这款模型被腾讯混元团队定位为“迄今性价比最高的Hy模型”。224B总参数中有64B是Engram参数,模型原生支持多模态,上下文可处理100万token。腾讯云TokenHub价格单显示,输入$0.070/百万token、输出$0.281/百万token;完整版Hy4则为输入$0.834、输出$2.501,算下来输入降了约92%,输出降了约89%。
腾讯引用内部评测称,Hy4 Flash的用户满意度与Claude Haiku 5.5接近,每任务成本却低约18倍。需要说明的是,这些性能对比全部来自腾讯自己组织的测试,截至发布日没有第三方实验室复现。
三阶段协同优化:效率从何而来
低成本并不等于把模型能力压下去换来的。Hy4 Flash靠的是预训练、后训练、推理三个环节各自的技术选择叠加起来。
先看预训练。混元团队把混合注意力、LatentMoE(稀疏专家框架)和Engram(可扩展的查表式参数模块)组合到一起,KV缓存缩减到Hy3的1/24、Hy4的1/6。KV缓存的作用是存下之前算过的注意力键值对供后续复用,缓存越小,长上下文处理时占的内存越少,大规模部署的成本也就越低——对百万token场景来说,这一点尤其要紧。
后训练环节,团队让模型对完整版Hy4做自蒸馏,从而继承较强的综合智能水平;再用强化学习把端到端任务的平均输出长度压掉50%。批量任务里,输出短了,输出token的费用自然下降,而输出token的单价通常是输入的好几倍。
推理阶段,腾讯报告称借助megakernel融合、4-bit量化和DFly调度优化,解码速度超过150 tokens/秒,足以支撑大规模低成本部署运营。这个速度是官方自测值。第三方平台数据显示,Claude Haiku 5.5在OpenRouter上的中位生成速度约171 tokens/秒,高于目前能观测到的Hy4 Flash数值;但Hy4 Flash的OpenRouter接入发布时还没上线,这个比较存在局限。
内部盲测的完整数据:Tencent选择性呈现了哪些
腾讯找来85位WorkBuddy内部用户,围绕27类共259项日常工作做盲测,覆盖幻灯片生成与编辑、文档处理、电子表格修复、音视频理解等8个评估集,并搭建了一套叫WorkIndex的评测体系。这套体系重点看产物质量、单轮输出长度和任务完成时长,不看公开榜单分数。
对外主推的结论有几条:Hy4 Flash用户满意度评分2.79,Claude Haiku 5.5为2.81,两者接近;每任务成本只要¥0.26,Claude Haiku 5.5则要¥4.73,相差约18倍;任务完成时长中位6.7分钟,在参与比较的模型里最短。
但完整测试结果里还有另一组数字:
DeepSeek-V4.1-Flash-1017的用户满意度评分达到3.09,高过Hy4 Flash和Claude Haiku 5.5,这个数字没有进入腾讯的核心宣传口径。这并不说明Hy4 Flash的测试结果造假,只是提醒“性能接近Haiku”的前提是特定任务场景和特定评测框架;而在同一框架下,DeepSeek已经给出了更优的性价比组合。
复杂编程任务上的差距更明显。Terminal-Bench 4.0测试数据显示,Hy4 Flash得分19.2,完整版Hy4为44.4,DeepSeek V4.1 Flash 1017为40.0。腾讯官方也明确建议,长程软件工程这类复杂任务仍应交给完整版Hy4;Hy4 Flash瞄准的是高频次、中等复杂度的日常生产力工作。
产业影响:开发者、企业与竞争格局
对独立开发者来说,这一定价直接改写了高频调用场景的成本账。文档处理、会议纪要、表格修复这类不要求深度推理的批量任务,$0.07/M的输入价格让原本受成本掣肘的产品形态变得可行。腾讯还提供缓存输入$0.003/M的选项(Hy4为$0.042/M),对经常使用固定系统提示的应用层开发者而言,实际综合成本还会进一步压低。
企业用户选型则要分层看。Hy4 Flash通过腾讯现有产品线铺开,包括WorkBuddy、企业微信、QQ、ima、元宝,部署路径与腾讯生态绑得很深。已经在腾讯云上搭工作流的企业,多了一条低摩擦的降本通道;跨云或跨供应商的企业,得等OpenRouter接入之后才能做真正可对比的横向测试。
竞争格局方面,Hy4 Flash把国内大模型轻量推理档位的价格压力进一步传到了国际市场。DeepSeek此前靠低价高性能在全球开发者社区立起价格参照系,Hy4 Flash入场后,这一档位的玩家又多了一个。但DeepSeek V4.1 Flash 1017在腾讯自己的测试中拿到最高满意度评分,说明性价比的全局排名里,价格并非唯一变量。
历史对照:轻量化旗舰路线的可信度
从技术路线看,Hy4 Flash延续了近年来各主要实验室“Flash/Haiku/Mini”的打法:以旗舰模型知识蒸馏为起点,再用架构稀疏化和推理优化把每token成本压到旗舰的一个数量级以下,换取大规模部署的可行性。这条路已有多个产品落地佐证,技术逻辑本身站得住。
类似“轻量版本就能追上旗舰效果”的说法,过去多半只在某些特定任务范围内成立,一旦进入推理吃重或长链条任务,效果就会明显打折。腾讯自己给出的Terminal-Bench数据也印证了这点:Hy4 Flash为19.2,对比44.4。官方没有回避这一落差,两款产品各自的适用边界被明确划了出来。
前瞻:验证窗口在哪里
眼下Hy4 Flash的成绩全部出自腾讯内部测试。外部验证要看两个节点。其一,OpenRouter接入完成之后,第三方开发者可以在统一端点上,用真实负载把它和其他模型摆在一起横向比。其二,腾讯打算开源Hy4 Flash的权重,如果这事按计划落地,学术界和独立评测方就拿到了完整的基准测试条件。
在这两个节点到来前,公开榜单上真实用户的投票结果是主要观察信号,Lmarena、SEAL等都算;代码生成、多跳推理这类复杂任务上的独立评测分数同样关键;百万token上下文在实际场景里稳不稳定,也值得盯。理论能支持的上下文长度,和高负载下还能持续可用的上下文长度,历史上并不总是一回事。
价格层面,这已经是一次不可逆的结构性变化。不管Hy4 Flash第三方评测结果如何,$0.07/M的输入价格摆在那里,开发者对这个能力档位的价格预期已经被重新校准。靠API成本定价的AI应用层公司,成本模型得重新算一遍;对终端用户来说,同样的预算能撑起的调用量级又上了一个台阶。
腾讯表示计划开源Hy4 Flash,并保持高频迭代。这个承诺一旦兑现,就是日后评估其真实技术竞争力最直接的依据。在那之前,“可比肩Claude Haiku 5.5”应当这样理解:它是在腾讯自定义的办公任务框架内、由内部用户当评判者得出的一次测试结论,并非独立机构认证过的通用能力等价声明。