
Hy4 vs Qwen4-Max:Hy4 真正胜出的两行
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 182 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 749 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百万 tokens · 1902 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 96 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
在构成 Artificial Analysis Intelligence Index v5.0.1 的九项评估中,有七项 Qwen4-Max 胜过 Tencent Hy4。理应如此:Alibaba 的旗舰模型得分为 42.9,而 Tencent 为 34.6,并且它每次调用共享 262,144 个 token 的思考与回答预算。但有两项结果相反,而这两项恰好说明了每个模型实际上是为做什么而构建的。在 FrontierCode-AA 2.0——真实开源仓库中的软件工程——上,Tencent Hy4 得分为 31.4%,Qwen4-Max 为 26.5%。在 MLCR-AA,即医疗长上下文推理上,Hy4 得分为 32.8%,Qwen4-Max 为 19.4%。
对于一个落后 8.3 个指数点的模型来说,这是一组奇怪的胜利,而这正是这次比较的价值不止于记分牌的原因。Qwen4-Max 是更强的通用模型,也是你在高难度推理、知识工作以及任何涉及视频的任务中会选择的那个。Tencent Hy4 则是更便宜的模型、可下载的那个,并且——在真实代码仓库工作上,以微弱优势——是更好的工程师。二者之间的抉择取决于你实际需要上述哪一种能力,也取决于一套定价结构:它让较便宜的模型比其 token 价格所暗示的还要便宜。
七行给 Qwen,两行给 Hy4
两组数据均来自 2026 年 11 月 20 日的 Artificial Analysis,评估版本相同,测试框架也相同:
• 高难度推理,HLE-Diamond — Qwen4-Max 44.9%,Hy4 32.7%。这是榜单上最大的差距,12.2 个百分点。
• 物理学,CritPt v2 困难子集 — Qwen4-Max 43.0%,Hy4 39.0%。
• 在干净终端中进行智能体编程,Terminal-Bench 4.0 —— Qwen4-Max 48.5%,Hy4 37.4%。
• 终端中的智能体科学,Terminal-Bench-Science — Qwen4-Max 23.3%,Hy4 12.9%。
• SaaS 工作流执行,AutomationBench-AA —— Qwen4-Max 72.6%,Hy4 65.6%。
• 专业文档推理,GDP.pdf 全部通过——Qwen4-Max 26.2%,Hy4 21.6%。
• 智能体知识工作,AA-Briefcase Elo——Qwen4-Max 1,686.1,Hy4 1,445.9。240 Elo 的差距,为本系列中最大。
• 真实代码仓库中的软件工程,FrontierCode-AA 2.0 — Hy4 31.4%,Qwen4-Max 26.5%。
• 医疗长上下文推理,MLCR-AA — Hy4 32.8%,Qwen4-Max 19.4%。
这两次失利中的模式值得被精确命名,因为它并非噪声。Qwen4-Max 赢下终端基准测试——这些是目标明确的干净环境编码任务。Hy4 赢下代码仓库基准测试,这涉及浏览并非为评估而编写的代码。它还在医学长上下文上以 13 分优势获胜,而这是唯一一项对应明确设计目标的能力:腾讯在长文档和深度研究上训练了 Hy4,并在模型卡中说明了这一点。与此同时,阿里巴巴为 Qwen4-Max 提供的材料则主打 Work360、token 效率宣称以及共享推理预算——一款为广度而优化的通用旗舰模型。

价格比率与成本比率之间的差距
Qwen4-Max 的输入价格是 Hy4 的 1.8 倍,输出价格也是它的 1.8 倍。按每项 Intelligence Index 任务的实测成本计算,则是 3.2 倍——3.27 美元对 1.03 美元。额外的倍数来自 token 效率,而这正是这项比较中大多数人会忽略的部分。
• 输入 — Qwen4-Max 每百万个 token 1.50 美元,Hy4 0.834 美元。Qwen 贵 80%。
• 输出 — Qwen4-Max $4.50,Hy4 $2.501。同样 80%。
• 缓存读取 — Qwen4-Max 为 $0.075,享受 95% 折扣;Hy4 为 $0.042,享受 95% 折扣。Qwen 贵 79%,且折扣率相同,因此缓存并不能弥补这一差距。
• 每个索引任务的输出 token 数——Qwen4-Max 104,940,Hy4 78,058。Qwen 每个任务的推理时间要长三分之一。
• 每个索引任务的耗时 — Qwen4-Max 为 29.8 分钟,Hy4 为 14.0 分钟。前者是后者的两倍多。
• 输出速度 — Qwen4-Max 每秒 59 个 token,Hy4 每秒 93 个。
将两种效应相乘,1.8 倍的价格比就会变成 3.2 倍的成本比。对于每月运行一万个智能体任务的工作负载来说,这就是一项你需要为之辩护的支出条目与一项你需要重新谈判的支出条目之间的差别——而且即便 Qwen4-Max 是能力更强的模型,这一点依然成立,因为你没有调用的能力仍然会被计费。

在 Qwen 这一侧有一个反向的定价细节,很容易被忽略。阿里巴巴的按量计费卡依地区而异:新加坡为 $1.50 和 $4.50,但在北京、香港、法兰克福和美国弗吉尼亚为 $1.413 和 $4.24,缓存读取为 $0.071。如果你的流量终止在这些地区之一,输入差距会缩小到约 69%,而不是 80%。这不会改变答案的方向。
视频输入,权重输出
这两个模型接受的输入并不相同,而这正是最常在真实采购中起决定性作用的差异:
• 输入模态——Qwen4-Max 可处理文本、图像和视频。Tencent Hy4 可处理文本和图像。自 11 月 4 日以来,Hy4 在视觉方面并未退步——图像理解和计算机使用是该版本的重点新增功能——但它不具备视频处理能力。
• 输出 — 仅文本。
• 上下文 — Hy4 为 1,048,576 个 token;Qwen4-Max 为 983,616 个 token(按 Artificial Analysis 的统计),不过阿里巴巴自己的文档写的是 1,000,000。这一差异只是统计口径问题,而非能力差异;两者都是百万级 token 模型。
• 权重 — Hy4 自 2026 年 11 月 18 日起可根据 Tencent Hy 许可证下载,这是一个 7740 亿参数的 BF16 检查点,并提供 FP8 版本和预训练基础版。Qwen4-Max 没有已发布的检查点,阿里巴巴的材料将其描述为专有旗舰模型。
权重这条路线才是影响超出价格的那一条。可下载的模型可以基于你自己的轨迹进行微调、量化以适配你的硬件、接受审计、固定到某个版本,并在没有出站路由的网络内运行。专有模型给你的则是一份 API 合约和一个退役日期。这就是为什么本博客早先关于 Qwen4-Max 的报道会反复回到同一个不对称点:7700 亿参数的开放权重消除的是法律壁垒,而不是硬件壁垒——但对于已经拥有硬件的公司来说,这正是全部差别所在。
路由器改变算术的地方
Tencent Hy4 可在此按tencent/hy4路由,每百万 token 价格为 $0.834 和 $2.501,缓存读取为 $0.042——这是提供商自己的价目表,按0% 加价传递,因此 Tencent 的价格变动当天就能传达到您这里。Qwen4-Max 不在我们的目录中;Alibaba 通过其自有的 Model Studio API 和多个第三方平台提供该模型,而我们不路由它,因此本文中的任何内容都不应被解读为就此作出的要约。
单一端点带来的好处是,你不再需要把这一选择当成永久性的。路由 DSL 可以按任务形态分派工作:仓库级工程和长文档分析交给 tencent/hy4,高难度推理以及任何涉及视频的任务交给 Qwen4-Max,并通过其自己的 API 密钥访问,两者之间还支持自动故障转移。就上面的组件评分而言,这种划分并不是妥协——而是正确的分配,因为这两个模型的薄弱评测几乎不重叠。模型融合还能更进一步:让两者组成一个小组,就能把 Qwen 的 HLE-Diamond 得分和 Hy4 的仓库级得分摆到同一个答案面前。

谁应该选哪个
如果工作推理密集、其中任何部分涉及视频,或者输出由人而不是测试来评判,就选 Qwen4-Max——240-Elo 的 AA-Briefcase 差距可不是舍入误差。预算要按每个任务成本是 Hy4 的 3.2 倍、且完成每个任务耗时翻倍的模型来准备。
如果你希望拥有模型权重,如果工作是仓库级代码或长文档分析,或者如果单位经济性决定采购,就选择 Tencent Hy4。它在每个可衡量的维度上都是更便宜的模型,是你可以自行运行的那一个,并且在两项奖励驾驭无人为它准备过的材料的评估中胜出。
悬而未决的问题是,第二份清单是否会扩大。Hy4 的权重已经公开两天了;用公司自己代码仓库的轨迹做一次微调,就能攻下五个百分点的差距,按当前价格计算,这不过是一个周末的算力。而 Qwen4-Max 根本无法以这种方式被攻克。这种不对称——一个模型你可以改进,另一个你只能等待——不在任何基准测试表中,而在接下来一年里,它会比那 8.3 个百分点更重要。
本文中的对比1
根据本文内容识别
