生成的标题卡上写着“Hy4 flash vs Tencent HY4”,副标题为“同一家族,两个层级,十二倍价格差距”,两个标签分别写着“Hy4 flash:总计 224B,激活 12B,$0.070 / $0.281”和“Tencent HY4:总计 770B,激活 49B,$0.834 / $2.501”,页脚写着“Hy4 flash 于 2026 年 11 月 16 日发布;Tencent HY4 于 2026 年 11 月 4 日正式可用”。
Guides & Insights

Hy4 flash 与 Tencent HY4:同一家族,两个层级,十二倍价差

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

腾讯 HY4 于 2026 年 11 月 4 日正式全面上线,是一个拥有 7700 亿参数、每 token 激活 490 亿参数的模型,具备原生视觉、计算机操作能力,价格为每百万 token 输入 $0.834 / 输出 $2.501。十二天后的 11 月 16 日,腾讯推出了 Hy4 flash:总参数 2240 亿、激活参数 120 亿,同样支持一百万 token 上下文,价格为输入 $0.070 / 输出 $0.281。Hy4 flash 是通过蒸馏 Tencent HY4,再用强化学习训练它少说话而构建的,腾讯自己的指导也明确表明了这一点——将 flash 模型用于深度搜索、文档、幻灯片、前端工作和计算机操作,而将旗舰模型留给长周期软件工程。对于一次发布而言,这种指导异常坦率,而且它也是两次发布中最有用的东西。

所以这不是竞争对手之间的较量,而是一家公司把自己的家族一分为二,并告诉你该买哪一半;有趣的问题是,旗舰的多少东西能在小模型中保留下来,分界实际落在哪里,以及十二倍的价格差除了 token 之外还能买到什么。

十一周内三次发布

谱系解释了大部分价格。自八月以来,腾讯已发布该系列三次,而每次发布都改动了不同的变量。

• 2026 年 8 月 28 日 — Hy4 预览版。采用 Apache 2.0 许可,权重发布于 Hugging Face、ModelScope、GitCode 和 CNB,总参数 770B / 激活参数 49B,共 78 层,其中 1 层为稠密层,77 层为混合专家层;每层含 256 个路由专家外加 1 个共享专家,采用 top-8 路由,上下文长度为 1,048,576 token,并包含一个 10B 的多 token 预测层,其激活参数为 0.7B。每百万 token 收费 ¥6 / ¥18 / ¥0.3。公布了八行基准测试结果,提供了 vLLM 和 SGLang 配置方案,并公布了采样默认值。

• 2026年11月4日 — Tencent HY4。相同的骨干规模,显著更多的预训练和后训练,以及两项新能力:对细粒度图像、图表和示意图的原生视觉能力,以及通过鼠标、键盘和命令行进行计算机使用,并针对 Blender、CAD 和长时程跨应用工作进行了专门训练。价格同样为 ¥6 / ¥18 / ¥0.3。不提供权重、不提供许可证、不提供模型卡、不提供基准测试附录。

• 2026年11月16日 — Hy4 flash。 总参数224B,其中64B为Engram参数、12B为激活参数,多模态,1,048,576 token上下文,¥0.5 / ¥2 / ¥0.02。不提供权重、不提供许可证、不提供模型卡,基准测试数值仅以图表图片形式发布。

方向已经很明显:这个系列在变得更便宜的同时,也变得更不开放。最便宜的那一款,恰恰也是手续最少的;而任何人能下载到的唯一版本,还是八月份的那一版。

旗舰机型仍能做到而 Flash 做不到的事

A generated two-column card titled 'What the extra twelve times buys'. The Tencent HY4 column reads 770B total, 49B active; native vision on charts and diagrams; 78 layers, 256 routed experts; desktop computer use with Blender and CAD training. The Hy4 flash column reads 224B total, 12B active; multimodal with the encoder undisclosed; 64B Engram parameters; 1M context on both tiers. A footer reads 'All figures are Tencent's; neither model has an independent benchmark score.'

有两项能力存在于旗舰型号中,而小模型并未以相同措辞宣称具备这些能力。

规模化视觉。 HY4 版本展示了一张 28 亿像素的航拍照片,其中模型定位到了一个两米长的屋顶构件;这与其说是视觉结果,不如说是在证明百万 token 窗口能够同时容纳一张分块图像和一个查询。Hy4 flash 被称为多模态,其 WorkIndex 套件中的八种任务类型之一就是视觉理解,但该版本并未说明编码器是自研还是外挂、规模有多大,或者是否支持视频输入。对于密集文档和图表任务,旗舰模型是那个有已发布演示作为支撑的模型。

计算机使用与长时程桌面工作。Tencent 专门训练 HY4 来跨应用操控桌面,在基于其自有 Agent Runtime 构建、安装了数百个应用的沙盒中运行它,并将 Blender 和 CAD 列为目标工作负载。Hy4 flash 也被推荐用于计算机使用,这是一个有意义的让步——但附带训练描述的是旗舰型号,而内部 WorkBuddy 数据显示,flash 在长时程编码任务上处于下风,尽管在日常工作上已达到同等水平。

旗舰模型这一栏里的其余内容都是规模,而不是能力:490 亿活跃参数对 120 亿,78 个有记录的层对未披露的层数,256 个路由专家对未披露的数量。更多活跃参数带来的是在困难推理和长工具链上的深度。它们换不来上下文窗口的访问权限——两者在这点上相同——也换不来原则上对多模态的支持——两者都声称具备。

十二倍的差异从何而来

价格差距并不是折扣带来的,而是活跃参数只有四分之一,再加上一整套服务层面的改动;腾讯对后一部分的说明异常具体。

据厂商介绍,在效率方面:混合注意力、LatentMoE 与 Engram 参数共同将 KV 缓存压缩至 Hy3 的二十四分之一、腾讯 HY4 的六分之一。先从 HY4 进行自蒸馏、再做强化学习,使端到端输出长度缩短了 50%。一个采用四位量化的推理巨内核(megakernel),配合名为 DFly 的解码路径,可维持每秒超过 150 个 token 的速度。每一项都看似合理,每一项都与该架构相符,但没有一项经过独立复现。

KV 缓存这个数字改变的是部署算术,而不只是价格。在百万 token 上下文中,缓存大小决定了一个节点能容纳多少条并发的长请求;而旗舰模型六分之一的缓存、十二分之一的价格,这种组合可以在模型质量不变的情况下,把不盈利的工作负载变成盈利的。输出长度削减 50% 则是改变质量的那个数字,也是需要测试的数字:更短的答案更便宜,是因为它们更短;而它们变短是因为模型高效,还是因为它停止了思考,这正是供应商无法就自己的模型告诉你的。

作为参考,关于该系列自身的发展轨迹,腾讯报告称,在其内部 WorkIndex 套件上,每任务成本为 Hy4 预览版的十三分之一、腾讯 HY4 的二十分之一。每任务指标与每 token 指标是不同的衡量方式,前者计入了输出长度和重试次数,因此二十分之一是真实的运营数字,而十二分之一是价目表数字。这两个数字都足够大,因此方向毋庸置疑。

没有人回答过的蒸馏问题

蒸馏模型会在蒸馏所覆盖的任务上继承教师模型的行为,而在其余任务上则自行发挥。腾讯表示,Hy4 flash 是从 HY4 自蒸馏而来,这使得该旗舰模型既是竞争者,又是训练信号——这种安排通常会产出一个小型模型:它在教师模型被反复训练的内容上非常擅长,而在其他方面则明显较弱。

公司内部产品数据与该模式一致。在 WorkBuddy 中,Hy4 flash 的运行成本约为 Tencent HY4 的十五分之一,任务时间缩短 70%,日常任务表现持平,长编码任务略有下降。在微信支付智能体流程中,它以少 6% 的步骤和少 29% 的输出 token 达到与 DeepSeek-V4.1-Flash-1017 相当或更优的表现。在王者荣耀根因分析中,其定位效果接近 DeepSeek-V4.1-Flash-1017 和 GLM-5.3-Flash,同时请求数少 22% 至 39%,token 数少 40% 至 61%。在企业微信中,与 HY4 相比,其输出速度快 88%,思考 token 少 60%。

综合来看,这些数字描述的是一个在模型家族训练所针对的任务类型上表现优异的模型——文档、智能体、结构化输出、检索——而在教师模型的额外深度发挥作用的那些任务上则略有退让。这是蒸馏的预期结果,并不是批评;这正是应保留两个层级、而不是用一个替代另一个的原因。

两个模型都没有的东西

旗舰版和闪电版均未附带权重。腾讯表示计划开源 Hy4 flash 并频繁迭代,但目前没有许可证、没有日期,也没有代码仓库。腾讯 HY4 自身的权重发布同样只是作为计划公布。如今你能下载到的该家族唯一成员是 Hy4 preview,采用 Apache 2.0 许可,自 8 月 28 日起在 Hugging Face 上提供;十一个星期、两个版本之后,情况依然如此。

两者都没有独立的基准测试得分。Artificial Analysis 尚未发布任何关于腾讯 HY4 或 Hy4 flash 的内容。两份发布中的每一个数字都来自腾讯,基准测试表格以图表图片而非文本形式存在,而 flash 模型头条宣称背后的盲测,是 85 名腾讯员工使用腾讯产品完成腾讯选定的任务。这并不意味着这些数字是错的。这意味着它们只是一个起始假设。

两者都没有公布采样配置、系统卡片,也没有关于拒绝行为的说明。而预览版这三样全都提供了。

实际拆分

腾讯的指导在高负载形态的贴合度上比大多数厂商的建议更清晰,值得用运维语言重述一遍。

对于任何以阅读为主的任务,默认使用 Hy4 flash。深度搜索、文档处理、对长输入进行提取、幻灯片生成、简单的前端脚手架搭建,以及大部分 token 都花在反复重发上下文上的智能体循环。十倍的缓存折扣和更小的 KV 占用,使长上下文检索成为低成本层级显然最合适的工作负载,而内部数据恰好覆盖了这一领域。

当任务是一长串决策时,就选用腾讯 HY4。多文件软件工程、长周期桌面自动化、CAD 和 Blender 工作,以及任何需要一次运行在数十个步骤中始终维持计划的任务。这正是腾讯自己承认的场景,而该旗舰模型额外 370 亿活跃参数正是其机制所在。

使用 Hy4 预览版作为对照。它属于同一系列,与旗舰模型同为 770B/49B 规模,附有已发布的基准测试附录,并且提供可自行运行的 Apache 2.0 权重。当你判断 flash 是否足够好时,预览版为你提供了一个无需依赖图表可信度的参照点。

在哪里运行比较

A screenshot of the OrcaRouter model page for Hy4 preview, slug tencent/hy4-preview, credited to Tencent and dated 2026-08-28, described as a 770B-total mixture-of-experts flagship with 49B activated per token, 78 layers and 256 routed experts plus one shared expert, over a 1,048,576-token context. The specification strip reads max output 64K, text in and text out, best for reasoning, coding and agentic work, p50 time to first token 4.65 seconds, running in the European Union. The pricing panel lists $0.834 input and $2.501 output per million tokens with a $0.042 cache read, and the performance panel shows 39.0 tokens per second. A button reads 'Get the Hy4 preview API'.

腾讯 HY4 和 Hy4 flash 均未通过 OrcaRouter 路由。这里提供的是 tencent/hy4-preview,按提供商标价每百万输入 $0.834、每百万输出 $2.501,另有一个限速免费层级,以及 tencent/hy3,较旧一代的价格为 $0.18 和 $0.59。本文提到的两个模型可通过腾讯自家的 TokenHub 访问,其中 flash 层级目前正在进行为期未说明的 50% 折扣促销,WorkBuddy 在 11 月 30 日前免费。

预览路线的价值超乎表面。它以与旗舰相同的规模运行相同的架构,发布一份包含八行基准的附录,你可以针对检查点重新运行,而且成本只有评估旗舰版本的四分之一。如果你要问的是这个家族的大模型是否足以胜任你的工作,预览版能以极低的成本给出答案;如果答案是肯定的,Hy4 flash 就是用来与它比价的版本,而蒸馏关系意味着这种比较异常干净——同一家族、同一上下文、同一分词器谱系,付费却相差十二倍。

即便某个模型系列只能通过其供应商访问,也值得把评测放在路由器上,原因之一在于:六天前才发布的模型没有公开的正常运行时间记录,而如果在发布周促销期间某个端点表现异常,用同一个密钥换成tencent/hy4-preview只需改一行代码。腾讯收取的费用之上不会再叠加任何东西——标价就是实付价格——而且当腾讯调整费率时,你下次调用就按新数字付费,而不是等某人的比价表发布下一版。如果评测范围扩大到该系列之外,同一份凭证还能开通另外两百多个模型。

A generated decision card titled 'Split the work, do not replace it' with three rows: reading-heavy work such as documents, deep search and retrieval points to Hy4 flash; long chains of decisions such as multi-file engineering and desktop automation point to Tencent HY4; and a control row reading 'the control: Hy4 preview, same 770B scale, Apache 2.0 weights'. A footer reads 'Tencent reports one-twentieth the per-task cost and a small drop on long coding; no independent score for either model.'

层级划分本身就是宣告

腾讯在11月16日说出的最有分量的一句话并非价格,而是:旗舰模型继续服务于长周期软件工程,而廉价模型承接日常工作——一家公司沿着客户真正能感知到的维度来划分自己的产品线,并承认廉价模型并不能取代昂贵的那一个。

对于处于这一分界之内的人来说,选择很容易,而且数字很可观:输入价格的十二分之一、输出价格的九分之一、缓存价格的百分之一,活跃参数减少至四分之一,并且在同样的百万 token 窗口下 KV 占用更小。而对于不在其中的人——长时间智能体运行、桌面自动化、多文件代码——旗舰型号仍然是该系列的首选,其厂商自己也这么说。

缺少的是证据,而两个档位都缺证据。没有独立评分,两个新模型都没有权重,基准测试表只能当图片来看,核心对比则来自一个内部小组。十二倍的价差是一个足够强的说法,几周内就会有 Tencent 之外的人来检验它。在它得到检验之前,明智的立场正是 Tencent 自己的指引所暗示的:把低价档用于它专为设计的任务,把旗舰档留给工作周期长的场景,并对两者都进行测量,而不是按价目表来做选择。

本文中的对比1

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