一张生成的标题卡写着“Tencent Hy4 对比 Claude Opus 5.5 —— 每任务成本仅为其十分之一”,左侧卡片是 Tencent Hy4,显示“总参数 770B / 激活参数 49B”“1M 上下文”“权重于 2026 年 11 月 20 日开放”和“每 1M tokens $0.834 / $2.501”,右侧卡片是 Claude Opus 5.5,显示“最高推理强度下 Intelligence Index 59”“1M 上下文”“权重闭源”和“每 1M tokens $4.00 / $20.00”,页脚写着“指数数据来自 Artificial Analysis,v5.0.1。OrcaRouter 标志位于右下角。”
Guides & Insights

Tencent Hy4 对比 Claude Opus 5.5:每项任务成本仅十分之一

作者

Gideon Frost

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

2026年11月20日,腾讯 Hy4 不再是以租用形式提供的模型。正是在这一天,腾讯发布了权重——tencent/Hy4、Hy4-FP8以及预训练的 Hy4-base——发布在 Hugging Face、ModelScope 和 GitCode 上,此时距该模型本身于11月4日正式开放使用已过去十六天。相比之下,Claude Opus 5.5 从未可供下载:Anthropic 于2026年9月22日将其作为仅提供 API 的旗舰模型发布,且未公布任何开放它的消息。因此,有趣的问题不再是谁的模型更好,而是:当你为一个在独立指数上高出24分的模型,每完成一项任务多付约十倍价钱时,你究竟在买什么——以及一旦便宜的一方可以在你自己的硬件上运行,这笔交易是否仍然成立。

让这一比较更具体的数据均来自 Artificial Analysis 的 Intelligence Index v5.0.1 修订版。Claude Opus 5.5 在最高 effort 设置下为 59,在 xhigh 下为 57,在 high 下为 52,在 medium 下为 48,在 low 下为 35。Tencent Hy4 为 35,未公布 effort 分级。按每完成一项 Intelligence Index 任务的成本计算,排序则完全反转:Claude Opus 5.5 为 10.04 美元,Tencent Hy4 为 1.03 美元。

11月20日实际发生了什么变化?

腾讯自己对此次发布的表述,只是模型卡新闻部分中的一行:该公司开源了 Hy4、Hy4-FP8 和 Hy4-base。这在实践中意味着什么更为具体,值得与营销宣传区分开来。

• 权重——完整的 BF16 检查点。Hugging Face 仓库的 safetensors 索引显示有 7744 亿参数,即 770B 主干网络加上视觉编码器和草稿模型。面向希望在没有多节点集群的情况下测试该模型的用户,一个 4 位 GGUF 构建版本已经发布在一个单独的仓库中。

• 许可证——腾讯 Hy 许可证,1.0 版。它衍生自 Apache 2.0,但明确并非 Apache 2.0,且第 10 条增加了重要的商业条款。下文将详细说明。

• 服务部署——腾讯直接提供预构建镜像,而不是让你自己去跟架构较劲:vllm/vllm-openai:hy4 和 lmsysorg/sglang:hy4,两者都已接入 DFly2 投机解码草稿模型。vLLM 的配方需要八块 GPU、张量并行度为 8,以适配 FP8 检查点。

• 没有改变的是——价格。Tencent Hy4 自正式发布以来,输入 token 每百万 $0.834,输出 token 每百万 $2.501,缓存读取为 $0.042。开放权重并未伴随降价,也没有任何即将降价的迹象。

GA 版本与开放版本是同一个模型。一个月前还不是这样:8 月发布的 Tencent Hy4 Preview 在发布首日就以 Apache 2.0 许可提供权重,而 11 月的 GA 版本则以封闭 API 的形式登场,并附带一项承诺。11 月 20 日的上传正是这一承诺的兑现,只是附带了更严格的许可协议。

独立指数上的差距

24 分是一个很大的差距,而且一旦看清每个数字衡量的是什么,这一差距比标题所暗示的还要大。Artificial Analysis 公布了 Claude Opus 5.5 在五个努力等级下的成绩,而腾讯 Hy4 只有一个等级。Hy4 的 35 分并不是与努力等级匹配的分数;它是该实验室公布的唯一数字,推测反映的是模型默认采用的推理设置,而在腾讯自己的 API 上,这一默认设置是 high。

由此得出两点。第一,诚实的比较是 35 对 Opus 5.5 在高努力设置下的 52,而不是对它 59 的比较——差距是 17 分,而不是 24 分。第二,也更有用的一点是,Claude Opus 5.5 的低努力那一行同样是 35。在其最快、最便宜的设置下,Anthropic 的旗舰模型与腾讯开放旗舰模型在默认设置下的指数得分相同。对于任何构建路由表的人来说,这都是一个真正有用的事实,因为这意味着选择不是“好模型对弱模型”,而是“你能负担得起努力档位的哪一端”。

A generated two-column scoreboard titled 'Tencent Hy4 vs Claude Opus 5.5'. Tencent Hy4 column: Intelligence Index 35, price $0.834 / $2.501, context 1M tokens, weights open under the Tencent Hy License, first answer token 115.9 s, cost per index task $1.03. Claude Opus 5.5 column: Intelligence Index 59 at max effort, price $4.00 / $20.00, context 1M tokens, weights closed, first answer token 24.3 s at high effort, cost per index task $10.04. Footer: 'Index and cost figures per Artificial Analysis, v5.0.1; licence terms per Tencent and Anthropic.'

子项得分也指向同一结论。在 Artificial Analysis 于 11 月发布的 Cyber Index 上,Tencent Hy4 得分为 58,在 26 个模型中排名第三——落后于得分 64 的 Kimi K3.1 Pro 和得分 69 的可信访问版 GPT-6 Sol 变体,并略高于得分 57 的 DeepSeek V4.1 Flash 1017。它在 CWE-Bench-AA 上以 76% 的成绩独占第一。这些是安全专项评估,而非通用推理评估,但它们是 Tencent 的模型所拥有的唯一独立分数,且并非单一综合分,而且这些成绩相当不错。

腾讯 Hy4 所缺的,是来自其自家实验室的公开基准测试表。11 月的 GA 公告用内部任务套件替换掉了预览版中的 Terminal-Bench、DeepSWE 和 SWE-bench Pro 各行——一个 213 名专家组成的金融评审组、一项幻觉率对比、一个 42.1 的内部 WorkIndex 得分。这些都是厂商就其自家任务所报告的说法,而模型卡只是重复了它们,却没有给出那些能让你拿它们与任何东西相互核对的公开基准行。独立指数才是那项校验。

差距的代价,按任务计

真正决定大多数实际部署的正是这一点,而它并不像费率卡所暗示的那样,干净利落地 favour 更便宜的令牌价格。

• Token 价格——腾讯 Hy4 输入 $0.834、输出 $2.501,而 Claude Opus 5.5 为 $4.00 和 $20.00。输入便宜近五倍,输出便宜八倍。

• 缓存——Hy4 每百万缓存输入 token 收费 $0.042,相当于 95% 的折扣,而 Opus 5.5 为 $0.20。在一个每轮都会重新读取同一份 200,000 token 仓库的智能体循环中,这一差异就是整个成本模型。

• 每完成一个索引任务的成本——Hy4 为 1.03 美元,而 Opus 5.5 为 10.04 美元。请注意,这是 9.7 倍的差距,比 token 单价的差距更大,因为 Hy4 在绝对量上也更为冗长:整个索引过程中输出 1.6 亿个 token,而 Opus 5.5 为 2.18 亿个;在冗长度排名上,Hy4 在 94 个模型中位列第 87,Opus 5.5 位列第 90。两个模型都算不上简洁。

• 速度——Hy4 每秒 93 个 token,而 Opus 5.5 为 112 个,但延迟表现比吞吐表现更糟。腾讯 Hy4 生成首个回答 token 需要 115.9 秒,而该层级的中位数为 12.7 秒。对于交互式工作而言,这才是关键数字,也是更便宜的模型明显是更差产品的唯一一处。

• 每项任务用时——Hy4 为 14.0 分钟,而 Opus 5.5 为 25.7 分钟。尽管存在首字延迟,Hy4 在实际耗时上完成索引任务更快,因为其整体思考时间更短。

因此,成本说法需要加上一个价目表所掩盖的限定条件。Tencent Hy4 每完成一项任务的成本大约只有十分之一,但它会让用户为首个 token 等待近两分钟,而且在同等投入下,回答问题的表现要差 17 分。如果你的工作负载是批处理——文档提取、分类、夜间 agent 运行、合成数据生成——那么首 token 延迟无关紧要,经济性具有压倒性优势。如果它是交互式的,延迟本身就是产品,价格优势也无法挽救。

Hy4 完胜之处

三个维度,而它们都与是否更聪明无关。

• 上下文经济学。两个模型都宣称拥有 100 万 token 的上下文窗口。但只有其中一个会对重新读取同一窗口收取每百万 token 0.042 美元的费用。涉及对固定语料库进行反复遍历的长上下文工作——对照整个代码仓库进行代码审查、跨文档集进行合同分析、将笔记保留在上下文中的研究型智能体——即便在基础费率之前,在 Hy4 上也要便宜得多。

• 模态。Tencent Hy4 通过单一的 ViT 路径接受文本、图像和视频帧,并返回文本。Claude Opus 5.5 接受文本、图像和文件。视频是两者的差异所在:Hy4 的模型卡描述了一个带有适配器的视觉编码器,该适配器可将视频帧特征转换为视觉 token,而 Opus 5.5 没有等效的表述。

• 输出长度是 Opus 5.5 唯一干净利落地胜出的方面:最大输出 token 数为 128K,而 Hy4 为 64K。对于需要在一次调用中生成超长产物的任务,这个上限具有决定性意义。

Claude Opus 5.5 的优势正是 Anthropic 一直宣传的那些:同等投入下 17 个点的指数差距、高投入下首个 token 24 秒对 116 秒、输出上限翻倍,以及背后规模大得多的第三方评估。如果任务是高难度软件工程或错误答案代价高昂的多步分析,那么十倍的价格差并不是关键数字。如果任务是批量处理,那它就是唯一重要的数字。

该许可证不是 Apache

Screenshot of the tencent/Hy4 model card on Hugging Face, showing the model name, the Hunyuan / hy4 / moe / multimodal tags, the Tencent Hy License badge, and links to ModelScope, GitCode and the GitHub repository.

这正是11月20日版本与8月版本的不同之处,也是大多数对比页面会略过的细节。

Tencent Hy4 Preview 以 Apache 2.0 发布——这是一份真正宽松的许可证,没有任何附加条件。Tencent Hy4 依据 Tencent Hy License 1.0 发布,该许可证是在 Apache 2.0 基础上增加了第 10 条。该条规定,如果你经营模型即服务业务,并且你的全球总营收在任何十二个月期间超过 5000 万美元,或者你嵌入该模型的产品月活跃用户超过 1 亿,那么你在使用该模型前需要获得腾讯单独的书面许可。内部使用除外:如果模型及其输出均不流向第三方,则第 10 条不适用。

对于在内部工具背后运行该模型的初创公司、研究团队或企业来说,该条款形同虚设,Hy4 实际上是开放的。对于计划在其之上转售推理服务的平台来说,这则是一场谈判。相比之下,Claude Opus 5.5 不存在这个问题,因为根本没有可授权的东西——你要么租用端点,要么就不使用该模型。

实际后果是出现了一种一个月前还不存在的分化。Tencent Hy4 现在是本次对比中唯一可以微调、蒸馏、量化,或在无外联访问的网络内运行的模型。Claude Opus 5.5 是两者中唯一具有 128K 输出上限,并且在其高强度设置下能在半分钟内生成首个 token 的模型。

在两者之间选择

决策树足够简短,可以毫不含糊地陈述。

• 你需要的是单位 token 的最高得分,而且任务具有交互性——Claude Opus 5.5。当用户盯着 116 秒的首 token 延迟时,任何关于价格的论据都站不住脚。

• 你需要的是每个已完成任务的最低成本,而且这项工作是批处理式的——Tencent Hy4,差距接近一个数量级。

• 你需要自行托管、微调,或将数据保留在自己的网络内——腾讯 Hy4,但须阅读许可证第 10 条。这里根本没有 Claude Opus 5.5 这个选项。

• 你需要单次调用生成 128K 输出,或需要视频输入——输出上限指向 Opus 5.5,视频输入指向 Hy4。很少有工作负载同时需要两者。

• 如果你想在两者之间做个对冲——在它们前面加一个加权路由,让便宜的那个模型先尝试。Hy4 每任务 1.03 美元,足够便宜:一次失败的尝试成本大约只有让 Opus 5.5 先试的十分之一,而且升级路径只会在真正需要的任务上触发。

在一个密钥上同时运行两者

Screenshot of the OrcaRouter model page for Anthropic: Claude Opus 5.5, showing the model name, vendor, context window, per-million-token pricing and supported endpoint types.

这两个模型均可通过 OrcaRouter 使用各自的模型字符串进行调用——tencent/hy4的每百万输入 token 价格为 0.834 美元,每百万输出 token 价格为 2.501 美元;而anthropic/claude-opus-5.5则分别为 4.00 美元和 20.00 美元。这意味着上述比较可以作为实验来运行,而不是停留在争论层面:一个密钥、一个 SDK、两个模型字符串,以及一个优先选择低成本模型、在失败时逐级升级的路由 DSL。

由于 OrcaRouter 以零加价透传提供商目录价格,Tencent 的价目表就是您在我们这边支付的价格,Anthropic 也是如此。如果任一供应商调整价格,变更会在当天生效,而不必等待经销商重新录入价目表。

在自托管场景下,计算方式会完全改变。一旦你在自己的 GPU 上运行 Hy4,每个 token 的边际成本就不再是供应商给出的数字,而会变成你的电费和利用率数字,这就是为什么对于任何有闲置算力的人来说,权重比许可证争论更重要。

接下来的一个月将决定什么

有两件事将决定这场比较,而它们都不是基准测试里的一行数据。

首先是,腾讯的开源发布是否会促成对权重的独立评估。11月20日上传的内容包含一份系统卡和一份微调指南,但模型卡中的基准材料仍主要是预训练表格——基础模型的 MMLU 为 91.6、MMLU-Pro 为 73.9、SuperGPQA 为 62.7、MMMU-Pro 为 59.6——再加上内部任务套件。腾讯之外还没有人公布过指令微调版本的分数,而独立指数上的 35 分只是来自单一评估方的一个数字。

第二点是努力程度。Claude Opus 5.5 已经公布了从 35 到 59 的五个档位;其最便宜与最昂贵设置之间的差距,比它与腾讯 Hy4 单一得分之间的全部差距还要大。如果腾讯也公布同类的分档——而 API 已经提供了 high/no-think 切换——那么比较就会变成一张按匹配设置排列的表格,而不是一个数字对另一个数字。在此之前,诚实的总结是:腾讯 Hy4 在独立评估中处于中游,在安全专项评估中表现强劲,每完成一项任务的成本低一个数量级,而且如今是真正开放的——而在 11 月 4 日时它并非如此。

本文中的对比2

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