一張生成的主視覺卡片,比較 {{1}}Hy4 flash{{/1}} 與 {{2}}Claude Haiku 5.5{{/2}},上面有標示為「Tencent 自家 85 名使用者盲測中的 4 分制滿意度」的大型數字「2.79 對 2.81」,頁尾則寫著「兩項滿意度分數皆為 Tencent 的測量。Hy4 flash 權重於 2026 年 11 月 17 日發布。」
Guides & Insights

Hy4 flash 對決 Claude Haiku 5.5:騰訊親自進行這項比較,並公開了落敗結果

作者

jinhao.song

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

Tencent 內部有人決定,Hy4 flash 的正確對手是 Claude Haiku 5.5,於是讓這兩個模型接受公司自家 85 位 WorkBuddy 使用者、橫跨 259 項任務的測試,而且即使結果是輸了也照樣公布。Hy4 flash 在使用者滿意度上,於滿分 4 分中拿到 2.79 分。Claude Haiku 5.5 拿到 2.81 分。這是在四分制量表上僅 0.02 分的差距,而且是由挑戰者自己測量、在挑戰者自己的任務上測出來的——而這是 Hy4 flash 發布內容中最有意思的一個數字,因為它告訴你 Tencent 真正相信自己賣的是什麼。不是更好的模型。而是更便宜、但足夠接近,接近到這個差異一碰上滿意度調查就消失。

本次發布的其餘內容支持這種解讀。Hy4 flash 於 2026 年 11 月 17 日以開放權重形式發布,兩天前、也就是 11 月 16 日才登上騰訊的 API:總參數 220B,每個 token 啟用 12B,上下文長度 100 萬 token,支援圖像輸入與文字輸出。Claude Haiku 5.5 自 2026 年 10 月 7 日起全面開放,每百萬 token 收費 0.10 美元與 0.50 美元。這兩款模型都不在 OrcaRouter 目錄中,本文不會假裝不然;可路由的部分會在接近結尾處討論,而那是另一對模型。

盲測,正確解讀

騰訊對這項評測的說明只有三句話和一張圖表,而這張圖表有明確用意:它將滿意度對照端到端完成時間中位數與每項任務成本繪製出來,讓在兩個軸度上都勝出的模型一眼可見。數字是 Hy4 flash 為 2.79/4,Claude Haiku 5.5 為 2.81/4;Hy4 flash 的完成時間中位數為 6.7 分鐘,每項任務成本為人民幣 0.26 元。騰訊宣稱,Hy4 flash 在受評模型之中同時錄得最低的每項任務成本與最短的完成時間中位數。

這篇文章沒有提供的是完整的受評測模型清單、各類別的分項結果,或評分標準。它確實說明了樣本群體:85 名內部使用者、27 個類別、259 項任務,全部取自 WorkBuddy,也就是 Tencent 自家的生產力助理。那是一場前後一致的評測,但並非中立。員工在評測自己雇主的模型時,知道哪個模型是自家的;即使介面是盲測的,任務也是 Tencent 挑選的,因為它們類似 Tencent 的產品。

0.02 差距的有用之處,在於它對正反兩方的論證各自產生了什麼作用。若你傾向相信這項測試,騰訊的說法是:對辦公工作而言,它與 Claude Haiku 5.5 的能力差距微不足道,而這是一種違背自身利益的主張。若你傾向不相信這項測試,同一項測試也沒有給你任何理由相信 Hy4 flash 更好,於是你只剩下成本欄,而這正是騰訊無論如何都想讓你注意的地方。

這兩個模型真正的差異在哪裡

規格表出現分歧,而滿意度分數無法顯示這些差異。除非標示為 Artificial Analysis 的測量值,否則以下每個數字皆為廠商自行公布的規格。

• 總參數與活躍參數——Hy4 flash 總計 220B,其中 64B 位於 Engram 表中,每個 token 活躍 12B;Claude Haiku 5.5 的參數數量未公開,這對 Anthropic 而言屬正常情況。

• 上下文視窗 — Hy4 flash 為 1,048,576 個 token;Claude Haiku 5.5 為 1,000,000 個。

• 最大輸出 — 依服務設定,Hy4 flash 上為 64,000 個 token;Claude Haiku 5.5 上為 128,000 個 token,是其兩倍。

• 輸入模態——Hy4 flash 透過源自 SigLIP2 的 27 層編碼器接收文字與圖像;Claude Haiku 5.5 的發布資料以文字與工具使用為核心,而其公布的能力範圍在視覺方面較為狹窄。

• 授權條款 — Hy4 flash 依 Tencent Hy 授權條款發布,其中第 10.2 條規定:當 MaaS 營收超過 5,000 萬美元或 MAU 達 1 億時,須另行簽訂單獨協議;Claude Haiku 5.5 則屬專有軟體,完全未公開權重。

• 獨立評分——Hy4 flash 沒有獨立評分,其 Artificial Analysis URL 會傳回 404;Claude Haiku 5.5 在 Max effort 下於 Intelligence Index v5.0.1 獲得 36 分。

每項 Index 任務的實測成本——根據 Artificial Analysis,Claude Haiku 5.5 為 0.41 美元;Hy4 flash 則尚未實測,因為它並未列入榜單。

輸出上限是實務上最容易造成問題的一項。一個具備 100 萬上下文、64k 輸出的模型,設定上是為了讀取大量內容、寫出適中份量;若某個文件起草工作流程預期在一次回應中輸出超過 64,000 個 token,就無法使用它。騰訊自身建議的用途——深度搜尋、文件處理、簡報製作、簡單前端示範、電腦操作——與這樣的上限相符。長篇生成不在名單上。

價格比較不是一個數字對另一個數字

騰訊 Hy4 flash 在中國大陸的費率為每百萬輸入 token 人民幣 0.5 元、每百萬輸出 token 人民幣 2 元,以及每個快取輸入 token 人民幣 0.02 元——約合 0.070 美元、0.281 美元與 0.003 美元。Claude Haiku 5.5 公布的價目表起價為每百萬輸入 token 0.10 美元、每百萬輸出 token 0.50 美元,五小時與一小時快取的快取寫入分別為 0.125 美元與 0.625 美元,快取讀取則為 0.01 美元。

在那些公告費率上,Hy4 flash 的輸入便宜約 30%,輸出便宜 44%,快取命中時則便宜 70%。兩者在最初十萬個 token 上都是固定費率。差別在於超過之後:Anthropic 的價目表將 Claude Haiku 5.5 的輸入價格從每百萬 token $0.10 調高到 $0.50,輸出價格從每百萬 token $0.50 調高到 $2.50,只要請求的輸入 token 超過 100,000。在 200,000 token 的文件上,Claude Haiku 5.5 會按其公告輸入費率的五倍計費,這使該比較成為 $0.50 對上 Tencent 的 $0.070——差距是 7 倍,而非 30%。

那是一種設計選擇,不是花招,而且有其站得住腳的邏輯:長輸入的預填成本較高,所以廠商對它們收取更高費用。但這意味著,對於兩款模型都宣稱擅長的那類工作負載來說,這個主打數字偏偏是錯誤的數字。在 1M 上下文下進行文件處理,依定義就是超過 100,000 個 token 的工作負載。如果你的使用情境是長文件工作,請根據價目表中適用於你提示長度的那些列來比較兩款模型的價格,而不是看價目卡最上方。

延遲:騰訊所測量的指標,並非 Anthropic 所公布的指標

騰訊回報,Hy4 flash 在 WorkBuddy 任務上的端到端完成時間中位數為 6.7 分鐘。Artificial Analysis 回報,Claude Haiku 5.5 在 Max effort 下,每個 Intelligence Index 任務耗時 14.7 分鐘,首個回答 token 的時間為 192 秒——而榜單將該模型標示為「每個任務明顯偏慢且非常冗長」,其在該指數測試執行中的輸出 token 數達 2.98 億。

那兩個數字不能互相比較,也不應該相減。不同的任務、不同的測試框架、對「完成」的不同定義。它們確實能確立的是:Claude Haiku 5.5 的努力程度設定是一個範圍非常寬的延遲調節旋鈕,而且其最高檔在實際耗時上代價高昂:

• Max — Index 36,每項任務 14.7 分鐘,首個 token 耗時 192 秒,輸出 token 達 2.98 億。

• Xhigh — 指數 35,9.6 分鐘,首個 token 耗時 44 秒,151M 個 token。

• 高 — 指數 30、6.4 分鐘、首個 token 21 秒、8,980 萬個 token。

• 中等 — 指數 25、3.9 分鐘、首個權杖耗時 10 秒、5,270 萬個權杖。

• 低 — 指數 19,2.2 分鐘,首個 token 5.8 秒,2,990 萬個 token。

A generated reference card headed 'The effort ladder Artificial Analysis measured', with five horizontal bars for Claude Haiku 5.5 at Max, Xhigh, High, Medium and Low effort, each carrying its Intelligence Index score, minutes per task and seconds to first token, and a vertical marker at the High row labelled 'the setting most products would ship'.

這五列都是 Artificial Analysis 在 v5.0.1 上的測量結果。把它們列出來的重點在於,「Claude Haiku 5.5 得分 36」這句話說的是 Anthropic 所提供最昂貴的配置。在其高設定下,它得分 30,而且完成時間不到一半。任何人拿延遲敏感的產品去和 Max 數字比較,都是在和一個他們不會出貨的設定比較。

Hy4 flash 有同樣的調節盤,只是形式更粗糙:reasoning_effort 設為 high(這是預設值),或 no_think。兩個檔位對上五個檔位。如果你的工作負載需要中間設定——思考開啟,但不要開到最大——Claude Haiku 5.5 提供這個旋鈕,而 Hy4 flash 大多沒有。

Screenshot of the Artificial Analysis model page for Claude Haiku 5.5, showing the five effort rows from Max down to Low with their Intelligence Index scores, time per task and output token counts.

決定這件事的三件事,而它們都不在兩份規格表上。

API 介面。 Claude Haiku 5.5 的請求格式比前代更嚴格,嚴格到會讓程式碼無法運作。Anthropic 的文件會在任何非預設值下拒絕 temperature、top_p 和 top_k,移除助理預填,移除手動 budget_tokens,並要求特定版本的 computer-use 工具集。Hy4 flash 接受完整的取樣參數集,建議 temperature 0.9 搭配 top_p 1.0,並隨附適用於 vLLM 的 hy_v4 工具呼叫與推理剖析器。如果你有一個透過 temperature 掃描調校過的提示詞庫,其中一個模型會原封不動地執行它,另一個則會回傳 400。

部署型態。Claude Haiku 5.5 僅是一個 API,別無其他。Hy4 flash 則是一個 API、一個 Hugging Face 儲存庫、一個 FP8 建置、一個基礎檢查點、一種 GGUF 量化,以及一份微調指南。這並不自動構成優勢——自行託管的模型,就是你要自行營運、修補與規劃容量的模型——但這正是供應商關係與資產之間的差別;而對於有資料駐留要求或微調需求的團隊而言,這在任何基準測試被納入考量之前,就已底定了比較結果。

量測落差。Claude Haiku 5.5 從十月起就列在 Artificial Analysis 上,網路上每一篇比較部落格都把它拆解分析過,包括這一篇。Hy4 flash 該顯示分數的地方卻掛著一個 404。不是因為這個模型不好,而是因為它才誕生兩天,還沒有任何獨立第三方實測過它。上方的滿意度分數是對真實族群所做的量測,也是這個模型由製造者以外的人所做的唯一一項量測。

老實說,打給他們哪一個都行。

截至本文撰寫時,Hy4 flash 和 Claude Haiku 5.5 都不在 OrcaRouter 的目錄中,因此本節不會有任何版本叫你在這裡呼叫它們。目錄裡有的是雙方各自的世代:tencent/hy4-preview,這是 Hy4 flash 蒸餾自的 770B/49B 模型,每百萬輸入 $0.834、輸出 $2.501,快取讀取費率為 $0.042;以及 anthropic/claude-haiku-4.5,每百萬輸入 $1.00、輸出 $5.00,快取讀取為 $0.10——前一代,不是本次比較中的 5.5。

這種搭配比聽起來更有用。如果你正在判斷 Hy4 flash 的成本結構是否值得為此重構管線,預覽模型能讓你以低廉的實驗成本了解該系列的行為,而且使用與型錄中其他項目相同的金鑰和端點,供應商的牌價以 0% 加價原樣傳遞,因此 Tencent 一旦調價,你當天就會收到反映。一旦你有兩個候選模型,路由 DSL 就是關鍵所在:把長文件層交給在你自己的評估中勝出的模型,並將另一個保留為備援,而不是因為轉換供應商得簽合約,就為所有工作只選一家供應商。

而當 Hy4 flash 登上任何一份型錄——任何一份,包括我們自己的在內——該測的不是滿意度分數,而是你自己任務上的輸出 token 數。騰訊的後訓練聲稱平均端到端輸出 token 可減少 50%;若這在你的工作負載上成立,其價值就勝過每 token 打七折,因為在兩個模型的帳單上,輸出 token 都是昂貴的那一半。

Screenshot of the anthropic/claude-haiku-4.5 model page, showing the per-million-token input, output and cache-read prices the previous generation is listed at.

什麼能讓這件事定下來?

在共用測試框架上進行的一次獨立運行。讓 Hy4 flash 和 Claude Haiku 5.5 接受同一套九項評估的 Intelligence Index,並看兩列:分數,以及每完成一項任務的成本。騰訊已經告訴你它期望那兩列顯示什麼——Hy4 flash 在能力上接近 Claude Haiku 5.5,在成本上則遠低於它。在騰訊以外的人公布這組結果之前,那個期望只是有公司行銷預算撐腰的假設,不是結果。

你今天能據以行動的範圍更窄,但也更有用。如果你的工作負載是長文件,請先比較超過 100,000 token 那一列的價格,因為兩張卡的分歧就在這裡最大。如果對延遲敏感,請比較高強度模式下的 Claude Haiku 5.5,而不是 Max。如果需要微調或地端推論,決定早已底定,任何基準測試都不會改變它。0.02 分的滿意度差距,不足以成為往任一方向切換的理由,而騰訊公布這項數據,是這次發布中最可信的部分。