一張標題卡,主標為「Qwen4-Max 對決 Tencent HY4 Preview:一個能下載,一個只能租用」,並有三個標籤:HY4 Preview 採 Apache 2.0 授權,總參數 770B、活躍參數 49B;Qwen4-Max 為封閉權重,具 2.4T 主幹與 71B 活躍參數;每百萬輸入 token 價格為 $0.834 對上 $1.50。圖說註明資料來源為 2026 年 11 月 17 日的廠商模型卡、Vals AI 與 Artificial Analysis。
Guides & Insights

Qwen4-Max 對決 Tencent HY4 Preview:一個可以下載,一個只能租用,而這兩個數字都不是表面上看起來的意思

作者

Elias Hawthorne

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

T​encent HY4 Preview自 2026 年 8 月 28 日起已可依 Apache 2.0 授權下載——總參數量 7700 億,每個 token 啟用 490 億,78 層,256 個路由專家外加一個共享專家,一個用於推測解碼的原生多 token 預測層,以及 1,048,576 個 token 的上下文窗口。 Qwen4-Max自 2026 年 11 月 16 日起已可租用——2.4 兆主幹參數,每個 token 啟用 710 億,另有 3280 億 N-gram 嵌入參數,而且完全沒有任何 checkpoint。兩者都是中國旗艦級稀疏混合專家模型,具備百萬 token 窗口。一個你能握在手裡,一個你只能呼叫;而每百萬輸入 token $0.834 對上 $1.50,能握在手裡的那個在廠商自己的價目表上也是兩者中較便宜的。有趣的是,價格差距究竟為何存在,以及雙方公布的數字各自省略了什麼。

兩張卡片,並排放置

A two-column scoreboard comparing Qwen4-Max and Tencent HY4 Preview: proprietary licence against Apache 2.0; 2.4T with 71B active against 770B with 49B active; $1.50 in and $4.50 out against $0.834 and $2.501; 1,000,000 context against 1,048,576; 131,072 maximum output against 64,000; text, image and video against text only. Footer records HY4 Preview at 53.21% on the Vals AI index, 23rd of 33, and Qwen4-Max at 43 on the Artificial Analysis index, 38th of 81.

• 授權條款 — HY4 Preview 採用 Apache 2.0 並公開權重;Qwen4-Max 則為專有、不公開權重、不提供下載

• 規模 — HY4 Preview 總計 770B/49B 活躍,對比 Qwen4-Max 的 2.4T 主幹/71B 活躍,外加 328B 的 N-gram 嵌入

• 每百萬個 token 的價格 — 輸入 $0.834/輸出 $2.501,對比輸入 $1.50/輸出 $4.50

• 快取讀取 — 每百萬 $0.042,相較於 $0.075

• 上下文視窗 — 1,048,576 個 token,相較於 1,000,000 個,其中 983,616 個可在思考模式下作為輸入使用

• 最大輸出 — 64,000 個 token,相較於非思考模式的 131,072 個,或與推理共享的 262,144 個

• 輸入模態 — 僅文字 vs 文字、圖像與影片

• 推理等級 — 高、低、無,預設為高;相較於 低、高、極高,預設為高

• 獨立指數分數 — 在 Vals AI 指數上為 53.21%,於 33 個中排名第 23;相較之下,在 Artificial Analysis Intelligence Index 上為 43,於 81 個中排名第 38

先讀取模態那一列,再讀價格列。HY4 Preview 是文字輸入、文字輸出的模型。Qwen4-Max 則能讀取影片。這兩項事實並不位於同一個軸線上,因此對任何工作負載包含影格的團隊而言,比較到那一列就結束了,其餘的討論都只是紙上談兵。

A screenshot of the Hugging Face model card for tencent/Hy4-preview, showing the repository header, the Apache 2.0 licence tag, the safetensors and mixture-of-experts tags and the start of the evaluation results section.

Apache 2.0 在 7700 億參數下並不是同樣的方案

你可以下載的權重,就是你可以檢視、微調、量化,並按自己的條件提供服務的權重;這與藏在他人 API 背後的模型有實質差異。而且在這個規模下,這也是一種只有極少數團隊才能享有的差異。一個 7700 億參數、490 億活躍參數的模型,非多節點加速器叢集無法運行;隨預覽版發布的 FP8 檢查點,主要是為了讓具備互連網路存取權的推論服務供應商與研究團隊能夠提供其服務。Apache 2.0 移除的是法律障礙,而不是硬體障礙。

這就是為什麼該授權的實際價值不是展現在自行託管上,而是展現在競爭性供應上:因為任何人都可以提供 HY4 Preview 的服務,多個平台都這麼做,價格紀律也隨之而來。Qwen4-Max 沒有這種機制。它只有一個由 Alibaba 營運的部署,而每個報出 Qwen4-Max 價格的平台,都是在 Alibaba 的價格上再加上它能加的利潤。這就是為什麼它的全球區價格卡與新加坡價格卡相差 5.8%,而其他部分則差異不大——沒有第三方容量可以削價競爭。

每張卡片上不可信的數字

T​encent 的發表資料包含一項內部盲測——163 位專家、203 項工程任務——其中 HY4 Preview 平均得分 2.99,GLM 5.3 為 2.92,Kimi K3 為 2.94。這是一項由廠商主導、比較三個模型的研究,由拿下第一名的廠商發表,且採用該廠商自行定義的評分量表。除了反映該團隊自身測試的方向之外,這稱不上什麼有力證據;而 T​encent 也謹慎地將它與一份已知缺陷清單一併公布:該模型會花費比必要更長的時間推理,並過度驗證自身的工作。

在獨立評測方面,Vals AI 在其指數上給出 HY4 Preview 53.21% 的成績,在 33 個受測模型中排名第 23。在 Vals 自家運行的 Terminal-Bench 4.0 中,該預覽版得分為 8.08%。Tencent 的資料則引用八十幾的終端代理數字——那是在不同修訂版的基準測試、不同的測試框架下得出的,因此這兩個數字與其說是矛盾,不如說是證明了代理式基準測試的分數既取決於模型,也同樣取決於測試框架。任何人引用其中任何一個數字卻不附上版本資訊,都是對讀者不負責任。

Qwen4-Max 則有相反的問題。其廠商數據異常詳細——Work360 為 52.69,對比 Qwen3.8-Max 的 47.74;每項任務平均成本從 $4.43 降至 $1.67;安全程式碼的函式層級通過率從 22.0% 提升至 31.8%——而且這些數據都沒有指名任何競爭對手。阿里巴巴所公布的,是與自家前一代模型的自我比較,這是最站得住腳的一種廠商基準測試,卻也是最無助於在廠商之間做選擇的一種。唯一能跨廠商比較的解讀來自 Artificial Analysis,其將 Qwen4-Max 評為 43 分,且未記錄其任何速度測量結果。

45% 的價差流向何處

HY4 Preview 的輸入費用為 $0.834、輸出費用為 $2.501;Qwen4-Max 則為 $1.50 與 $4.50。這代表輸入便宜 45%、輸出便宜 44%——幾乎等同於一致折扣,而這正是兩款模型依相似硬體經濟條件定價時會出現的情況。這段落差並非沒有代價:HY4 Preview 的 64,000-token 輸出上限是 Qwen4-Max 非思考模式數字的一半,其上下文僅支援文字,且兩款模型提供不同的推理控制。Qwen4-Max 還提供三種 effort 等級,對比 Tencent 的高、低與無,不過兩者都預設為最高設定,且兩者都會將不熟悉的 effort 字串歸併處理,而不是加以拒絕。

折扣可能蒸發的另一個地方,是驗證行為。Tencent 的文件指出,預覽版會過度驗證;Qwen4-Max 在 Intelligence Index 上的獨立 token 總量為 1.27 億個輸出 token,而中位數是 7,860 萬個,Artificial Analysis 稱這非常冗長。換句話說,這兩個模型都很話多,而對一個 token 用量高於競爭對手的模型提供每 token 折扣,實際能回收的優惠會低於費率表所承諾的幅度。在估算節省金額之前,先測量每項任務的輸出量。

一個模型是預覽版,另一個是正式發行版

每當這兩個名稱出現在同一句話裡,這種不對稱就會消失無蹤。HY4 Preview 於八月推出,Tencent 之後更進一步推進產品線——十一月發佈的 Hy4 正式可用版本新增了原生視覺與電腦操作能力,家族中還有獨立的 Hy4 Flash。開放權重所提供的是預覽版字串,而它之所以是預覽版,是因為 Tencent 這麼說,且已知的不足之處都有文件記錄。

Qwen4-Max 是正式發行版,採用計量卡,於六個地區推出,並有一個將於 11 月 25 日退役的預覽世代。這些屬於不同的成熟階段,而用基準測試分數來比較它們,會偏袒測試框架恰好適合的那一個。

A screenshot of the OrcaRouter model page for tencent/hy4-preview, showing the 1M-token context badge, the 64K maximum output, the model identifier and the start of the pricing panel.

在尚未先選出優勝者的情況下同時執行兩者

OrcaRouter 將 T​encent HY4 Preview 以每百萬輸入 $0.834、輸出 $2.501、快取輸入 $0.042 的價格路由——T​encent 自家的定價卡,以 0% 加成原樣轉供——並透過與 Claude Opus 5.5、GPT-6.1 Sol、Grok 4.5 及 Qwen3.8-Max 相同的金鑰與相同的 OpenAI 相容端點提供。Qwen4-Max 不在目錄中;Qwen4 世代尚未加入,因此比較的另一邊是直接使用 A​libaba 憑證。

而這正是這對組合真正會回報的安排。把開放權重模型放在適用容錯移轉的路由層之後,讓封閉模型使用直接金鑰,同時建立其行為基準;再依你自己的流量來決定:將純文字工作送到成本低 45%、且會從多家供應商串流的路由,並把任何含圖片或影片的內容送到能讀取它們的模型。路由 DSL 讓這件事成為依模態制定的規則,而不是得靠某人記住的決定;而模型融合——由一組模型共同回答——則是在你將兩者任一投入生產之前,用便宜的方式看出兩者是否在你關心的任務上意見分歧。

weights 參數真正的重點是什麼

Alibaba 的發布貼文最後寫道,較小的 Qwen4 模型即將開源。這句話勾勒出明年的樣貌:中國旗艦模型家族中的開源層級,將持續以落後閉源層級一個世代的方式推出,採 Apache 授權且可下載;而各團隊將持續在他們能握在手中的模型,與領先六個月的模型之間做選擇。

目前為止,這個選擇異常清楚。HY4 Preview 是這個規模下誠實的開放選項,定價也相應反映,具備僅限文字的介面,以及必須搭配測試框架才有意義的廠商數據。Qwen4-Max 是較新的封閉選項,在規格表能衡量的每個軸度上都標示得更好,但有一項獨立評分低於其發布說法所暗示的水準,而且完全沒有延遲數字。兩張卡都不是全貌,而它們之間的 45% 差距,小於它們各自能被指向的目標差異。