一张生成的主视觉卡片,标题为“Hy4 flash vs Qwen3.8-Flash”;左侧图块显示:Tencent,2026 年 11 月 16 日,每百万 token 输入 $0.070、输出 $0.281,总参数 220B、激活参数 11.3B,上下文窗口 1,048,576 token,输入文本和图像、输出文本,且暂无独立评分;右侧图块显示:Alibaba,自 2026 年 8 月 26 日起在 QwenCloud 上,每百万 token 输入 $0.15、输出 $0.47,125B MoE、激活参数约 6B,上下文窗口 100 万 token、最大输出 131K,输入文本、图像和视频、输出文本,开放权重版本的 Intelligence Index 为 28.6。页脚说明:Hy4 flash 的价格为 Tencent 标价,Qwen3.8-Flash 的价格为 QwenCloud 标价,指数数值为 Artificial Analysis v5.0.1 对 Qwen3.8-Flash-Next 的评分。
Guides & Insights

Hy4 flash 对比 Qwen3.8-Flash:激活参数翻倍,每 token 价格减半

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

这里更便宜的模型反而是更大的那个。Hy4 flash 每处理一个 token 会激活 113 亿文本参数,标价为每百万输入 token 0.070 美元。Qwen3.8-Flash 激活约 60 亿参数,标价为 0.15 美元。每 token 的活跃算力接近两倍,输入价格却不到一半——而这两个数字都不是决定你实际该调用哪个模型的那个数字。

Hy4 flash 才发布两天。腾讯于 2026 年 11 月 16 日将其上线到自有 API,次日公开了权重,并为其发布了三个仓库:instruct 检查点、FP8 版本和基础模型。它是一个 2200 亿参数的专家混合模型,激活参数为 120 亿,上下文长度为 1,048,576 token,支持图像输入和文本输出,采用 Tencent Hy License 许可。Qwen3.8-Flash 自 2026 年 8 月 26 日阿里巴巴随 Qwen3.8-Flash-Next 权重一同开放以来,便一直在 QwenCloud 上提供:一个 1250 亿参数的专家主体,激活约 60 亿参数,外加一个 510 亿参数的 n-gram 嵌入表,接受文本、图像和视频输入并返回文本,上下文为 1M,最大输出为 131K。

这种对比的形态很不寻常。一个模型是市场上文档最齐全的低价档,另一个则是文档最少的。一个有独立的基准测试行,另一个则只有 404。而且两张价格卡以不同货币计价,面向不同市场销售,并由不同分量的细则条款加以对冲。真正有意思的不是输入那一行上的 2.1 倍,而是当你不再按 token 定价、而开始按完成的工作定价时,这个差距会变成什么样。

费率卡上的反转,先于其他一切

腾讯 Hy4 flash 的中国大陆价格表显示,每百万输入 ¥0.5、每百万输出 ¥2、每百万缓存输入 ¥0.02。腾讯以美元列出了同样的三项:$0.070、$0.281 和 $0.003。QwenCloud 的 Qwen3.8-Flash 价格表显示,输入 $0.15、输出 $0.47、缓存读取 $0.016,显式创建五分钟缓存为每百万 $0.20。

• 输入 — $0.070 对 $0.15。Hy4 flash 便宜 2.1 倍。

• 输出 — 0.281 美元,对比 0.47 美元。Hy4 flash 便宜 1.7 倍。

• 缓存输入——$0.003 对比 $0.016。对于任何反复发送固定提示的智能体来说,Hy4 flash 在占据主导地位的那一项成本上便宜 5.3 倍。

• 按输入与输出 3:1 混合计算——每百万约 $0.123,对比 $0.230。

• 按 1:3 混合计算,以输出为主——约为 $0.228,对比 $0.390。

这是一个真实的差距,而且比标题中的比例所暗示的要小,因为输出列正是两个模型在智能体工作中实际投入成本的地方,而输出差距只有 1.7 倍。它也小于这两个模型各自面对一款西方旗舰模型时所显示出的差距——这款旗舰模型正是它们各自在这一层级中保持对标的对象。

关于这五行报价,需要坦诚说明一点:它们并非同一种价格。Tencent 的是中国大陆人民币标价,Tencent 已为英文读者进行了换算,而且 Tencent 在该模型上线的第一周就已推出促销折扣。QwenCloud 的是全球端点上的美元标价。中国大陆以外、以美元采购的团队应将 Hy4 flash 的数字视为当前可得价格的下限,而不是最终开票金额,并且在据此进行任何建模之前,应重新阅读价格卡。

还是按这个用量来算,因为这种用量结构依然成立。每天 1000 万个输入 token 和 200 万个输出 token,在 Hy4 flash 上成本为 1.26 美元,在 Qwen3.8-Flash 上为 2.44 美元——一年分别是 461 美元对 891 美元,在小团队实际能够产生的负载规模下相差约 430 美元。把用量结构更多转向缓存,就像任何多轮智能体都会做的那样,差距就会扩大:200 万个全新输入、800 万次缓存读取和 200 万个输出,每天为 0.73 美元对 1.37 美元,因为缓存读取比率是 5.3 倍而不是 2.1 倍。

A generated two-column scoreboard for Hy4 flash and Qwen3.8-Flash across six shared dimensions: input price $0.070 against $0.15, output price $0.281 against $0.47, cached input $0.003 against $0.016, active parameters 11.3B of 220B against roughly 6B of 125B, video input no against yes, and independent score none against 28.6. A footer notes the prices are Tencent and QwenCloud list rates and the 28.6 is Artificial Analysis Intelligence Index v5.0.1 for Qwen3.8-Flash-Next.

两家厂商都将近三分之一的参数花在了同一个构想上

这是这场对比中两家厂商的发布文章都没有并排对照的部分,也正是这两款模型的定价相差不到两倍、而非十倍的原因。

Hy4 flash 承载 635 亿个 Engram 参数——即学习到的二元和三元表示,通过多头哈希查找进行检索,并接入主干网络的第 1、11、21 和 31 层。这意味着该模型 2200 亿参数中的 28.9% 位于查找表中,而不是位于专家中。Qwen3.8-Flash 承载一个 510 亿参数的 n-gram 嵌入表,以当前词元及前面若干个词元为键,占磁盘上约 1800 亿参数中的 28.3%。

两个实验室、两代人,得出同一个结论:为稀疏模型增加能力最便宜的方式,就是不再为它按 token 支付计算开销。这两张表都可以存放在主机内存中并异步预取,因此两者都不会永久占用 GPU 内存。两者都不会在前向传播中增加一次矩阵乘法。两者实际上都押注于:语言模型需要知道的内容中有很大一部分可以从最近几个 token 局部预测出来,而稀疏专家主体应保留给无法这样预测的内容。

注意力栈也同样异曲同工。Hy4 flash 在 42 层中以 1:3 的比例将 IndexPool 稀疏注意力与 512 个 token 的滑动窗口交错结合,腾讯报告称由此得到的 KV 缓存仅为 Hy3 的 1/24、Hy4 的 1/6。Qwen3.8-Flash 使用 Gated DeltaNet 与 Qwen Sparse Attention,在每四层中的三层将历史压缩为固定大小的状态,其余层则通过块级索引器进行路由。两者回答的是同一个问题——如何在不付出百万 token KV 缓存代价的情况下服务百万 token 窗口——而两个答案都落在某种“不要对所有内容都做注意力”的变体上。

区别在于多出的活跃参数能换来什么。Hy4 flash 在 41 个 MoE 层上运行 113 亿文本参数,而 Qwen3.8-Flash 为 60 亿;每层有 512 个路由专家中的 16 个,外加一个共享专家,潜空间为 1,536 维。也就是说,每 token 计算量接近翻倍,而每 token 收费却不到一半。无论其他情况如何,腾讯都不是从客户那里收回这部分成本,而是从服务栈中收回:4 位权重、megakernels,以及 DFly2——一个 8.5 亿参数的草稿模型,它复用目标模型的稀疏 KV 和索引选择,使每个草稿 token 无论上下文多长都最多关注约 2,000 个键。腾讯称,三者结合后解码速度超过每秒 150 个 token。

每项任务 29.5 分钟究竟能换来什么

按 token 计价对这两个模型来说都是错误的计量单位,而独立数据在比较的其中一方具体印证了这一点。

Artificial Analysis 在 Intelligence Index v5.0.1 上给 Qwen3.8-Flash-Next 打出 28.6 分;该模型指开放权重产物,而非托管 SKU。每任务成本为 0.569 美元,每任务耗时超过 29.5 分钟,输出速度为每秒 83.6 个 token,首个 token 用时 2.5 秒,首个答案 token 用时 68.3 秒。

这五个数字相乘,得到的东西比其中任何一个单独都更有用。以每秒 83.6 个 token 的速度运行 1,768 秒,一个任务大约会产生 148,000 个输出 token。按每百万 $0.47 计算,这大约是七美分的输出成本。$0.569 里另外那五十美分是输入,按每百万 $0.15 计算,这意味着整个任务至少有 330 万个输入 token——如果其中一部分是以更便宜的缓存价格提供的,那还会更多。330 万 token 的输入对上 100 万的上下文,并不是一次提示。它是一个循环:读取、执行、再读取,深入二三十轮,每次都要重建或向前携带上下文。

这正是这两款模型所面向的工作负载,也正是 Hy4 flash 的设计选择会呈现出如今这种面貌的原因。Tencent 的后训练流水线通过强化学习将平均端到端输出降低了 50%,其内部盲测报告称,任务完成时间中位数为 6.7 分钟,每项任务成本为人民币 0.26 元——按当前汇率约合 0.037 美元。其内部 WorkIndex 套件给 Hy4 flash 的评分为 42.1,而 Hy4 preview 为 39.7;Tencent 表示,其每项任务平均成本为 Hy4 preview 的十三分之一、Hy4 的二十分之一,以及 DeepSeek-V4.1-Flash-1017 在高峰时段定价下的八分之一。

不要拿那些数字去除以 Artificial Analysis 的数字。在 85 名内部用户的 259 个 WorkBuddy 任务上得到的 6.7 分钟中位数,并不等同于 Intelligence Index 上的 29.5 分钟中位数;来自厂商自有评测框架的每任务人民币数字,也不等同于来自独立评测框架的每任务美元数字。它们所支持的比较只具有方向性,值得明确说出来:Qwen3.8-Flash 测得的每任务成本,主要取决于它消耗多少 token 以及耗时多久,而不是取决于它每个 token 收费多少。一个输出量只有一半、完成时间只有五分之一的模型,每输出 token 成本可能低 1.7 倍,而每完成一项任务的成本可能低一个数量级。Hy4 flash 究竟是不是那个模型,恰恰是至今无人测量过的事情。

记分板上只有一行,而且这一行并不属于你会点名的那个模型。

两项披露,二者都会改变上述数字能承载的分量。

首先:Hy4 flash 没有 Artificial Analysis 页面。不是低分,也不是未排名条目——https://artificialanalysis.ai/models/hy4-flash 于 2026 年 11 月 18 日返回 404,此时距 API 开放已过去三天,距权重上线已过去一天。完全没有任何针对该模型的独立测量。腾讯公布的基准表覆盖的是预训练基础检查点,即 Hy4 flash Base 对比 Hy4 Base 和 DeepSeek 的基础模型,这只能说明预训练的情况,对指令模型或你实际会调用的推理模式则一无所知。唯一的指令模型证据来自腾讯自己:WorkIndex、盲测以及每任务成本比。

其次,28.6 和 0.569 美元属于 Qwen3.8-Flash-Next,也就是那个可下载的检查点。QwenCloud 上托管的 Qwen3.8-Flash 是单独调优的服务构建版本;阿里巴巴将其作为该产品线中已产品化的成员出售,两者不可互换。Artificial Analysis 还记录 Qwen3.8-Flash-Next 的上下文为 256,000 个 token——这是该检查点在 YaRN 扩展之前的原生窗口——而 QwenCloud 以 1M 上下文、最大输入 991K 提供托管模型。如果你在为托管模型定价,那么除智能得分(属于该检查点)之外,其他一切都依赖 QwenCloud 的模型卡和阿里巴巴自己的评估。

这种不对称非常鲜明,容易说明却难以解决:一个模型有一个独立评分,但该评分属于另一个产物;另一个模型则根本没有独立评分。任何据此就断言某一方在能力上胜出的文章,都是在凭空捏造。可以说的内容范围更窄,但仍然有用。Qwen3.8-Flash 以 28.6 分,低于同一家族中拥有 7700 亿参数的旗舰模型腾讯 Hy4 的 34.6 分,也低于同一指数版本上 Claude Haiku 5.5 的 36.5 分——这是一个扎实的中游分数,也正是小型 flash 模型应有的表现。Hy4 flash 在腾讯自家内部套件上的得分高于 Hy4 preview,并明显低于 Hy4,这是用不同工具测出的相同相对位置。

视频是唯一能自行决定的那一行

以上种种皆可商榷。这一点无可争辩。

• Hy4 flash 输入——文本和图像,经由派生自 SigLIP2-So400m 的编码器并通过 MLP 投影器处理。输出为文本。

• Qwen3.8-Flash 输入——文本、图像和视频。输出为文本。

如果你的流水线需要摄入屏幕录制、通话录制或视频文件,Hy4 flash 无法接受,而 Qwen3.8-Flash 可以。开放权重帮不上忙,适配器帮不上忙,再大的价格优势也弥补不了这一点。两者都拥有百万 token 的上下文,都能处理文档和截图,在这些共同点上,比较仍然是开放的;而在视频上,比较已经关闭。

腾讯为 Hy4 flash 推荐的自身工作负载与该边界一致——深度搜索、文档处理、幻灯片制作、简单前端演示、计算机使用——而其自身的指导则将长周期软件工程交给 Hy4。这是厂商承认了上限,这比大多数发布宣传文案更有信息量,值得按字面采信。

两者均可下载,但下载的内容并不等同。

A screenshot of the Hugging Face model card for tencent/Hy4-flash, showing the Image-Text-to-Text pipeline tag, the Tencent Hy License, a 220B parameter model size in BF16 with F32 tensor type, mixture-of-experts, multimodal, instruct and conversational tags, 96 likes, and a table of contents covering model introduction, capability, cost efficiency, blind evaluation, benchmark results, the DFly2 speculative draft model and quantisation.

Hy4 flash 于11月17日以开放权重形式发布:tencent/Hy4-flash、tencent/Hy4-flash-FP8 和 tencent/Hy4-flash-base。11月18日的一份文件列表显示,BF16 检查点为 440.5 GB,分为148个分片;FP8 版本为287.1 GB。Qwen3.8-Flash-Next 自8月24日起公开,大小为360.0 GB,分为131个分片。

• 部署配方 —— 腾讯发布了固定版本的镜像 vllm/vllm-openai:hy4-flash 和 lmsysorg/sglang:hy4-flash,并明确写出了 tensor-parallel-8 与投机解码(speculative-decoding)参数。Qwen3.8-Flash-Next 自发布当周起便已获得 SGLang、vLLM 和 Transformers 的支持。

• Transformers — Hy4 flash 需要从拉取请求引用 refs/pull/50903/head 进行安装,因为相关支持尚未进入 main。Qwen3.8-Flash-Next 可从 main 加载。

• {{1}}量化{{/1}} — 腾讯发布了官方 FP8 构建和 AngelSlim GGUF;Qwen 生态已有四个月时间来推出自己的社区量化版本。

• 生态系统信号——Qwen3.8-Flash-Next 在过去一个月记录了 2,983,542 次下载,并在 11 月 18 日获得 7,276 个点赞。前一天发布的 Hy4 flash 则显示 96 个点赞和零下载量。

• 硬件 — 440 GB 的 BF16 权重无法装入八张 80 GB 的显卡,因此 287 GB 的 FP8 版本分布在八张 H100 上才是现实的单节点部署方案,而这正是 Tencent 自家方案所指定的 TP=8 配置。

固定镜像和 PR-ref 安装并不构成取消资格的理由;它们意味着你运行的是腾讯测试过的构建,而不是已经发布的构建,区别在于下一个 bug 由谁负责。Qwen 在这方面的优势完全取决于四个月的时间差,而且会逐渐消退。今天它是真实存在的,并且是本次比较中仅次于缺失基准行的第二大差距。

这两个许可证都包含模型即服务条款,而且它们是不同的条款。

这两个模型都可以免费下载,但两者都不是无条件可自由转售的;不过两者的触发条件形态并不相同,而如果你为他人托管模型,这一差异就很重要。

• Tencent Hy License v1.0 —— Apache 2.0 的衍生许可证。第 10.2 条要求,如果您经营模型即服务业务,且在任意十二个月期间内的全球总收入超过 5000 万美元,或您的产品月活跃用户数超过 1 亿,则需另行获得书面许可。第 10.3 条对内部使用予以豁免。

{{1}}Qwen Community License 1.0{{/1}} — 要求任何模型即服务或 AI 工作助手业务无论规模大小均需获得单独许可,内部使用除外。另外,如果您的月活跃用户超过 1 亿或月收入超过 2000 万美元,则要求显著展示模型名称。

• Qwen 的例外条款值得再读一遍——其许可证在“模型即服务”的定义中明确排除了“仅将请求转发给由其他第三方托管的模型”这一情形。腾讯的许可证没有对应的句子。

两者都不设地域限制,这一点是好几项中国开放权重许可证做不到的。如果你是在构建内部工具,那么两者在任何规模下都免费。如果你是在构建转售推理的产品,腾讯的门槛更简单,而 Qwen 的中继例外对某一类中间商更宽松;哪一项对你构成约束,取决于你处在上述两种业务中的哪一种。

今天一键即可调用什么?

A screenshot of the OrcaRouter model page for qwen/qwen3.8-flash, showing the Qwen3.8 Flash heading, a 1M-token context and 131K maximum output, text, image and video input with text output, vision, tools, JSON and reasoning capability tags attributed to Qwen with a 26 August 2026 date, zero data retention availability, a 10.00-second p50 time to first token, and the start of the model description as a multimodal reasoning model from Alibaba.

Qwen3.8-Flash 已收录在 OrcaRouter 目录中,型号为 qwen/qwen3.8-flash,每百万输入 $0.15、每百万输出 $0.47,缓存读取为 $0.0184——QwenCloud 公布的提示和补全费率以 0% 加价直通,因此该模型的供应商降价会在发生当天直达你处,而不必等到下一次目录同步。

Hy4 flash 尚未上架目录。该系列目前提供的是 tencent/hy4-preview,价格为每百万 $0.834 和 $2.501,缓存读取为 $0.042——Hy4 flash 正是从该模型蒸馏而来,在等待 flash 路由上线期间,它也是针对腾讯自家 API 运行的正确基线。若说成别的,就等于声称我们拥有一条并不存在的路由。

这种不对称性带给你的,是一种自己动手终结争论的廉价方式。用你手头已有的密钥,在 qwen/qwen3.8-flash 上跑你最具代表性的二十个任务;再通过腾讯的密钥,在 Hy4 flash 上跑同样的任务。记录输入 token、输出 token、缓存命中、实际耗时,以及输出是否可用。你得到的每任务比值,才是腾讯那项“十三分之一”说法中唯一适用于你自己流量的版本,而它的代价只是一个下午,而非一次迁移。

当 flash 路由真正落地时,有用的模式是路由规则而不是开关:把视频摄取层放在 Qwen 路由上,因为它是两者中唯一接受视频的;把文本与文档层放在你自己的数据更看好的那个模型上。路由 DSL在一个端点中表达这种拆分,自动故障转移意味着一条才上线两天、尚未经过验证的路由发生降级不会拖垮整条流水线,而同一个密钥无需第二份合同即可访问 200 多个模型。

该决定,分三种情况说明

如果你需要视频输入,那比较到此为止。Qwen3.8-Flash 支持,Hy4 flash 不支持,而当一项模态能力缺失时,任何价格上的说辞都站不住脚。

如果你需要一个在接触任何面向客户的流程之前就拥有独立评分的模型,那么出于同样的理由,你已经得到答案了。在 Intelligence Index v5.0.1 上得到 28.6 是一个不算高的数字——低于腾讯自家旗舰的 34.6,也低于 Claude Haiku 5.5 的 36.5——但它是经过测量、公开且可复现的,而 Hy4 flash 完全没有这类东西。这种情况很可能会改变;这是任何人能就这个模型发布的最有价值的一件事。

如果你的工作负载是海量文本和文档、对延迟敏感,并且你可以自行运行评估,那么 Hy4 flash 值得你花一个下午。活跃参数几乎翻倍,而输入价格不到一半,这并不是常见的权衡;缓存输入那一项为 $0.003,使得长时间运行的智能体重新提示几乎免费;而权重意味着这个价格只是一个选项,而不是唯一选项。开始之前要知道:你是第一个测量它的人;它公布的基准表描述的是与你将调用的检查点不同的另一个检查点;并且,如果没有 FP8 构建,440 GB 的 BF16 权重无法装入单个节点。

值得关注的数字不是又一篇发布帖。而是 Hy4 flash 在 Artificial Analysis 榜单中的一行,因为它把厂商内部比率转换成一个可直接与 Qwen3.8-Flash-Next 在 29.5 分钟内每任务 $0.569 对比的数字。如果 Hy4 flash 在每任务成本上明显低于该数字,同时指数仅相差几个点,那么价格差距就是全部关键,这一层级将围绕它重组。如果它便宜是因为每任务做的工作更少,那么它就是一个价目表异常优惠的文档和幻灯片模型,而腾讯自己的部署指南已经这样说了。

本文中的对比3

根据本文内容识别