Hy4 flash 对比 DeepSeek V4.1 Flash 的标题卡,显示 Hy4 flash 为每百万 tokens 输入 $0.070、输出 $0.281,而 DeepSeek V4.1 Flash 为 $0.15 和 $0.60,页脚注明这两个数字均为厂商标价,且 DeepSeek 一侧为其非高峰时段价格卡。
Guides & Insights

Hy4 flash 对决 DeepSeek V4.1 Flash:这场较量是腾讯自己挑起的

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Tencent 选择了对手。关于 Hy4 flash的研究文章于 2026 年 11 月 16 日发布,它只将自身每任务成本与恰好一个竞品模型——DeepSeek V4.1 Flash的 1017 快照、最高努力档位以及 DeepSeek 高峰时段费率——进行对比,并报告为八分之一。对于一篇发布文章而言,这是异常具体的比较,它告诉你 Tencent 认为战场在哪里:不是对抗 Alibaba 的旗舰,不是对抗自家 Tencent HY4,而是对抗自 9 月以来编码智能体一直在使用的廉价开放权重模型。三周已公布的数据站在 DeepSeek 这一边。一张图表站在 Tencent 这一边。

所以,有价值的问题并不是哪个模型在抽象意义上更好,而是:2.1 倍的输入价格优势在与两者之间的差异因素接触后是否仍然成立,以及每任务八分之一的数字是否就是读者会以为的那个意思。两者都可以根据已发布材料来回答,而答案指向相反的方向。

每家公司实际交付了什么

先从这些人工制品入手,因为它们并不等同,而这一差异解释了后续的大部分分歧。

DeepSeek V4.1 Flash 于 2026 年 9 月 10 日以 MIT 许可证发布:48 个 safetensors 分片,总计约 510 GB;一份题为《Pushing the Limits of KV Cache Compression》的技术报告;一张带有部署标签的模型卡;一个 fp8 变体;以及一个 API,该 API 公布了非高峰和高峰定价卡。2026年10月17日,一个刷新后的快照 1017 取代了它,现在以相同的 API 名称提供服务。该仓库的下载量为 169 万次,获赞 4,978 次。Artificial Analysis 在最高推理强度下于 Intelligence Index 给它评分为 32.6;Epoch AI 的 Capabilities Index 将 1017 检查点评为 159,在其追踪的 253 个模型中排名第 19。

Hy4 flash 于 2026 年 11 月 16 日作为一篇研究帖子发布,未附模型卡:总参数 2240 亿,其中 640 亿为 Engram 参数,每个 token 激活 120 亿,原生多模态,上下文长度 1,048,576 个 token,并计划之后开源。没有权重、没有许可证、没有技术报告、没有独立评分,基准测试结果以 PNG 图表形式提供。截至 11 月 5 日,Artificial Analysis 将 Tencent HY4 列为 34.6,且完全没有 Hy4 flash 条目。

把它们并排放在一起,这场对比就呈现出一种奇怪的形态。较新的模型是你无法检查的那个,而较旧的模型是你可以下载、微调并在自己的硬件上提供服务的那一个。这种不对称贯穿下文每一节。

价格卡,如实对比

两家供应商都会公布挂牌价,而且都不止公布一个,这正是大多数比较容易出错的地方。

• 输入,每百万 tokens — Hy4 flash 统一 $0.070;DeepSeek V4.1 Flash 非高峰时段 $0.15,高峰时段 $0.30。

• 输出,每百万 token — Hy4 flash $0.281;DeepSeek 非高峰时段 $0.60,高峰时段 $1.20。

• 缓存命中,每百万 token — Hy4 flash $0.003;DeepSeek 非高峰 $0.003,高峰 $0.006。

• 高峰时段定义 — DeepSeek 的高峰时段为 UTC 01:00–04:00 和 06:00–10:00,周一至周五,中国法定节假日除外。其余时间均为非高峰时段;也就是说,对美国或欧洲团队而言,其大部分工作日内适用的都是便宜的那一档。

• 上下文 — Hy4 flash 1,048,576 个 token;DeepSeek V4.1 Flash 1,000,000 个 token,输出上限为 384,000 个 token。

• 中国大陆价格卡——Hy4 flash 每百万 token 为 ¥0.5 / ¥2 / ¥0.02,美元金额正是由此得出,而非来自单独发布的国际费率。

按同一时段比较,输入上的差距是 2.1 倍,输出上也是 2.1 倍:$0.070 对 $0.15,$0.281 对 $0.60。在 DeepSeek 的高峰时段,这一差距会扩大到 4.3 倍。在缓存输入方面,非高峰时段两者打平,因为两者都落在 $0.003——而这比表面数字更重要,因为一个编码代理如果在每一步都重新发送系统提示、工具 schema 和文件树,大多数时候支付的就是缓存费率。在这种对比实际所针对的工作负载形态上,两个模型的定价完全相同。

最后那句话才是化解大部分争论的关键。腾讯的八分之一并不是一个偏重缓存的比较;它是 WorkIndex 上的单任务成本,将输出长度、重试率和步骤数与价目表一并计入。这三项输入中有两项是腾讯通过自身后训练控制的,而它把这种控制报告为一个百分比:输出长度下降 50%。

Generated comparison card listing three rate rows for Hy4 flash and DeepSeek V4.1 Flash: input at $0.070 against $0.15 off-peak and $0.30 peak, output at $0.281 against $0.60 and $1.20, and cache hit at $0.003 against $0.003 and $0.006, with a footer noting the DeepSeek card doubles during its weekday peak windows.

为什么 120 亿活跃参数就是整个架构论证的关键

DeepSeek V4.1 Flash 是一个拥有 5520 亿参数的骨干模型,每个 token 激活 160 亿参数,基于 DeepSeek 所称的 Causal Encoder-Decoder 设计:40 层平均分为 20 层因果编码器和 20 层解码器,技术报告重点强调 KV 缓存压缩,而非感知能力。Hy4 flash 每个 token 激活 120 亿参数,总参数量为 2240 亿,相当于 DeepSeek 激活参数量的四分之三、总参数量的 40%。

腾讯对差异来源的说法在机制上很具体,对结构却只字不提。混合注意力、LatentMoE 和 Engram 参数产生的 KV 缓存只有 Hy3 的二十四分之一、腾讯 HY4 的六分之一。从腾讯 HY4 进行自蒸馏,再进行强化学习,将端到端输出长度缩短了一半。采用四位权重和 DFly 解码路径的巨型内核使解码速度保持在每秒 150 个 token 以上。未公布的是任何你能从检查点证伪的信息:层数、专家数、路由宽度、视觉编码器规模,以及多模态是原生还是外挂。

Engram 参数值得单独用一句话说明,因为在一个 2240 亿参数的模型里放入 640 亿个这类参数,并不是一种常规安排。在 Tencent 的用法中,Engram 是一种记忆式组件,承载的是学到的关联,而不是那种会在每次前向传播中运行的路由专家。其实际后果是,模型总规模的 29% 不会被计入每 token 的计算开销;这既是一种按参数购买能力的正当方式,也是一种比较参数量时的非正当方式。一个带有 640 亿 Engram 参数的 2240 亿参数模型,并不像这两个数字所暗示的那样小于一个 5520 亿参数的模型;它的形态不同。

DeepSeek 的设计可供核查,而腾讯的则不行,这在正面较量中绝非微小的差别。任何人都能下载 510 GB 的权重,然后数一数层数。但没有人能下载 Hy4 flash,然后做任何事情。

八分之一,已描摹

腾讯给出的分任务对比值得密切关注,因为这是两家公司针对这一对模型唯一公开发布的正面交锋数据,而且它比通常的发布会文章里的算术推算要严谨得多。

在 WorkIndex 上——这是腾讯内部的八套件产品组合,覆盖幻灯片创建、幻灯片修订、人机共同写作、Markdown 共同写作、文档编辑、表格修复、音视频处理和视觉理解——腾讯报告称,Hy4 flash 的单任务成本是 Hy4 preview 的十三分之一、Tencent HY4 的二十分之一,以及 DeepSeek-V4.1-Flash-1017 在最高努力档、高峰时段价格下的八分之一。那句话里的每个限定条件都来自腾讯,而最后两个尤其要记住:最高努力意味着 DeepSeek 的思考预算被设得很高,高峰时段则意味着采用 $0.30/$1.20 的价目表,而不是 $0.15/$0.60 的那张。

去掉限定条件后,算术结果就会大不一样。在非高峰费率且输出长度相同的情况下,每 token 的差距是 2.1 倍,而不是 8 倍。如果 Hy4 flash 还只输出一半的 token,那么每任务成本会在价格差异之上再大致减半,这使得这两个模型在 Tencent 设计的一项任务上相差约 4 到 5 倍——而 DeepSeek 自己公开的表现、可控的思考强度以及 384,000 token 的输出上限表明,其最高档位在每项任务上所做的工作,远比一个被调校为用一半 token 作答的模型要多得多。

Tencent 主动披露的生产数据是其发布内容中更有趣的一半,因为这些数据附带的是各项计数指标,而不是单一分数。在 WeChat Pay 的智能体流程中,面对 DeepSeek-V4.1-Flash-1017,Tencent 报告在四个流程阶段达到持平或更优,执行步骤减少约 6%,单次输出缩短 29%。在 WeChat Pay 的静态扫描中,完成一次扫描所需时间减少 37%,在检测质量相同的情况下 token 数减少 46%。在 Honor of Kings 的根因分析中,与 DeepSeek 和 GLM-5.3-Flash 相比,请求数减少 22% 至 39%,token 数减少 40.5% 至 61.2%,同时比两者分别多进行 51.2% 和 7.7% 的工具调用。在 Marvis 中,应用安装的任务满意度提升 6.2%,系统设置与诊断提升 4.4%,文档处理与研究报报告提升 6.9%。

从那份清单中可以看到两点。token 和步骤的减少幅度很大且稳定,这正是经过训练以缩短回答的 12B-active 模型应该产生的结果。而工具调用次数的增加则是一个诚实的注脚:Hy4 flash 通过更多、更短的往返来实现这一点。在按请求计费的模型下,这要么不赚不亏,要么是划算的;而在按步骤的实际耗时预算下,这就是另一种权衡,并且腾讯自己的说法——它在 WeCom 中快了 88%——是一种延迟主张,而不是工作量主张。

证据不对称,这才是真正的决策

以下是这两个模型能告诉你的关于它们自身的情况。

DeepSeek V4.1 Flash 拥有公开的 harness 评分、可供阅读的技术报告、可运行的权重,以及经过三个月与模型磨合的推理栈:量化方案、服务配方,还有一套已有他人踩过、且有文档记录的怪癖。它的基准排名并不惊艳——Terminal-Bench 2.1 上 90.6,DeepSWE v1.1 上 74.2,发布时 NL2Repo-Bench 上 65.4,Intelligence Index 为 32.6——但这是一个由他人测出的位置。

Hy4 flash 有一张厂商图表、一项针对 85 名员工的厂商盲测、一份厂商内部基准测试,以及一句关于未来开放权重的话。这些说法看似合理且内部一致:KV 缓存大小是旗舰模型的六分之一,输出长度减半,解码速度超过每秒 150 个 token。这些说法无一被复现,而其中最容易被验证的一项——120 亿活跃参数是否真的能像 DeepSeek 的 160 亿参数模型那样胜任办公工作——恰恰是腾讯以外无人能运行的那一项,因为权重并未公开。

这种不对称并没有让 Hy4 flash 更差。它只是让 Hy4 flash 尚未得到验证,而“更差”与“尚未验证”之间的区别,正是评估预算应当投入的地方。如果一个团队需要一个可微调、可自托管或可审计的廉价多模态模型,读到这里就可以了:DeepSeek V4.1 Flash 就是答案,而 2.1 倍的价格差就是这一选项的代价。对于工作负载是文档、幻灯片、提取和短智能体循环,并且按 token 而非按任务付费的团队来说,确有理由关注 Tencent card——这个理由足够强,以至于缺失的证据值得围绕它去采购,而不是一直等待。

对一个键运行比较

Hy4 flash 和腾讯自身的路线图都未能让这件事变得轻松:截至11月16日,Hy4 flash 通过腾讯云的 TokenHub 以及腾讯的消费级和企业级产品提供服务,第三方平台已宣布但尚未公布日期,而 DeepSeek V4.1 Flash 已在 DeepSeek 自有 API 上提供,并以开放权重形式发布。

这场对比中你今天就能跑的那一半,正是定下基准的那一半。deepseek/deepseek-v4.1-flash 在 OrcaRouter 上,输入每百万 token 为 $0.15、输出为 $0.60,缓存读取为 $0.003——即 DeepSeek 自家非高峰时段的标价,没有任何加价——上下文长度为 1,048,576 个 token,而 1017 快照 以自身标识符按相同价格提供,因此你可以固定到腾讯做基准测试时所用的那个检查点,而不是别名。同一密钥下的腾讯路由是 tencent/hy4-preview,价格为 $0.834 和 $2.501,它就是 Hy4 flash 的教师模型;现在在 preview 和 DeepSeek 上跑你自己的任务集,就能立刻得到教师与对手的比值,而 flash 层级上线后也能接入同一套测试框架。

Screenshot of the OrcaRouter model page for deepseek/deepseek-v4.1-flash in English, captured 16 November 2026, showing the model name, the route identifier, a 1,048,576-token context and the $0.15 input / $0.60 output per million token pricing panel.

这正是值得从 Tencent 自己那份发布中照搬的模式。它的论点是基于它选定的八种任务类型计算单任务成本。你的则应该是对你实际付费的任务计算单任务成本,在两个模型上都进行测量,并记录 token 数、步数和实际耗时——这三者合在一起,才能告诉你 2.1 倍的费率优势是否会在账单上转化为任何实际收益。

自动故障转移是这一计划中不起眼的部分。一个上线第一周的模型,还通过一项没有明确结束日期的促销活动提供服务,正是那种你希望在其背后配置一条回退链、而非直接迁移过去的模型;同一个密钥已经可以访问 DeepSeek,因此只需一行配置,就能设立一条在响应开始前先重试现有模型的规则,从而把发布周的风险从这个实验中移除。

Screenshot of the OrcaRouter model page for tencent/hy4-preview in English, captured 16 November 2026, showing the route identifier, a 64K maximum output, $0.834 input and $2.501 output per million tokens, a $0.042 cache read rate and a measured 39.0 tokens per second.

怎样才能了结此事?

三件事,按它们会多大程度改变答案来排序。

Hy4 flash 的独立评分。Artificial Analysis 在腾讯 HY4 上线八天后将其收录;一个 flash 条目至少能让两个模型处在同一评测框架上,而 DeepSeek 的 flash 与腾讯旗舰之间 32.6 到 34.6 的差距,正是这场对比所争论的区间。如果蒸馏模型落在其教师模型之下,没人会感到意外,而这一下降幅度是本次比较中最有用的单一未知量。

权重,或者给出权重的发布时间。腾讯自家的八月预览版在发布首日就提供了 Apache 2.0 许可,以及 vLLM 和 SGLang 的使用方案,可见该公司知道该怎么做。如果 Hy4 flash 也照此跟进,其效率声明就变得可验证,510 GB 的下载也不再是唯一的选择。

一个中立的逐任务基准。Tencent 的八分之一是一个出于善意给出的数字,但附带两个限定条件,还有一套其他人都无法运行的评测框架。在公开的智能体任务上复现它,这场争论一个下午就能见分晓,无论结果朝哪个方向。

在此之前,诚实的总结比两家厂商各自的说法都更有限:DeepSeek V4.1 Flash 是带审计追踪的廉价多模态模型,Hy4 flash 则是更便宜但没有审计追踪的那个;而在缓存密集型工作上,两者的价差比在价目表上看起来更小。这不是定论。它只是准确描述了 11 月 16 日实际改变的东西——一份价目表和一项计划,以及腾讯在一块自己划定的记分板上选择的一场战斗。

本文中的对比4

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新