2.79/4,Claude Haiku 5.5 为 2.81/4;Hy4 flash 的完成时间中位数为 6.7 分钟,每任务成本为人民币 0.26 元。腾讯的说法是,在所有受评模型中,Hy4 flash 的每任务成本最低,完成时间中位数也最短。
这篇报告没有提供的是受评估模型的完整集合、按类别划分的细分结果,以及评分标准。它确实说明了总体情况:85 名内部用户、27 个类别、259 项任务,全部来自 WorkBuddy,即腾讯自家的生产力助手。这是一次连贯的评估,但并不是一次中立的评估。当员工评估自己雇主的模型时,他们知道哪个模型是自己的;即便是在盲测界面中,任务也是腾讯挑选的,因为它们类似腾讯的产品。
0.02 这个差距的有用之处,在于它无论偏向哪一方,都会影响论证。如果你倾向于相信这项测试,那么你就有 Tencent 的说法作依据:在办公场景下,它相对于 Claude Haiku 5.5 的能力差距微不足道;而这是一种违背自身利益的说法。如果你倾向于不信任这项测试,同一项测试也没有给你任何理由相信 Hy4 flash 更好,于是你就只剩下成本这一列可看,而这恰恰是 Tencent 无论如何都想让你关注的地方。
两个模型实际上的差异所在
规格表在满意度评分无法体现的方面存在差异。下文中的每个数据均为厂商自行发布的规格,除非标注为 Artificial Analysis 的测量结果。
• 总参数与激活参数——Hy4 flash 总参数为 220B,其中 64B 位于 Engram 表中,每个 token 激活 12B;Claude Haiku 5.5 的参数数量未披露,这对 Anthropic 来说是正常的。
• 上下文窗口 — Hy4 flash 为 1,048,576 个 token;Claude Haiku 5.5 为 1,000,000 个。
• 最大输出 —— 按服务配置,Hy4 flash 上为 64,000 个 token;Claude Haiku 5.5 上为 128,000 个 token,是前者的两倍。
• 输入模态——Hy4 flash 通过源自 SigLIP2 的 27 层编码器接收文本和图像;Claude Haiku 5.5 的发布材料以文本和工具使用为核心,其在视觉方面的公开能力范围也更窄。
• 许可 — Hy4 flash 以 Tencent Hy License 发布,其 Section 10.2 要求:当 MaaS 收入超过 5000 万美元或 MAU 达到 1 亿时,需另行达成协议;Claude Haiku 5.5 为专有模型,完全没有权重。
• 独立评分——Hy4 flash 没有独立评分,其 Artificial Analysis URL 返回 404;Claude Haiku 5.5 在 Max effort 下于 Intelligence Index v5.0.1 上得分 36。
• 每个 Index 任务的实测成本——根据 Artificial Analysis,Claude Haiku 5.5 为 $0.41;Hy4 flash 未进行实测,因为它不在榜单上。
输出上限是最可能在实际使用中带来麻烦的那一行。一个具备 1M 上下文和 64k 输出的模型,其配置适合大量阅读和适度写作;如果一个文档起草工作流期望在单次响应中输出超过 64,000 个 token,就无法使用它。Tencent 自身推荐的用途——深度搜索、文档处理、幻灯片创建、简单前端演示、计算机使用——与这一上限是一致的。长文生成不在其中。
价格比较并不是拿一个数字去和另一个数字相比
腾讯 Hy4 flash 的中国大陆费率为每百万输入 token ¥0.5、每百万输出 ¥2、每缓存输入 token ¥0.02——约合 $0.070、$0.281 和 $0.003。Claude Haiku 5.5 公布的价目表起价为每百万输入 $0.10、每百万输出 $0.50,五小时缓存和一小时缓存的缓存写入费用分别为 $0.125 和 $0.625,缓存读取费用为 $0.01。
按这些标称费率,Hy4 flash 的输入费用大约便宜 30%,输出费用便宜 44%,缓存命中时便宜 70%。两者对前十万个 token 都采用统一费率。差别在于之后会发生什么:Anthropic 的价目表规定,一旦请求的输入 token 超过 100,000 个,Claude Haiku 5.5 的输入价格就从每百万 token 0.10 美元上调到 0.50 美元,输出价格从 0.50 美元上调到 2.50 美元。对于一份 200,000 token 的文档,Claude Haiku 5.5 的计费是其标称输入费率的五倍,这使得该对比变成 0.50 美元对腾讯的 0.070 美元——差距是 7 倍,而不是 30%。
这是一种设计选择,而不是什么花招,而且有其站得住脚的逻辑:长输入需要更高的预填充成本,所以供应商会对它们收取更多费用。但这意味着,对于这两个模型都声称擅长的恰恰是这类工作负载而言,那个宣传数字并不是正确的数字。按定义,100 万上下文下的文档处理就是一项超过 100,000 个 token 的工作负载。如果你的用例是长文档工作,那就按适用于你提示词长度的那些行来给这两个模型定价,而不是看价目表顶部。
延迟:腾讯测量的指标并非 Anthropic 发布的指标
腾讯报告称,Hy4 flash 在 WorkBuddy 任务上的端到端完成时间中位数为 6.7 分钟。Artificial Analysis 报告称,Claude Haiku 5.5 在 Max effort 下每个 Intelligence Index 任务耗时 14.7 分钟,首个答案 token 的时间为 192 秒——而且榜单将该模型标记为“每个任务明显偏慢且非常冗长”,该指数运行共产生 298M 个输出 token。
这两个数字不可比较,也不应相减。任务不同、测试框架不同、对“完成”的定义也不同。它们所能确立的是:Claude Haiku 5.5 的 effort 设置是一个量程极宽的延迟旋钮,而它的最高档在实际耗时上非常昂贵:
• Max — 指数 36,每项任务 14.7 分钟,首个 token 耗时 192 秒,输出 token 数为 2.98 亿。
• Xhigh — Index 35,9.6 分钟,首个 token 耗时 44 秒,151M tokens。
• 高 — 指数 30,6.4 分钟,首个 token 用时 21 秒,8980 万 token。
• 中等 — 索引 25,3.9 分钟,首个 token 用时 10 秒,5270 万 tokens。
• 低 — 指数 19,2.2 分钟,首 token 耗时 5.8 秒,29.9M tokens。

所有五行都是基于 v5.0.1 的 Artificial Analysis 测量结果。列出这些结果的意义在于,“Claude Haiku 5.5 得分 36”这一说法针对的是 Anthropic 提供的最昂贵配置。在其高设置下,它得分为 30,并且完成时间不到一半。任何将延迟敏感型产品与 Max 数字进行比较的人,都是在与一个他们不会交付的设置进行比较。
Hy4 flash 有同样的调节旋钮,只是形式更粗糙:reasoning_effort 可设为 high(这是默认值),或 no_think。两个档位对五个档位。如果你的工作负载需要中间档位——开启思考,但不是最大化——Claude Haiku 5.5 提供了这个旋钮,而 Hy4 flash 大多没有。

决定这一点的三件事,而这两份规格表上都没有。
API 接口层面。Claude Haiku 5.5 的请求格式比其前代更严格,某些方面会破坏代码。Anthropic 的文档会拒绝任何非默认值的 temperature、top_p 和 top_k,不再支持 assistant 预填充,移除了手动 budget_tokens,并要求特定版本的 computer-use 工具集。Hy4 flash 接受完整的采样参数集,推荐 temperature 0.9 与 top_p 1.0,并为 vLLM 提供 hy_v4 工具调用和推理解析器。如果你有一个通过 temperature 扫描调优的提示词库,其中一个模型可以原样运行它,而另一个会返回 400。
部署形态。Claude Haiku 5.5 只是一个 API,仅此而已。Hy4 flash 则是一个 API、一个 Hugging Face 仓库、一个 FP8 构建、一个基础检查点、一种 GGUF 量化,外加一份微调指南。这本身并不自动构成优势——你自托管的模型,就是你需要运维、打补丁并做容量规划的模型——但它是“供应商关系”与“资产”之间的区别;而对于有数据驻留要求或微调需求的团队来说,在任何基准测试被拿来参考之前,它就已经一锤定音地决定了这场比较。
测量空白。 Claude Haiku 5.5 自十月起就出现在 Artificial Analysis 上,被互联网上每一篇对比博客翻来覆去地拆解,包括这一篇。而 Hy4 flash 本该显示分数的地方却是一个 404。不是因为模型差,而是因为它才发布两天,还没有任何独立方跑过它。上方的满意度评分是对一个真实人群的测量,同时也是除其制造商之外,任何人对这个模型所做的唯一一次测量。
说实话,给他们中的任何一个打电话
截至本文写作时,Hy4 flash 和 Claude Haiku 5.5 均未出现在 OrcaRouter 目录中,因此本节不存在任何让你在这里调用它们的版本。目录中实际提供的是双方各自的前代模型:tencent/hy4-preview,即 Hy4 flash 蒸馏自的 770B/49B 模型,每百万 token 输入 $0.834、输出 $2.501,缓存读取费率为 $0.042;以及 anthropic/claude-haiku-4.5,每百万 token 输入 $1.00、输出 $5.00,缓存读取费率为 $0.10——这是上一代模型,而非本次对比中的 5.5。
这种组合比听起来更有用。如果你正在判断 Hy4 flash 的成本情况是否值得为此重构流水线,那么这个预览模型能让你以较低的成本进行实验,从而了解该系列模型的表现;它使用与目录中其他所有模型相同的密钥和相同的端点,同时提供商的标价按 0% 加价透传,因此腾讯一旦调价,你当天就能收到通知。一旦你有两个候选模型,路由 DSL 才是关键所在:把长文档层级交给在你自己的评测中胜出的模型,并把另一个保留为回退,而不是因为切换供应商要签合同就为所有场景只选一家供应商。
当 Hy4 flash 出现在任何目录中——包括我们的目录——时,要检验的不是满意度评分,而是你自己任务上的输出 token 数量。Tencent 的后训练声称,平均端到端输出 token 数减少了 50%;如果这一点在你的工作负载上成立,那它比每 token 30% 的折扣更有价值,因为输出 token 是这两个模型每笔账单中昂贵的那一半。

怎样才能了结此事?
在共享测试框架上进行的一次独立运行。让 Hy4 flash 和 Claude Haiku 5.5 通过同一个包含九项评估的 Intelligence Index,并查看两行:得分,以及每个已完成任务的成本。腾讯已经告诉过你它期望这两行显示什么——Hy4 flash 在能力上接近 Claude Haiku 5.5,而在成本上远低于它。在腾讯以外的某个人公布这一对数据之前,这个预期只是一个有公司营销预算撑腰的假设,而不是结果。
今天能采取的行动范围更窄,也更有用。如果你的工作负载是长文档,那就先核算 >100,000-token 那一行的价格,因为两张卡在这里差异最大。如果对延迟敏感,就比较处于高努力模式的 Claude Haiku 5.5,而不是 Max。如果需要微调或本地部署推理,决定早已做出,任何基准测试都不会改变它。0.02 分的满意度差距不足以成为转向任一方向的理由,而 Tencent 公布这一点是此次发布中最可信的部分。
