
Hy4 對決 Qwen4-Max:Hy4 真正勝出的兩列
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 182 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 749 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 1902 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 96 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 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 每百萬 tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 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 每百萬 tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
在構成 Artificial Analysis Intelligence Index v5.0.1 的九項評估中,Qwen4-Max 在其中七項勝過 Tencent Hy4。這是應該的:Alibaba 的旗艦模型得分 42.9,而 Tencent 為 34.6,且每次呼叫具有 262,144 個 token 的共享思考與回答預算。但有兩行結果相反,而這兩行正好說明每個模型實際上是為了什麼而打造的。在 FrontierCode-AA 2.0——真實開源儲存庫內的軟體工程——Tencent Hy4 得分 31.4%,Qwen4-Max 得分 26.5%。在 MLCR-AA(醫學長上下文推理)上,Hy4 得分 32.8%,Qwen4-Max 得分 19.4%。
對一個落後 8.3 個指數點的模型來說,這是一對奇怪的勝利,而這正是這項比較比計分板更值得一看的原因。Qwen4-Max 是更強的通用模型,也是你會選來處理困難推理、知識工作,以及任何涉及影片的任務的模型。Tencent Hy4 則是較便宜的模型、可下載的模型,而且——在真實儲存庫工作上,以些微差距——是更好的工程師。兩者之間的抉擇取決於你實際需要哪一種,也取決於一套讓較便宜模型比其 token 價格所顯示的更便宜的定價結構。
七列給 Qwen,兩列給 Hy4
兩組數字均來自 Artificial Analysis,日期為 2026 年 11 月 20 日,評估版本相同,測試框架也相同:
• 高難度推理,HLE-Diamond — Qwen4-Max 44.9%,Hy4 32.7%。全榜最大差距,12.2 個百分點。
• 物理學,CritPt v2 困難子集 — Qwen4-Max 43.0%,Hy4 39.0%。
• 在乾淨的終端機中進行代理式程式設計,Terminal-Bench 4.0 — Qwen4-Max 48.5%,Hy4 37.4%。
• 終端機中的代理式科學,Terminal-Bench-Science — Qwen4-Max 23.3%,Hy4 12.9%。
• SaaS 工作流程執行,AutomationBench-AA — Qwen4-Max 72.6%、Hy4 65.6%。
• 專業文件推理,GDP.pdf 全數通過 — Qwen4-Max 26.2%、Hy4 21.6%。
• 自主代理式知識工作,AA-Briefcase Elo — Qwen4-Max 1,686.1、Hy4 1,445.9。240 Elo 的差距,是本系列中最大。
• 真實儲存庫中的軟體工程,FrontierCode-AA 2.0 — Hy4 31.4%,Qwen4-Max 26.5%。
• 醫療長上下文推理,MLCR-AA — Hy4 32.8%,Qwen4-Max 19.4%。
這兩場失利中的模式值得精確命名,因為這不是雜訊。Qwen4-Max 在終端機基準測試中勝出,這些是環境乾淨、目標明確的程式設計任務。Hy4 在儲存庫基準測試中勝出,該測試涉及瀏覽並非為評估而寫的程式碼。而它在醫療長上下文以 13 分勝出,這是唯一對應到明示設計目標的能力:Tencent 以長文件和深度研究訓練 Hy4,並在模型卡中如此說明。同時,Alibaba 自己為 Qwen4-Max 準備的材料則主打 Work360、符元效率主張和共用推理預算——一款通用旗艦,為廣度而最佳化。

價格比率與成本比率之間的差距
Qwen4-Max 的輸入價格是 Hy4 的 1.8 倍,輸出價格也是其 1.8 倍。以實測的 Intelligence Index 每項任務成本來看,則是 3.2 倍——3.27 美元對上 1.03 美元。多出來的倍數來自 token 效率,而這正是大多數人在這項比較中略過的部分。
• 輸入 — Qwen4-Max 每百萬個 token 1.50 美元,Hy4 0.834 美元。Qwen 的價格高出 80%。
• 輸出 — Qwen4-Max $4.50、Hy4 $2.501。同樣 80%。
• 快取讀取 — Qwen4-Max $0.075(95% 折扣),Hy4 $0.042(95%)。Qwen 貴 79%,且折扣率相同,因此快取無法彌補差距。
• 每個索引任務的輸出 token 數 — Qwen4-Max 104,940,Hy4 78,058。Qwen 每個任務的推理時間多出三分之一。
• 每個索引任務的時間 — Qwen4-Max 29.8 分鐘,Hy4 14.0。前者耗時超過兩倍。
• 輸出速度 — Qwen4-Max 每秒 59 個 token,Hy4 每秒 93 個。
把這兩項效應相乘,1.8 倍的價格比就會變成 3.2 倍的成本比。對於每月執行一萬個代理任務的工作負載來說,這就是「你能守住的支出項目」與「你得重新議價的支出項目」之間的差別——而且即使 Qwen4-Max 是能力更強的模型,這一點仍成立,因為你沒動用的能力依然會被計費。

Qwen 這邊有一個定價細節,方向恰好相反,而且很容易被忽略。阿里巴巴的計量價目表依地區而異:新加坡是 $1.50 與 $4.50,但北京、香港、法蘭克福與美國維吉尼亞則是 $1.413 與 $4.24,快取讀取為 $0.071。若你的流量終結於上述其中一個地區,輸入價差就會縮小到約 69%,而非 80%。這並不改變答案的方向。
影片輸入,權重輸出
這兩款模型接受的輸入並不相同,而這往往正是實際採購案中最常起決定作用的差異:
• 輸入模態——Qwen4-Max 接受文字、圖像與影片。Tencent Hy4 接受文字與圖像。自 11 月 4 日以來,Hy4 在視覺方面並無任何退步——圖像理解與電腦操作是該次發布的重點新增功能——但它沒有影片處理路徑。
• 輸出 — 兩者皆僅限文字。
• 上下文 — Hy4 為 1,048,576 個 token;根據 Artificial Analysis 的計算,Qwen4-Max 為 983,616 個,儘管 Alibaba 自己的文件記載為 1,000,000。差異在於帳面計算方式,而非能力;兩者都是百萬 token 模型。
• 權重 — Hy4 自 2026 年 11 月 18 日起可依 Tencent Hy 授權下載,為一個 7740 億參數的 BF16 檢查點,並具備 FP8 版本與預訓練基礎模型。Qwen4-Max 沒有公開的檢查點,而 Alibaba 的資料將其描述為專有旗艦模型。
權重這條路線的後果,遠不只反映在價格上。可下載的模型能在你自己的執行軌跡上微調、量化以配合你的硬體、接受稽核、固定到某個版本,並在沒有對外路由的網路內運行。專有模型給你的則是一紙 API 合約,以及一個退役日期。這就是為什麼本部落格先前關於 Qwen4-Max 的報導,會不斷回到同一個不對稱點:7700 億參數的開放權重移除的是法律障礙,而不是硬體障礙——但對一家已經擁有硬體的公司來說,這正是全部的差別所在。
路由器改變運算方式的地方
Tencent Hy4 可在此以 tencent/hy4 路由,價格為每百萬個 token $0.834 與 $2.501,快取讀取為 $0.042——這是供應商自家的價目表,以 0% 加成原樣傳遞,因此 Tencent 的價格變動當天就能反映到你身上。Qwen4-Max 未列在 我們的目錄中;Alibaba 透過自家的 Model Studio API 與數個第三方平台提供,而我們不提供其路由,因此本文任何內容都不應被解讀為要約提供此服務。
單一端點帶給你的好處,是讓你不必再把這項選擇當成永久性的。路由 DSL 可以依工作形態分派:儲存庫層級的工程與長文件分析交給 tencent/hy4,困難推理與任何涉及影片的工作則透過其專屬 API 金鑰交給 Qwen4-Max,並在兩者之間自動容錯移轉。就上述元件分數而言,這樣拆分並非妥協,而是正確的配置,因為這兩個模型較弱的評測幾乎不重疊。模型融合還能更進一步:由兩者組成的小組,會把 Qwen 的 HLE-Diamond 分數與 Hy4 的儲存庫分數放在同一個答案前。

誰該選哪個
如果工作以推理為主、任何部分涉及影片,或輸出是由人而非測試來評判,就採用 Qwen4-Max——AA-Briefcase 上 240 Elo 的差距可不是四捨五入的誤差。請按 Hy4 每項任務成本的 3.2 倍編列預算,並預期模型完成每項任務要花兩倍時間。
如果你想自有權重、工作屬於儲存庫規模的程式碼或長文件分析,或由單位經濟效益決定採購,就選 Tencent Hy4。它在每一項實測軸度上都是更便宜的模型,也是你能自行執行的模型,並且在兩項評測中勝出——這兩項評測獎勵的是駕馭無人為它預先準備過的素材。
未解的問題是,第二份清單是否會繼續增加。Hy4 的權重已公開兩天;對公司自家儲存庫的追蹤記錄進行微調,就能攻克五分的差距,而以目前價格計算,那只需一個週末的算力。Qwen4-Max 根本無法用那種方式攻克。這種不對稱——一個模型你能改進,另一個你只能等待——並不存在於任何基準測試表中,而且在接下來一年,它會比那 8.3 分更重要。
本文中的比較1
根據本文內容識別
