腾讯Hy4 flash实测:两毛钱让AI从零做出3D交互网页
11 月初,腾讯 Hy4 发布,新模型在大模型竞技场上一跃升至开源第一。排在 Hy4 前面的三个模型分别是 GPT-6 Sol(Max)、Claude Opus 5(Max)和 Fable 5(High),附近还有 GPT-6.1 Terra、GPT-5.6 Sol 等一众强劲的闭源模型。我们此前在 WorkBuddy
11 月初腾讯发布 Hy4,这款新模型在
排在它前头的三个模型是
GPT-6 Sol(Max)、Claude Opus 5(Max)和 Fable 5(High),旁边还站着 GPT-6.1 Terra、GPT-5.6 Sol 等一批强手。
此前我们在
WorkBuddy 里试过 Hy4 的
整体实测下来,表现跟它在
不过对天天泡在 WorkBuddy 里的人来讲,模型强不强只是挑模型的指标之一。收不收费、要不要排队、跑得快不快,一样左右实际感受。
好比工作日高峰时段打开 WorkBuddy,
Hy4 发布那会儿,腾讯就放风说会有一款主打效率的 Hy4 flash。
话音刚落,Hy4 flash 就正式登场了。腾讯的打算是把 Hy4 已有的 Agent、长程任务和生产力本事,用更低的成本搬进高频场景。
APPSO 提前拿到了 Hy4 flash 的测试资格。这回我们最想弄清楚的是:它能不能在保住任务质量的前提下,把 Agent 执行时耗掉的时间和 Token 压下来。
跟 Hy4 比,新的 Hy4 flash 对
更让人惊喜的是,Hy4 flash 在 。
更高的
在 WorkBuddy 里直接就能选中 Hy4 flash 模型,新模型还带两周限时免费,11月16日–11月30日每天送免费额度。
比 DeepSeek 更快还便宜
眼下 Agent 干起活来,动辄半小时打底。
翻执行记录看它读文件、拆任务、写代码、调工具、查结果……一套走完几十分钟没了,模型可能还在同一个文件上反复核对,甚至把刚修好的毛病又改回去。
这些绕路不会出现在最后的成果截图里,可任务耗时和 Token 账单是实打实往上走的。
所以 Agent 一旦接手真活,有个更实在的问题就绕不开了:同一件事做完,到底要花多少时间、多少成本?
为了摸清 Hy4 flash 的真实效率,我们在 WorkBuddy 里备好同样的任务,分别交给 Hy4 flash 和
我们先挑了些 WorkBuddy 里重复、琐碎却费时的活。这些活不用模型从零搭一套复杂系统,但很吃它对信息的理解、整理和工具调用。
比如做些深度研究的任务,看它能不能高效给出信息可靠、条理清楚、方便接着用的结果。
让它就近期黄仁勋因出轨而辞去英伟达 CEO 一事做深度研究,并交给我一份网页形式的分析报告。
两份研究报告各自烧掉多少 Token,也能看出
再看编程,我们让两款模型在 WorkBuddy 里造一艘能交互的 3D 历史帆船。
Hy4 flash 三下五除二搭出了帆船的基本结构,网页交互正常,整体算是个比较完整的原型。
DeepSeek V4.1 Flash
完成时间上,两款模型拉开了不小差距:DeepSeek 用了 1 小时 30 分钟,Hy4 flash 只花半小时。
如果只是想快点验证想法、搭个网页原型,尤其是迭代节奏偏快的场景,Hy4 flash 更扛得住高频使用,产出的东西也留足了继续改的余地。
DeepSeek V4.1 Flash
对话数据方面,Hy4 flash 记录到的消耗约为 14.9 万 Token,另有约 400 万 Token 的
除开这个案例,我们还把两款模型放到 10 个代码和办公任务里比了一轮。最终成果看,两边大体在同一水平线上;可要论首轮交付时间,Hy4 flash 的优势就摆得更明显了。
这一轮测下来,我们的看法是 Hy4 flash 和
Hy4 flash 的长处同样清楚:干实际活的时候,开销更省,响应更快。有些需求本身就明确、格式也固定,模型只要理解到位、执行顺利,等待时间短这一点就特别有价值。
像深度搜索、日常办公、文件整理这类高频生产力任务,我们更愿意推荐 Hy4 flash——花更少的时间和 Token,结果质量也不差。即便是网页原型、小游戏开发这类创作任务,也不妨先用 Hy4 flash 快速出第一版,验证想法,再决定后面怎么完善。
至于长程软件工程、复杂代码库修改这类要持续推理、反复验证的高难度任务,我们仍然更推荐此前发布的 Hy4。多花些时间和 Token,换来更强的复杂任务处理能力,通常划算。
这样一来,Hy4 和 Hy4 flash 的分工就更明确了:日常高频任务放心交给 Hy4 flash,碰上更复杂的工作再切回 Hy4。任务质量、执行速度、使用成本,可以按实际需求来挑。
更实用的编程和办公搭子
能力上限决定模型能接什么活,执行效率则决定这些能力能被用上多少次。这次我们接着在编程和办公场景里测 Hy4 flash,看它能做到哪一步。
办公这块,我们试了 PPT 制作、文件整理,还有多种文档格式之间的互转。
在 WorkBuddy 里给它发了一篇论文,要求把这份 pdf 转成 markdown 文档、word 文档,再做一份用于组会汇报的 PPT,内容全部中英双语,并帮我们翻译好。
另一个值得试试的场景,是让 Hy4 flash 跟 WorkBuddy 的
平时在 WorkBuddy 内使用
Hy4 flash 的低
编程任务上,我们照着社交媒体上网友的一句话提示词,就做出了一个「大家来找茬」的小游戏。
接着我们加了难度,让它从零开始使用
这个简单游戏里能探索约 400×400 的大地图:村庄、断脊山、沉水果园、低语沼泽、沉没古道,还有终局的「空白之地」。
玩法跟常见 RPG 一样:玩家能和 NPC 对话、点亮测量标记和大锚点,收集 6 段记忆碎片。甚至可以用近战、闪避和四种逐步解锁的魔法去对抗「未成之物」,还有各种等待解锁的剧情。
Hy4 flash 还继承了 Hy4 的
从小游戏、3D 网页到办公文档和多 Agent 协作,Hy4 flash 已经能覆盖不少真实的工作需求。
混元推出Flash模型,用意也在这里:视觉、推理和Agent这些已经攒下的能力,得能用更低的成本反复调起来。
Flash 最大的价值,是让每个人放心用AI
放在腾讯Hy系列里,这是第一个Flash模型;不过放眼国产模型,打着「斩杀线」「多快好省」旗号的Flash早已不稀奇。
厂商们拼价格、拼速度,恨不得把每百万Token压到几毛钱。可这类模型一旦接进WorkBuddy这样的Agent,光看API价目表,其实已经很难说清一款模型到底划不划算。
便宜是便宜,要花一个半小时才把活干完,就未必比半小时交付的模型更值。反过来,一味追速度,末了还得人工大把返工,这笔账同样不划算。
体验过Hy4 flash之后,这一点感受比较明显。
它的生成效果并非每次都能超过
再说,Agent干活本来就很难一次到位。第一版结果来得越早,我们就能越早看出问题、调好方向,再让它往下做。
模型越卖越便宜,最后受益的应该是这样一件事:同样的时间和预算,能让AI多办几件真正有用的活。
各种大事小事都能放心交给AI去试,看它到底能做到什么程度,不必先掂量这件事值不值得让AI来做。
模型、工具和WorkBuddy这类产品场景拧进同一条迭代链路后,Agent之间的差距就落在谁能让用户少等一点、少盯一点、少返工一点,把更多真实工作安安静静地做完。