GPT-6 Astra 與 Tencent HY4 Preview：一款模型具備稽核軌跡，而另一款則有基準測試表

Tencent HY4 Preview与GPT-6 Astra若只看廠商自家公布的數字，是當今取得接近前沿水準的代理式編程能力最便宜的兩條路；但若看其他人的評測，它們則是該級距中最無從比較的兩個模型。Tencent HY4 Preview 於 2026 年 8 月 28 日發布並以 Apache 2.0 開源，每百萬輸入 token 為 $0.834、每百萬輸出 token 為 $2.501，採用 7,700 億參數的混合專家架構，上下文視窗突破一百萬 token，輸出上限為 64,000 token。GPT-6 Astra 自 2026 年 9 月 3 日起正式開放使用，價格為 $10.00 與 $50.00，視窗為 1,050,000 token，最大輸出為 128,000。Astra 的優勢背後有八份已發表的第三方評測支撐；HY4 Preview 的優勢則只有騰訊自家的終端機、工具呼叫與盲測評測背書，除此以外別無其他。這種不對稱並不代表較便宜的模型較弱。它代表的是：這兩者之中，只有一項比較可以被查核，另一項則只能選擇相信，而實務上的決策也會因而有所不同。

Apache 2.0 發行版實際上為你帶來了什麼

授權條款是這場對決中價格表無法表達的那一部分。Tencent HY4 Preview 不是打著開放權重旗號的託管式試探品——其權重可從 Hugging Face、GitHub、ModelScope 與 GitCode 下載，這意味著無論 Tencent 對自身定價、自身端點，或自身是否持續有意提供服務作出什麼決定，該模型都能存續下去。

• 架構——總參數 770B，每個 token 啟用 49B，78 層，256 個路由專家加一個共享專家，以及一個原生多 token 預測層用於推測解碼br /> • 服務特性——每秒 54.6 個輸出 token，首個 token 時間中位數為 6.26 秒，依據 OrcaRouter 各路由在滾動七日窗口內的測量br /> • 上下文與上限——1,048,576 token 窗口，最大輸出 64,000 tokenbr /> • 輸入介面——僅文字；無影像、無檔案、無音訊br /> • 推理控制——三個等級：high、low 與 none，預設為 high，另有文件記載的取樣建議：temperature 0.9 與 top_p 1.0br /> • 可靠性——同一七日窗口的錯誤率為 2.8%，而 Astra 路由為 10.3%

最後那組數字是這頁上最具行動價值的資訊，而且這是沒有廠商會針對自家模型公布的數據類型。Astra 的獨立基準測試分數較高，但過去一週它的路由大約每十次請求就失敗一次，而一個完全沒有獨立分數的模型則是每三十五次失敗一次。這兩個數字都不是在陳述模型本身——錯誤率衡量的是路由、速率限制與上游，而不是權重——但它們是正式生產系統實際會遇到的數字。

在哪裡可以將騰訊的數字與別人的數字相互核對

就目前已公開的證據而言，這確實極不尋常：Astra 和 HY Preview 都有一個 Terminal-Bench 2.1 的數字，而其中只有一個是廠商自行提報的。

• Terminal-Bench 2.1，操作真實終端機 — GPT-6 Astra 88.4，獨立評估；Tencent HY4 Preview 85.4，廠商回報br /> • 工具呼叫 — Astra 在 τ²-Banking 上 41.4，獨立評估；HY4 Preview 在 Toolathlon-Verified 上 74.1，廠商回報，且是在不同測試上br /> • 軟體工程 — HY4 Preview 在 DeepSWE 上 64.3，較前代 Hy3 的 28.0 提升，廠商回報br /> • 代理任務 — HY4 Preview 在 APEX-Agents 上 pass@1 37.1，廠商回報br /> • 人類偏好 — 由 163 位專家對 203 項工程任務評分，平均 2.99（滿分 4.00），由廠商執行，對比 GLM-5.3 的 2.92 與 Kimi K3 的 2.94br /> • 獨立指數 — GPT-6 Astra 的 Intelligence Index 54.7 與 GPQA Diamond 96.1，第三方；HY4 Preview 則沒有對應的指數

Terminal-Bench 那一行值得細究。獨立測得的 88.4 與廠商回報的 85.4 之間相差 3 分，這完全落在不同測試框架、不同輔助支架或不同取樣溫度所能造成的範圍內；因此，誠實的解讀並不是「Astra 領先三分」，而是「這個層級中最便宜的開放權重模型正宣稱並駕齊驅，而這個說法至少還算合理」。騰訊自身的措辭在這一點上很謹慎：它形容 DeepSWE 是「逐步縮小差距」，而非「已經追上」；而它唯一明確的並駕齊驅主張——在 Terminal-Bench 上與另一家廠商的頂尖閉源模型打成平手——正是最需要第二次測量的主張。

另外還有一項值得留意的變動，因為它改變的是經濟效益，而不是分數。2026 年 9 月 7 日，Tencent 將一項最佳化推送至實際運行的預覽版建置中，並表示這能減少複雜工作的推理回合數與每項任務的 token 用量。由於該模型按 token 計費，即使每 token 費率未變，每項完成的任務用到的 token 越少，該任務的成本就越低。這項節省幅度是 Tencent 自家的量測結果，Tencent 以外沒有人重現過——但這個機制是真實的，而這正是為什麼一個在 8 月發布的預覽版，到了 10 月實際運作時，可能比其發布說明所暗示的便宜許多。

64,000 個 token 的上限，是決定部署的規格。

規格表中段藏著最先咬人的限制，而那並不是品質。HY4 Preview 的最大輸出是 64,000 個 token，對比 Astra 的 128,000 個，而這款模型自述的用途正是程式編寫代理與長時間的工具使用鏈。一個生成的檔案、一份多檔案修補、一份冗長的結構化報告——這些都是會撞到上限的輸出；而在代理執行中，失敗不是答案稍微差一點，而是答案被截斷，必須由周邊的管線偵測並處理。

兩個模型都大約接收一百萬個 token 的輸入，因此文件閱讀這個情境確實是平手。差異完全在生成端，而且是兩倍之差，不是捨入誤差。再加上輸入面的差異——Astra 接受圖片與檔案，HY4 Preview 僅支援文字——浮現出的圖像是明確分工，而非排名：開放權重模型適合文字進、文字出的代理迴圈，其中交付物是工具呼叫或 diff；封閉模型則適合任何必須觀看某物或撰寫長篇內容的任務。

20× 產出率能換來什麼，逐行說明

• 輸入價格 — Tencent HY4 Preview 每 100 萬 $0.834，對比 GPT-6 Astra $10.00，約 12 倍br /> • 輸出價格 — HY4 Preview 每 100 萬 $2.501，對比 Astra $50.00，約 20 倍br /> • 快取輸入 — HY4 Preview 每 100 萬 $0.042，對比 Astra $1.00，約 24 倍br /> • 長請求級距 — Astra 對超過 272,000 個輸入 token 的整個請求重新計價為 $20.00 與 $75.00；HY4 Preview 的價目表沒有對應級距br /> • 400,000-token 提示的實際輸入費率 — HY4 Preview 維持不變為 $0.834，對比 Astra $20.00，約 24 倍br /> • 一般 agent 迴圈每百萬 token 成本，輸入輸出比 4:1 — HY4 Preview 約 $1.17，對比 Astra 約 $18.00br /> • 相同比例下單月 1 億 token 的成本 — HY4 Preview 約 $117，對比 Astra 約 $1,800

快取輸入這一項，對昂貴的一方而言是規模化表現最差的一項，因為代理迴圈每一輪都會重新送出同樣的系統提示與對話前綴。在 $0.042 對比 $1.00 的情況下，長時間迴圈中最便宜的 token 在 Tencent 模型上便宜了 24 倍，而這正是每 token 微小差異會最快複利放大的工作負載。每任務成本，這個能乾淨俐落地解決問題的指標，Tencent 根本完全沒有公布——因此，要取得真正重要的數字，唯一方法就是讓兩個模型跑過你自己的任務集，然後讀取 usage 物件。

掌握錯誤率的情況下，路由器在此處加入了什麼

這兩款模型都在 OrcaRouter 目錄中——tencent/hy4-preview 與 openai/gpt-6-astra——置於同一個 OpenAI 相容端點之後，各自依供應商本身的定價表原價轉供，零加成。最後這一點在這組合上比在大多數組合上更為重要，因為騰訊模型的定價表是以人民幣公布的：上方以美元呈現的數字是你實際看到的換算後價格，而非經銷商的加價，而且如果騰訊調整價格，這裡當天就會同步生效，不必等到下一次合約續約。

路由 DSL 正是這兩個模型不再互為替代方案的地方。這對模型的自然規則是在輸出端進行升級：把迴圈交給便宜的模型，而當回應因觸及 64,000 個 token 的上限而被截斷，或未通過你的結構描述檢查時，就針對openai/gpt-6-astra重試該步驟，它的輸出空間是兩倍。自動容錯移轉是這個論點的另一半，而當兩條路由之一在過去一週內每十個請求就有一個出錯時，這絕非理論上的問題——一場長時間的代理執行若被綁定在單一模型上，會連同其累積的上下文一起陣亡，而這兩個模型都不夠便宜，不能不小心就從頭重跑一次。

什麼會改變這個比較？

三件事，按它們能帶來多大改變的順序排列。對 HY4 Preview 的獨立評測——該模型已公開發布六週，沒有第三方評測指標，沒有可複現的 Terminal-Bench 分數，也沒有每項任務的成本數字，而唯一由廠商自行執行的盲測評估，是現存僅有的人類偏好資料。公布兩個模型每完成一項任務的成本，這將以一個數字取代本文中的每一個比率。以及騰訊對第三方推論的決定，因為 Apache 2.0 授權的權重任何人都可以部署提供服務，而一旦有競爭性的主機服務商架起 HY4 Preview，這個比較中便宜那一側的價格就會變成市場行情，而非一份價目表。

在那之前，可用的總結比任一家廠商的發布文都更狹隘，卻比記分板更誠實：GPT-6 Astra 是能力宣稱已經過檢驗的模型，輸出上限是兩倍，但有一條路由每十次請求就失敗一次。Tencent HY4 Preview 則是能力宣稱尚未經過檢驗的模型，有著公開的架構、開放授權、價格只要三分之一，而且在同一段期間內的錯誤率低得多。如果你的工作是文字進、文字出，而且不超過 64,000 個生成 token，那麼較便宜的模型並不是妥協——它就是正確答案，而稽核軌跡是你唯一要放棄的東西。

這對組合的自然規則是依輸出量升級：把迴圈交給便宜的模型，而當回應因撞上 64,000 個詞元的上限而遭截斷，或未通過你的結構描述檢查時，就針對openai/gpt-6-astra重試該步驟，它的輸出空間是兩倍。