
Hy4 flash 對決 DeepSeek V4.1 Flash:這場較量是騰訊自己挑起的
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 96 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 87 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 120 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 219 tok/s
騰訊選定了對手。這篇關於 Hy4 flash、於 2026 年 11 月 16 日發布的研究貼文,將其自身的每項任務成本,與恰好一個競爭模型相比——DeepSeek V4.1 Flash,採用其 1017 快照、最高強度等級與 DeepSeek 的繁忙時段費率——並報告為八分之一。對一篇發布貼文而言,這是異常具體的比較,也說明了騰訊認為戰場在哪裡:不是對上阿里巴巴的旗艦模型,也不是對上自家的 Tencent HY4,而是對上自九月以來程式設計代理一直使用的低成本開放權重模型。三週的公開數據站在 DeepSeek 那一邊;一張圖表站在騰訊這一邊。
所以,有用的問題不是抽象來看哪個模型更好,而是 2.1 倍的輸入價格優勢,在碰上兩者之間真正有差異的那些因素之後是否仍然成立;以及每項任務八分之一的數字,是否真的意味著讀者會假設的意思。這兩者都能從已發表的資料中得到解答,而答案指向相反方向。
各家公司實際出貨的內容
先從人工製品開始,因為它們並不等同,而這個差異解釋了下游大部分的歧見。
DeepSeek V4.1 Flash 於 2026 年 9 月 10 日以 MIT 授權條款發布:48 個 safetensors 分片,總計約 510 GB;一份名為《Pushing the Limits of KV Cache Compression》的技術報告;一張附有部署標籤的模型卡;一個 fp8 變體;以及一個公布離峰與尖峰費率卡的 API。更新版快照 1017 於 10 月 17 日取代它,現在以相同的 API 名稱提供服務。該儲存庫累計 169 萬次下載與 4,978 個讚。Artificial Analysis 在最高推理強度下,於 Intelligence Index 給出 32.6 分;Epoch AI 的 Capabilities Index 則將 1017 檢查點列為 159 分,在其追蹤的 253 個模型中排名第 19。
Hy4 flash 於 2026 年 11 月 16 日以研究貼文形式發布,未附模型卡:總參數量 2,240 億,其中 640 億為 Engram 參數,每個 token 啟用 120 億參數,原生多模態,上下文長度 1,048,576 個 token,並計畫之後開源。沒有權重、沒有授權條款、沒有技術報告、沒有獨立評分,而且基準測試結果以 PNG 圖表形式提供。Artificial Analysis 截至 11 月 5 日收錄 Tencent HY4 為 34.6,且完全沒有 Hy4 flash 的條目。
把這兩者並排對照,這場比較就顯得不太對稱。較新的模型是你無法檢視的那一個,較舊的模型則是可以下載、微調,並在自己的硬體上部署提供服務的那一個。這種不對稱貫穿下文每一個章節。
價格卡,誠實比較
兩家廠商都公布牌價,而且都不只公布一種,這正是大多數比較出錯的地方。
• 輸入,每百萬個詞元 — Hy4 flash 固定 $0.070;DeepSeek V4.1 Flash 離峰時段 $0.15,尖峰時段 $0.30。
• 輸出,每百萬詞元 — Hy4 flash $0.281;DeepSeek 離峰 $0.60,尖峰 $1.20。
• 快取命中,每百萬個 token — Hy4 flash $0.003;DeepSeek 離峰時段 $0.003,尖峰時段 $0.006。
• 尖峰時段定義 — DeepSeek 的尖峰時段為 UTC 01:00–04:00 與 06:00–10:00,週一至週五,不含中國公眾假期。其餘時間皆為離峰時段;也就是說,對美國或歐洲團隊而言,在其大部分工作日中適用的都是較便宜的方案。
• 上下文 — Hy4 flash 1,048,576 個 token;DeepSeek V4.1 Flash 1,000,000 個 token,輸出上限為 384,000 個 token。
• 中國大陸方案 — Hy4 flash 每百萬個 token 為 ¥0.5 / ¥2 / ¥0.02,美元金額即由此換算而來,而非來自另行公布的國際費率。
若以同一時段來看,輸入端的差距是 2.1 倍、輸出端也是 2.1 倍:$0.070 對上 $0.15,$0.281 對上 $0.60。到了 DeepSeek 的高峰時段,差距會擴大到 4.3 倍。就快取輸入而言,離峰時段兩者打成平手,因為雙方都落在 $0.003——而這比表面上的標題數字更重要,因為一個在每一步都重新傳送系統提示、工具結構定義與檔案樹的編碼代理,大多數時間付的都是快取費率。在這場對決真正針對的工作負載型態上,這兩個模型的定價完全相同。
最後那一行,正是化解大部分爭論的關鍵。騰訊的八分之一並不是偏重快取的比較;它是在 WorkIndex 上的每項任務成本,而 WorkIndex 除了費率表之外,還把輸出長度、重試率和執行步數一併納入計算。這三項輸入之中有兩項,是騰訊透過自家後訓練就能掌控的,而它把這項掌控成果濃縮成單一個百分比來呈報:輸出長度下降 50%。

為何 120 億活躍參數就是整個架構論證的核心
DeepSeek V4.1 Flash 是一個擁有 5,520 億參數的骨幹模型,每個 token 啟用 160 億參數,採用 DeepSeek 所稱的因果編碼器-解碼器設計:40 層平均分為 20 層因果編碼器與 20 層解碼器,而技術報告的重點在於 KV 快取壓縮,而非感知。Hy4 flash 每個 token 啟用 120 億參數,總參數量為 2,240 億,這相當於 DeepSeek 啟用量的四分之三,以及其總規模的 40%。
Tencent 對於差異來源的說法,對機制講得具體,對結構則隻字未提。混合注意力、LatentMoE 與 Engram 參數產生的 KV cache,大小為 Hy3 的二十四分之一、Tencent HY4 的六分之一。先從 Tencent HY4 進行自我蒸餾,再進行強化學習,將端到端輸出長度減半。搭配四位元權重與 DFly 解碼路徑的 megakernel,使解碼速度維持在每秒 150 個 token 以上。未公開的是任何可從 checkpoint 證偽的內容:層數、專家數、路由寬度、視覺編碼器大小,以及多模態是原生還是外掛。
Engram 參數值得單獨用一句話說明,因為在一個 2240 億參數的模型裡放進 640 億個這類參數,並不是尋常的安排。以騰訊的用法來說,Engram 是一種記憶式元件,儲存的是學到的關聯,而不是在每次前向傳遞中都會執行的路由專家。實務上的結果是,模型總規模中有 29% 不會被計入每 token 的運算成本;這是一種合理的做法,能用來換取每參數能力,但若拿來比較參數量,就不合理。一個帶有 640 億 Engram 參數的 2240 億參數模型,並不是像這兩個數字所暗示的那樣比 5520 億參數模型更小;它的形態不同。
DeepSeek 的設計是可檢驗的,而 Tencent 的則不是;在一對一比較中,這可不是小差異。任何人都能下載 510 GB 的權重並數出層數。沒有人能下載 Hy4 flash 後還做得了任何事。
八分之一,描摹
騰訊的逐項任務比較值得密切關注,因為這是兩家公司針對這一對產品所公布的唯一一組正面對比數字,而且它比發表文章裡常見的算術更為嚴謹。
在 WorkIndex 上——這是騰訊內部涵蓋簡報建立、簡報修訂、人機共寫、Markdown 共寫、文件編輯、表格修復、音訊與視訊處理,以及視覺理解的八套件組合——騰訊報告指出,Hy4 flash 的每項任務成本是 Hy4 preview 的十三分之一、Tencent HY4 的二十分之一,也是在最高努力層級與尖峰時段價格下 DeepSeek-V4.1-Flash-1017 的八分之一。那句話裡的每個限定條件都是騰訊自己的說法,而最後兩個尤其要記住:最高努力是指 DeepSeek 的思考預算設得很高,尖峰時段則是指 $0.30/$1.20 的價目,而不是 $0.15/$0.60 的那個。
拿掉限定條件後,算出來的數字會差很多。在離峰費率、相同輸出長度下,每 token 的差距是 2.1 倍,而不是 8 倍。如果 Hy4 flash 的輸出 token 數也減半,則在價差之外,每項任務成本還會再大致減半,這會讓兩個模型在 Tencent 設計的一項任務上相差約 4 到 5 倍;而 DeepSeek 自己公開的行為表現、可控的思考投入,以及 384,000 個 token 的輸出上限,顯示其最高階版本在每項任務上所做的工作,遠多於一個被調校成以一半 token 數作答的模型。
騰訊主動公布的正式環境數據,是其發布內容中更有意思的一半,因為這些數據附帶的是各項計數指標,而不是單一分數。在微信支付的主管流程中,面對 DeepSeek-V4.1-Flash-1017,騰訊報告在四個流程階段達到持平或更優,執行步驟少約 6%,單次輸出短 29%。在微信支付的靜態掃描中,完成一次掃描所需時間減少 37%,在檢測品質相同的情況下 token 數減少 46%。在《王者榮耀》的根本原因分析中,請求數比 DeepSeek 和 GLM-5.3-Flash 少 22% 至 39%,token 數少 40.5% 至 61.2%,同時工具呼叫次數分別比兩者多 51.2% 和 7.7%。在 Marvis 中,任務滿意度在應用程式安裝上提升 6.2%,在系統設定與診斷上提升 4.4%,在文件處理與研究報告上提升 6.9%。
那份清單裡看得見兩件事。token 與步驟數的降幅既大且穩定,這正是受過「縮短回答」訓練的 12B 啟用參數模型該有的表現。而工具呼叫次數的增加則是誠實的註腳:Hy4 flash 是靠更多、但更短的往返次數達到同樣的結果。在按請求計費的模式下,這要麼打平、要麼更划算;但若換成以每步實際耗時為預算,那就是另一種取捨了;而騰訊自家的說法——它在 WeCom 中快了 88%——是延遲上的主張,而非工作量上的主張。
證據不對稱,這才是實際的決策
以下是這兩個模型能告訴你有關它們自己的事。
DeepSeek V4.1 Flash 有公開的 harness 評分、可閱讀的技術報告、可執行的權重,以及三個月來與該模型配合的推理堆疊:量化、服務配方,還有一份已記錄、其他人已經遇過的怪異行為清單。它在基準測試中的位置並不亮眼——發布時 Terminal-Bench 2.1 為 90.6、DeepSWE v1.1 為 74.2、NL2Repo-Bench 為 65.4,Intelligence Index 為 32.6——但那是別人測量出來的位置。
Hy4 flash 有一張廠商圖表、一場對 85 名員工的廠商盲測、一項廠商內部基準測試,還有一句關於未來開放權重的話。這些說法看似合理且內部一致:KV 快取只有旗艦模型的六分之一、輸出長度減半、解碼速度超過每秒 150 個 token。但這些全都未經重現,而其中最容易查證的一項——120 億活躍參數是否真的能像 DeepSeek 的 160 億參數那樣勝任辦公工作——恰恰是騰訊以外任何人都無法執行的那一項,因為沒有權重。
這種不對稱並不會讓 Hy4 flash 更差。它讓 Hy4 flash 成為未經證實,而「更差」與「未經證實」之間的差異,正是評估預算應該投入之處。若團隊需要一個便宜、可微調、可自架或可稽核的多模態模型,讀到這裡就可以停下:DeepSeek V4.1 Flash 就是答案,而 2.1 倍的價差就是這個選項的代價。若團隊的工作負載是文件、簡報、擷取與短代理迴圈,而且是按 token 而非按任務付費,就有實質理由考慮 Tencent 這張牌——這個理由強到足以讓人願意繞過缺失的證據先行購買,而不是枯等證據出現。
在單一索引鍵上執行比較
Hy4 flash 和騰訊自己的路線圖都沒讓這件事變簡單:截至 11 月 16 日,Hy4 flash 是透過騰訊雲的 TokenHub 以及騰訊的消費端與企業級產品提供服務,第三方平台雖已宣布但尚未確定日期;而 DeepSeek V4.1 Flash 則在 DeepSeek 自家 API 上,並以開放權重形式提供。
這場對決中你今天就能跑的那一半,正是設定標準的那一半。deepseek/deepseek-v4.1-flash在 OrcaRouter 上,每百萬個 token 輸入 $0.15、輸出 $0.60,快取讀取為 $0.003——這是 DeepSeek 自家的離峰定價,未加收任何費用——涵蓋 1,048,576 個 token 的上下文,而1017 快照以相同費率置於其專屬識別碼下,讓你可以固定使用騰訊拿來做基準測試的檢查點,而不是別名。同一把金鑰上的騰訊路徑是 tencent/hy4-preview,價格為 $0.834 與 $2.501,也就是 Hy4 flash 的教師模型;現在就在 preview 與 DeepSeek 上跑你自己的任務集,就能取得教師對競爭者的比例,而當 flash 層級推出時,也能接入同一套測試框架。

這正是 Tencent 自家發布內容中值得仿效的模式。它的論點是針對它自選的八種任務類型計算每項任務成本。你的做法則應該是針對你實際付費的任務計算每項任務成本,並在兩個模型上都進行量測,記錄 token 數、步驟數與實際耗時——而這三者合在一起,才能告訴你 2.1 倍的費率優勢是否會在帳單上帶來任何實際差異。
自動容錯移轉是該計畫中不起眼的部分。一個上線第一週、透過未載明結束日期的推廣方案提供服務的模型,正是你會想在背後架一條備援鏈、而不是直接遷移過去的模型;同一把金鑰早已能連到 DeepSeek,因此只要有一條在回應開始前重試現行模型的規則,就能省下一行設定,並讓實驗擺脫上線週的風險。

什麼能讓這件事定下來?
三件事,依其對答案的影響程度排序。
Hy4 flash 的獨立評分。Artificial Analysis 在 Tencent HY4 推出八天後將其收錄;至少,一個 flash 條目能讓兩個模型置於同一套評測框架中,而 DeepSeek 的 flash 與 Tencent 旗艦之間 32.6 到 34.6 的差距,正是這場對決所爭論的區間。若蒸餾模型表現低於其教師模型,誰都不該感到意外,而這個落差的大小,是這項比較中最有用的單一未知數。
權重,或至少公布權重的日期。騰訊自家八月的預覽版在推出首日就隨附 Apache 2.0 授權,以及 vLLM 和 SGLang 的部署配方,因此該公司知道該怎麼做。若 Hy4 flash 也跟進,其效率宣稱就能被檢驗,而 510 GB 的下載檔也不再是唯一選項。
一個中立的逐任務基準。騰訊的八分之一是一個出於善意提出的數字,但附帶兩項限定條件,還有一套其他人都無法執行的測試框架。在公開的代理任務上重現它,這場爭論就會在一個下午內結束,無論結果是哪一邊。
在那之前,誠實的總結比兩家廠商的說法都更狹窄:DeepSeek V4.1 Flash 是具備稽核軌跡的廉價多模態模型,Hy4 flash 則是更便宜、但沒有稽核軌跡的那一個,而在快取密集型工作上,兩者的價差比在價目表上看到的更小。這不是定論。這是對 11 月 16 日實際改變了什麼的精確描述——改變的是一張價目表和一份方案——以及騰訊在一塊自己畫出的計分板上所選擇的一場戰鬥。
本文中的比較4
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
