生成的標題卡寫著「Tencent Hy4 vs Qwen4-Max」,並有兩個統計欄:Hy4 的智慧指數為 34.6,總參數 770B、活躍參數 49B,開放權重,每百萬個 token 為 $0.834/$2.501;Qwen4-Max 為 42.9,未公開參數,專有,$1.50/$4.50;頁腳寫著「指數與價格依據 Artificial Analysis v5.0.1,讀取於 2026 年 11 月 20 日。」
Guides & Insights

Hy4 對決 Qwen4-Max:Hy4 真正勝出的兩列

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

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 T​encent Hy4。這是應該的:A​libaba 的旗艦模型得分 42.9,而 T​encent 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——T​encent 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。

Generated two-column scoreboard comparing Tencent Hy4 and Qwen4-Max across six dimensions: Intelligence Index 34.6 versus 42.9, price $0.834/$2.501 versus $1.50/$4.50 per million tokens, context 1,048,576 versus 983,616 tokens, FrontierCode-AA 31.4% versus 26.5%, terminal coding Terminal-Bench 4.0 37.4% versus 48.5%, and cost per index task $1.03 versus $3.27, with a footer reading 'All figures per Artificial Analysis v5.0.1, 20 November 2026; terminal rows favour Qwen, repository rows favour Hy4.'

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。

Screenshot of the Artificial Analysis page for Tencent Hy4, captured 20 November 2026, showing its Intelligence, Performance, Cost and Verbosity rank tiles, 93 tokens per second output, 14.0 minutes per task, a 118.9-second time to first token and a 1M-token context window, with the header still labelling the model proprietary.

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。

Screenshot of the OrcaRouter model page for Hy4, captured 20 November 2026, showing the tencent/hy4 endpoint at $0.83 per million input tokens and $2.50 per million output tokens, a 1M-token context window, 65k maximum output, text and image input, vision, tools and JSON, zero data retention, and public benchmarks dated 4 November 2026.

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 T​encent 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