一张生成的主视觉卡片,上面写着“Hy4 flash vs MiniMax M3.1 Flash”,左列显示“220B / 12B 激活参数,$0.070 / $0.281,无指数得分,发布于 2026年11月17日”,右列显示“428B / 23B 激活参数,$0.15 / $0.60,智能指数 29,发布于 2026年10月19日”,底部还写着“指数 29 依据 Artificial Analysis v5.0.1;Hy4 flash 的价格为腾讯标价。”
Guides & Insights

Hy4 flash 对比 MiniMax M3.1 Flash:两款廉价的开放权重模型,其中一款有评分

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

这是一次罕见的正面对决:两款模型都可以下载,都定位于同一档“便宜又快速”的层级,都支持图像输入,都能容纳一百万 token,而且其中一款身上的评分数字并非出自其制造商之手。MiniMax-M3.1-Flash自2026年10月19日发布以来一直收录于Artificial Analysis,目前在Intelligence Index v5.0.1上录得29分,价格为每百万输入token $0.15、每百万输出token $0.60。Hy4 flash自2026年11月16日起公开,11月17日转为开放权重,输入价格约为前者的一半,输出价格不到前者的一半,而且在Artificial Analysis上完全没有收录条目。

所以这个页面无法告诉你哪个模型更聪明,因为其中只有一个经过了实测。它能做的,是对真正要做选择的人更有用的一件事:把这两个发布产物并排放到一起,因为它们确实是可比较的对象——同一档位、同样的开放程度、同一个月发布——而那些经得起比较的差异都很具体,关乎许可、服务成本,以及两家厂商各自在优化什么。

从两家供应商实际交付的内容开始

两个发布版本都包含一个指令微调模型、开放权重,以及一个基础版或量化版的同系列模型。二者都不是那种附带下载功能的封闭 API。

• MiniMax-M3.1-Flash — 总参数 428B,激活参数 23B,采用混合专家架构,推理模型,支持文本与图像输入、文本输出,上下文长度 1M token,权重以 MiniMax 社区许可证发布于 Hugging Face,该许可证允许商业使用但附有相关限制。

• Hy4 flash — 220B 总参数(155.5B 主干网络 + 63.5B Engram + 0.43B 视觉编码器和 0.85B 草稿模型),12B 激活参数,混合专家架构,支持文本和图像输入、文本输出,上下文长度 1,048,576 个 token,权重以 Hy4 flash、Hy4 flash-FP8 和 Hy4 flash-Base 的形式在 Hugging Face 上发布,采用 T​encent Hy License 许可。

• MiniMax 没有发布什么——没有单独的基座检查点,也没有基座模型基准表;428B 模型本身就是交付产物。

• 腾讯没有发布的内容——没有独立评分,没有为指令模型发布智能体基准测试套件,也没有发布 Transformers 版本(集成位于拉取请求 50903)。

参数数量值得附带说明,而不是直接比较,因为它们衡量的并不是同一件事。MiniMax 的 428B/23B 是常规的稠密参数计数。Tencent 的 220B 包含 63.5B 的 Engram n-gram 嵌入表——这些参数通过哈希和查表而非乘法来使用——因此这两个总量并不能对模型规模进行同类比较,就像图书馆的书架数量不能衡量它读了多少书一样。激活参数数字是更公平的比较:12B 对 23B,而且它们预示了价格卡实际显示的结果。

价格行,以及它们唯一发生反转的那一处

这两份费率卡都是供应商自己的目录价格,并非测量结果。

• 输入 — Hy4 flash $0.070,对比 MiniMax-M3.1-Flash $0.15。Hy4 flash 便宜 2.1 倍。

输出 — $0.281 对比 $0.60。Hy4 flash 便宜 2.1 倍。

• 缓存输入——$0.003 对比 $0.015。Hy4 flash 便宜 5 倍。

• 每项 Index 任务的实测成本——根据 Artificial Analysis,MiniMax-M3.1-Flash 为 0.49 美元;Hy4 flash 未测量。

最后一行很有意思,因为它说明了为什么按 token 定价无法可靠地代替按任务成本。MiniMax-M3.1-Flash 完成每个 Index 任务的费用为 0.49 美元,其输入费率是 0.15 美元——是 Hy4 flash 的两倍多——但按每个任务计算,它仍比 token 价格更低的模型更便宜,因为模型为得出答案所消耗的 token 数量,变化幅度比费率更大。T​encent 称 RL 后训练将其平均输出长度缩短了 50%,这是同一道理的反向体现:最便宜的模型通常是最先停止说话的模型。

所以,对这项价格比较的诚实解读是:Hy4 flash 的费率低一半,而在独立评测框架同时运行两者之前,没人知道这是否会转化为每任务成本也低一半。Tencent 自己的 WorkIndex 数据表明,Hy4 flash 的每任务成本是 DeepSeek-V4.1-Flash-1017 的 1/8,但这是在不同测试套件上的另一项比较。不要把它套用过来。

A generated reference card headed 'Two price cards, one measured bill', with four comparison rows for Hy4 flash and MiniMax M3.1 Flash — input $0.070 against $0.15, output $0.281 against $0.60, cached input $0.003 against $0.015, and cost of one measured Index task 'not measured' against $0.49 — plus a strip beneath reading '220B total, 12B active' and '428B total, 23B active'.

速度:一个是实测,一个是声称

• MiniMax-M3.1-Flash — 每秒输出 132 个 token,首个回答 token 用时 50.64 秒;如果根据 0.49 美元和 132 t/s 的数据推算,每个 Index 任务的实际耗时约为 14.2 分钟。以上数据均来自 Artificial Analysis。

• Hy4 flash——腾讯声称,在 tensor-parallel-8 节点上,FP8 版本的解码速度超过每秒 150 个 token;在腾讯自己的 85 人盲测中,端到端完成时间中位数为 6.7 分钟。

这两者不可直接比较,而这一差异很能说明问题。MiniMax 的数字是在标准化测试框架上测得的吞吐量;腾讯的数字则是针对特定硬件上的特定容器镜像所作的服务性能声明,外加来自内部样本群体的任务完成时间中位数。两家厂商都没有不诚实。它们回答的是不同的问题,而第二个问题——用户要多久才能得到答案——才决定一个产品是否让人感觉快。

MiniMax-M3.1-Flash 上 50 秒的首 token 时间本身就值得单独指出。这是一个推理模型在开口前先进行思考,这对批处理工作没问题,但对任何流式交互式场景都很糟糕。Hy4 flash 也有同样的结构性问题,只是程度较轻:reasoning_effort 默认值为 high,而文档中给出的替代方案是 no_think。T​encent 的模型没有中间档设置,而 MiniMax 则提供了更完整的推理配置。如果你的延迟预算要求“稍微思考一下”,那这确实是一个实际缺口。

许可证:两种“并不完全开放”的不同方式

两个检查点都不是开源的。两者都是附条件的开放权重,而条件的设计差异足够大,会决定不同的交易结果。

• MiniMax 社区许可证——允许商业使用,但附有各项限制;部署以许可证文本为准,且该许可证载于模型卡中,而非采用经 OSI 批准的许可证。

• Tencent Hy License v1.0 — 在 Apache 2.0 基础上增加了第 10.2 条:若你在任意十二个月期间内经营模型即服务(model-as-a-service)业务,且全球总收入超过 5000 万美元,或月活跃用户数超过 1 亿,则须另行取得书面许可。

• T​encent 的豁免条款——从不转售访问权限的团队无需额外付费;仅在固定功能内部暴露模型、而非开放提示的产品根本不算 MaaS;将请求转发到他人的托管端点也不作数。这三句话正是为什么一家欧洲 SaaS 公司通常只需读一遍这份许可证便可继续推进,而 MiniMax 的文本则要求就其自身部署而言对“限制”的含义作出判断。

• {{1}}腾讯的触发条件与收入挂钩,而非与地域挂钩——没有排除任何司法辖区,这使其不同于直接禁止欧盟、英国或韩国的许可证。{{/1}}

Tencent 的文档在这一类文档中异常易读,因为附加条款被单独放在一个编号章节里,该章节准确说明了它对 Apache 授权做了哪些改动。无论这个发布版本还有什么其他情况,这份许可证都是由一个期待工程师会去阅读它的人起草的。

Screenshot of the Artificial Analysis model page for MiniMax M3.1 Flash, showing its Intelligence Index score, class rank, output speed, time to first answer token and cost per task on Intelligence Index v5.0.1.

分数差距,以及为什么“29”并非事情的全部

Artificial Analysis 在 v5.0.1 上将 MiniMax-M3.1-Flash 测评为 29。如果你在本博客上读到过关于此模型的其他内容,可能见过 42 或 43——这些数字在上一版指数构建中是正确的,而 2026 年 10 月 27 日的基准重设改变了榜单上的每个模型。今天引用 43,却为竞争对手引用 29,等于在拿两把不同的尺子作比较。在当前版本中,29 才是那个数字,它使 MiniMax-M3.1-Flash 与 Gemini 3.8 Flash 的 31 处于同一大区间,并低于 Claude Haiku 5.5 的 36。

对于 Hy4 flash,没有对应的档位。最接近的可用证据是 Tencent 的盲测:在用户满意度方面,它拿到 4 分中的 2.79 分,而 Claude Haiku 5.5 是 2.81 分。如果你愿意做一个推断——而这只是一个推断——一个在办公任务上与 36 项指标模型落在噪声范围内的模型,很可能也离那个档位不远。这是有待检验的假设,而不是可以引用的分数。

能一锤定音的是在同一个共享评测框架上跑一次。两个模型都可下载,这意味着障碍在于算力而非获取渠道,而负责中文开放权重模型基准测试的社区会去做这件事。在那之前,不对称本身就是事实:其中一个已被公开测量,另一个没有,再多的架构描述也补不上这个缺口。

Screenshot of the minimax/minimax-m3.1-flash model page, showing the per-million-token input, output and cache-read prices the model is listed at along with its context window and accepted modalities.

路由:这两个中有一个你今天可以致电

这就是实际差异,而它恰好体现在我们自己的产品目录中。MiniMax-M3.1-Flash 在 OrcaRouter 上以 minimax/minimax-m3.1-flash 提供,价格为每百万输入 token 0.15 美元、每百万输出 token 0.60 美元,缓存读取为 0.015 美元——MiniMax 自己的标价,以 0% 加价透传,因此供应商价格一旦变化,这里当天就会生效。多模态输入支持文本、图像和视频,上下文窗口为 1,048,576 个 token。

Hy4 flash 不在目录中。Tencent 提供的是 tencent/hy4-preview,即 Hy4 flash 蒸馏自的 770B/49B 模型,价格为每百万 $0.834 和 $2.501,缓存读取为 $0.042。对于这个决策来说,这是一个真正有用的第三款模型,而不是退而求其次的安慰选项:如果你在权衡 Hy 系列的行为是否适合你的工作负载,预览版能让你在一个下午内得出结论,而开放权重则能告诉你自己运行这个便宜模型需要多少成本。

路由 DSL 在这里变得比二选一更有意思。一条流水线可以在同一个端点中,把简短的交互式调用发往更便宜的路线,把长篇文档工作交给在你自己的评测中胜出的那个模型,并具备 跨提供商自动故障转移,这样,一个刚上线第一周的模型就不是单点故障。这种姿态——把新模型放到你承受得起损失的流量上——对于任何如此年轻的检查点都是正确的,而且这也是你希望用于内部网关之后自托管 FP8 部署的同一姿态。

哪一个,用于哪项工作?

如果你现在就需要一个经过实测的模型,如果你的输入包含视频,如果你需要在“开”和“关”之间设置推理强度,或者如果你想处在一个厂商价格已经上线的平台上,而不是面对一张需要你自己建模的卡片,那么请选择 MiniMax-M3.1-Flash。其 428B/23B 的规模和每秒 132 个 token 的速度使其成为一款主力模型,而它已经在榜单上待了一个月,这意味着其他人已经公开发现了它的失效模式。

选择 Hy4 flash如果每 token 成本是硬性约束,如果你想自主掌控部署,如果你需要基础检查点来进行微调,或者如果许可证问题是决定性因素——T​encent 的文件没有地域排除条款,并有清晰的内部使用豁免,而对欧洲团队来说,这可能就是全部答案。其 120 亿活跃参数和 100 万 token 上下文,KV 缓存仅为前代的 1/6,这证明第二个价格——以 GPU 衡量的那个价格——异常之低。

等等,在这两种情况下,如果这个决定代价高昂。其中一个模型从未经过独立基准测试,另一个也从未拿它做过对比测试。真正能解决这个问题的比较——让两者在同一套测试框架上运行,用相同任务评分,并在分数旁列出每个已完成任务的成本——目前还不存在。等到它出现时,上面的参数和许可证行仍将成立,而分数行最终才会有意义。

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