为“腾讯 Hy4 对比 Gemini 4 Argon”生成的标题卡。左侧卡片对应腾讯 Hy4:“2026 年 11 月 4 日发布,11 月 20 日开放权重”、“总参数 770B / 激活参数 49B”、“100 万上下文,支持文本、图像、视频输入”、“$0.834 / $2.501”。右侧卡片对应 Gemini 4 Argon:“2026 年 9 月 30 日发布”、“高投入模式下智能指数 50”、“100 万上下文,支持文本、图像、音频、视频、PDF 输入”、“$2.00 / $10.00”。页脚:“指数数据依据 Artificial Analysis v5.0.1。”
Guides & Insights

Tencent Hy4 对比 Gemini 4 Argon:开放权重 vs 更广泛的模态集

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

拿一千页扫描发票来问两个问题:读取它们要花多少钱,对它们进行推理又要花多少钱。答案指向相反的方向,而这就是 Tencent Hy4 与 Gemini 4 Argon 之选的全部。Tencent Hy4 自 2026 年 11 月 4 日起全面可用,自 11 月 20 日起开放权重,是一个文本与图像模型,每百万输入 token 收费 0.834 美元。Google 于 2026 年 9 月 30 日发布的 Gemini 4 Argon 接受文本、图像、音频、视频和 PDF,每百万输入 token 收费 2.00 美元。一个的输入价格是另一个的 2.4 倍,输出价格则是四倍。更便宜的那个可以下载并在你自己的硬件上运行。更贵的那个能读取更便宜者完全看不到的格式。

在独立指数上,两者差距足够接近,仅凭能力很难为价格差距找到理由:Artificial Analysis 的高投入档将 Gemini 4 Argon 的智能指数定为 50,中档为 48,而腾讯 Hy4 为 35。在投入大致相当的前提下,15 分的差距确实存在,但远小于 2.4 倍输入价格和 4 倍输出价格所暗示的程度。价格差距真正体现在每完成一项任务的成本上:在同一指数下,Argon 为 4.97 美元,Hy4 为 1.03 美元。

发票,已处理完毕

实打实的算术比费率卡截图更有说服力,所以以一个合理任务为例:1,000 页扫描发票,每页约 800 个图像 token,一个 600 token 的提示词,每页 300 token 的结构化输出。

• 输入量——140 万个图像 token 加 60 万个提示 token,因此总输入量为 200 万个 token。

输出量 — 提取字段的 300,000 个 token。

• Tencent Hy4 — 200 万按 $0.834 计算为 $1.67,加上 30 万按 $2.501 计算为 $0.75。总计 $2.42。

• Gemini 4 Argon — 200 万按 2.00 美元计算为 4.00 美元,加上 30 万按 10.00 美元计算为 3.00 美元。总计 7.00 美元。

• 使用缓存时——如果提示词前缀在各页面之间保持稳定(在抽取流水线中通常如此),Hy4 每百万 $0.042 的缓存输入价格会使提示词占比几乎降至零;Argon 每百万 $0.10 的缓存费率也按比例起到同样作用。比率不会有太大变化,因为图像 token 占主导,而两家供应商都没有对这些大幅折扣。

单次运行相差 4.58 美元。按每月一百万页计算,就是 4,580 美元对 7,000 美元,而有趣的问题就变成了:15 个点的指数差距是否换来了足够的准确度,从而值得每月多花 2,420 美元——这完全取决于 Hy4 多出来的那几个错误点是否落在你可以事后验证的字段上。

最后那个从句才是有用的部分。使用 schema 和一轮验证的发票提取是一种工作负载,在这种任务中,较弱的模型加上确定性检查胜过单独使用更强的模型,因为解析失败后重试成本很低,而一个通过验证的错误数字则不是。35 分的 Tencent Hy4 做那项工作并不算太弱。但对于下两段所说的那项工作,它可能就太弱了。

模态差距真正产生影响的地方

Hy4 通过一个视觉编码器读取文本、图像和视频帧。Gemini 4 Argon 原生读取文本、图像、音频、视频和 PDF 文档,而 Google 的模型文档将这五种能力都列在该模型的能力说明行中。这一差异并非营销话术;它改变了无需预处理阶段即可实现的流水线范围。

• 音频。通话录音、会议、语音留言——Argon 直接接收文件。Hy4 则需要先进行转录步骤,这意味着第二个模型、第二份合同和第二种故障模式。

• 将 PDF 作为文档而非页面处理。如果 PDF 包含可选中文本、嵌入图像以及扫描的签名区块,Argon 可以一次性处理这种混合内容。Hy4 将渲染后的页面作为图像处理,因此文本层会丢失,token 成本也会上升。

长视频。Tencent 的模型卡描述了针对视频的帧特征适配,这是一项真实的能力,并且优于大多数开放模型。但它是帧采样,而非原生时序建模;对于任何涉及长片段中运动的问题,差异就会显现出来。

• 反向差距。Hy4 支持 64K 输出 token,而 Argon 默认支持 64K;根据 Google 的文档,输出侧最高可达 1M。对于提取类工作而言,二者都不是约束瓶颈。

所以,坦诚地说:Gemini 4 Argon 是更全面的工具,而腾讯 Hy4 是更便宜的那个。对于只涉及文本和图像的工作负载——大多数代码、大多数文档、大多数智能体工作都属于这一类——那种广度用不上,你真正为之付费的是价格。

能力:衡量与误测

Artificial Analysis 在 v5.0.1 智能指数中将 Gemini 4 Argon 评为 50(高强度)和 48(中强度),混合价格为每百万 token 1.47 美元,速度为每秒 68 个 token,高强度下首个 token 的等待时间为 47 秒,每完成一项指数任务成本为 4.97 美元。腾讯 Hy4 为 35,速度为每秒 93 个 token,混合价格为 0.45 美元,每完成一项任务成本为 1.03 美元。Hy4 一侧的这两个数字都没有按强度拆分,而这一局限也困扰着所有涉及它的对比:腾讯并未公布其模型在不同强度档位下的表现,评估方也只有这一个数字。

谷歌自己的公告中附有一张十九行的基准测试表,将 Argon 与 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 进行对比。它在 Vals Index、AutomationBench、Harvey's Legal Agent Benchmark 以及多个视觉测试套件上领先;在 FrontierSWE v2 和 Terminal-bench 4.0 上落后。这些是谷歌采用自家方法测得的数据,其中非 Gemini 的数值取自其他提供商各自的评分——方法论文档明确指出了这一注意事项。它们有助于了解谷歌优化的重点,但不适合用来排名。

Tencent 的证据基础更单薄,且性质不同。Hy4 发布公告完全删除了预览版中的 Terminal-Bench 和 SWE-bench 条目,取而代之的是内部任务套件:一个由 213 名专家组成的金融评测小组,Hy4 平均得分为 4 分中的 3.04 分;幻觉率从 15.76% 降至 5.45%;在内部游戏开发套件上提升 +19.1%。模型卡重复了这些内容。这些结果均无法在 Tencent 外部复现。唯一一项独立的安全专项结果——Cyber Index 得分 58,以及在 CWE-Bench-AA 上以 76% 位列第一——没有对应的 Gemini 4 Argon 结果,因为 Google 的模型未出现在该榜单上。

对买家来说这意味着什么:Argon 有一份实测的综合评分和一张供应商表;Hy4 有一份实测的综合评分、一项针对安全性的结果,以及一张关于内部工作的供应商表。两个综合评分都出自同一位评估者,这正是这 15 分的对比之所以有价值的原因。

为什么这场对决才刚出现几周?

值得直说,因为记录很重要。当 Google 于 9 月 30 日宣布 Gemini 4 Argon 时,它描述了一个三阶段推出方案——网络防御者先通过 Fairwind Program 获得,然后是付费 API 客户和 AI Ultra 订阅者,最后是其他所有人——除第一阶段外没有给出任何日期。当时,这个名字有一个模型系列页面、一张基准测试表,却没有可以放进请求里的模型标识符。

情况已经改变。Google 的模型文档现在将 gemini-4-argon 列为当前模型,不再带有预览标签,具有 100 万 token 的输入窗口,以及上文所述的五种输入模态组合。Artificial Analysis 将其列为已发布,并可通过 Google 的 API 使用。因此,本文的比较是在两个你可以调用的模型之间进行的,而六周前还无法做到这一点。值得做出这一更正,因为许多页面仍将 Argon 描述为受限的预告。

腾讯 Hy4 自身的状态则朝相反方向发生了变化:它在 11 月 4 日还是封闭 API,到 11 月 20 日已转为开放权重,并采用腾讯 Hy 许可证 1.0,而非 8 月预览版所遵循的 Apache 2.0。在同样的六周之内,这两款模型在开放程度上朝着相反的方向各自移动。

开放性问题,诚实定价

Hy4 的 7700 亿参数检查点可以下载。根据腾讯自家的 vLLM 方案,运行它需要八块 H100 级 GPU,采用 FP8 版本,张量并行度为 8。那是一台实打实的机器;对大多数公司来说,诚实的答案是:开放权重买到的是选择权,而不是成本节省——该模型原则上可以自托管,实践中租用很便宜,只有当数据驻留、微调或气隙隔离部署是硬性要求时,才值得下载。

许可证增加了一条值得一读的条款。腾讯 Hy 许可证第 10 条规定,如果你经营模型即服务业务,且在任何十二个月期间全球总营收超过 5000 万美元,或月活跃用户超过 1 亿,则需要单独的书面许可证。内部使用被排除在外。因此,一家在内部工具背后运行 Hy4 的企业不受影响;而一家转售其推理服务的平台则需进行协商。

Gemini 4 Argon 没有对应的问题,因为没有什么可授权的——你要么调用 Google 的端点,要么就不使用该模型。这是一种更简单、但灵活性严格更差的安排。对于受监管的买家来说,“我们可以在自己的机架上运行它”往往比十五个指数点更有价值;对其他人而言,这只是一个脚注。

应该把哪一个放入请求路径中

• 文本和图像中的体量提取——Tencent Hy4。上述计算并不接近,而模式加验证环节可吸收大部分准确率差距。

• 任何涉及音频、原生 PDF 或长视频的内容——Gemini 4 Argon。Hy4 看不到输入,而预处理模型的成本高于 token 差异。

• 交互界面——若二者中择一,则选中等投入的 Argon。Hy4 等待首个 token 需要 115.9 秒,这使其不适合;Argon 的高投入路径为 47 秒,虽然更好,但仍算不上聊天界面。

• 受监管的网络或微调计划——Tencent Hy4,须遵守第 10 条。

• 你所拥有的最强推理能力——Gemini 4 Argon,依据是两家模型厂商都认同的、大致朝该方向存在的 15 分独立差距。

两者集于一键,以及这带来了什么

A generated two-column scoreboard titled 'Tencent Hy4 vs Gemini 4 Argon'. Tencent Hy4 column: Intelligence Index 35, $0.834 / $2.501 per 1M tokens, input modalities text image video, weights open 20 Nov 2026, 64K max output, licence Tencent Hy 1.0. Gemini 4 Argon column: Intelligence Index 50 at high effort, $2.00 / $10.00 per 1M tokens, input modalities text image audio video PDF, weights closed, 64K default output, rollout phased at announcement. Footer: 'Index per Artificial Analysis v5.0.1; modality and licence details per each vendor's documentation.'

两个模型都可以通过 OrcaRouter 使用各自的字符串调用——tencent/hy4 的价格分别为 $0.834 和 $2.501,google/gemini-4-argon 的价格分别为 $2.00 和 $10.00——这使得模态拆分成为一项路由决策,而不是架构决策。将图像和文本任务交给便宜的模型,并根据输入类型进行路由,让任何携带音频或原生 PDF 的内容都进入能够读取它的模型。这就是路由 DSL 在履行其存在的职责,而且它只需一个密钥,而不是两套集成。

这里的透传定价比平时更重要,因为两家供应商按不同的时间表调整费率。OrcaRouter 按提供商目录价收费,零加价,因此 Google 的价格变动和 Tencent 的价格变动都会在同一天落到我们这边,而不是等到经销商重新录入价目表之后。

自动故障转移是另一半。一个在 Hy4 上未通过 schema 校验的批处理任务,可以在 Argon 上重试,而客户端毫不知情——相比为每次调用支付四倍的输出费率,这是更划算的换取准确性的方式。

什么会改变答案

Screenshot of the Artificial Analysis model page for Gemini 4 Argon, showing the model name, Google as vendor, an Intelligence Index of 50 at high effort and 48 at medium, a price of $2.00 per million input and $10.00 output tokens, and a 1M-token context window.Screenshot of the Hugging Face model card for tencent/Hy4 showing the repository title, the Tencent Hy License badge, the open-weight tags and the download and like counts.

两项进展会改变这一比较,而两者在十二个月的时间跨度内都是有可能的。

第一款是腾讯的带音频模型。Hy4 的视觉路径是用一个编码器处理图像和采样视频帧;增加一个音频编码器显然是下一步,而这将抹平 Argon 的大部分广度优势。腾讯已经推出了 Hy4 Flash,这是一款更便宜的 2200 亿参数同类模型,具有相同的模态集,因此该系列正在扩展,而不是在整合。

第二项是对开放的 Hy4 权重进行独立评估。该指数上的 35 分只是某位评估者对某个构建给出的数字。权重公开后,第二个实验室可以运行指令微调检查点,从而要么确认与 Argon 的差距,要么缩小这一差距。这尚未发生——模型卡中的基准材料在很大程度上仍是预训练表格,即基础模型的 MMLU 为 91.6、MMMU-Pro 为 59.6,外加腾讯的内部测试套件。

在此之前,这个总结范围有限但站得住脚。Gemini 4 Argon 是更全面的模型,也是得分更高的那个,其输入价格为 2.4 倍、输出价格为 4 倍、每完成一项任务的成本为 4.8 倍。Tencent Hy4 则是每完成一项任务便宜一个数量级的那个,自 11 月 20 日起开放,并且对音频无感知。首先根据输入类型来选择,因为这在价格发挥作用之前就决定了问题。

本文中的对比1

根据本文内容识别