腾讯Hy4 flash实测:0.5元/百万Token,Agent任务成本仅Hy4的1/20
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。

11 月初发布的腾讯 Hy4 在大模型竞技场上一举拿下开源第一。它前面还压着三个模型——GPT-6 Sol(Max)、Claude Opus 5(Max)和 Fable 5(High),周围更是围着 GPT-6.1 Terra、GPT-5.6 Sol 这些实力不俗的闭源对手。

此前我们在 WorkBuddy 里试过 Hy4 的 Agent 长程任务和日常办公本事:逐帧分析视频、复刻游戏和网页、整理文件、处理 Office 文档,表现都拿得出手,整体实测成绩也跟它在竞技场上的排名对得上。

可对天天泡在 WorkBuddy 里的人而言,模型强不强只是挑选项之一,免不免费、要不要排队、跑得快不快,同样左右实际感受。举个例子,工作日高峰时段打开 WorkBuddy,倍率仅 0.11x 的 DeepSeek V4.1 Flash 忙起来照样一档难求。

Hy4 发布那会儿,腾讯就放风说要做一款主打效率的 Hy4 flash。话音刚落,Hy4 flash 就正式登场了。腾讯的算盘是:把 Hy4 已有的 Agent、长程任务和生产能力,用更低的成本搬进高频场景。APPSO 提前拿到了测试资格。我们这回最想搞清楚的是,它在不掉任务质量的前提下,能不能把 Agent 执行时的时间和 Token 开销压下来。

跟 Hy4 比,Hy4 flash 在 Token 效率上做了大量优化:总参数 224B,激活参数 12B,支持多模态和 1M 上下文长度。输出更精简,吞吐量和整体响应速度也往上走了一截。更让人意外的是成本——在 WorkIndex 上,它单任务成本只有 Hy4 preview 的 1/13、Hy4 的 1/20,也仅为 DeepSeek-V4.1-Flash-1017(max 档位,忙时价格)的 1/8。


Token 效率上去了,价格自然跟着降。Hy4 flash 输入每百万 Token 0.5 元,输出每百万 Token 2 元,差不多是 Hy4 的十分之一。

在 WorkBuddy 里直接就能选到 Hy4 flash。新模型还带了为期两周的限时免费: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,动辄半小时起步。翻开执行记录,它读文件、拆任务、写代码、调工具、查结果……一套流程走完几十分钟没了,模型可能还在反复核对同一个文件,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,但任务耗时和 Token 账单是实打实往上加的。

所以,当 Agent 开始接手真实工作,有个更实际的问题得盯住:同一件事,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 里备了相同的任务,分别派给 Hy4 flash 和 DeepSeek V4.1 Flash。提示词、工具权限和其他设置全程一致,重点看两款模型的执行过程、最终交付,以及背后的时间和 Token 消耗。
先上的是 WorkBuddy 里那些重复、琐碎却又费时的活儿。这类任务不用模型从零搭一套复杂系统,可对信息理解、整理和工具调用的考验一点不小。比如做些深度研究,看它能不能又快又稳地拿到信息可靠、条理清楚、方便接着用的结果。

图|报告链接:https://workbuddy.link/p/RtOGPtOZXVoSfTCbjDeqkd
我们让它深度研究近期黄仁勋因出轨辞去英伟达 CEO 一事,并交出一份网页版分析报告。DeepSeek V4.1 Flash 交付的内容大体相似,同样从摘要、时间线、时长、基本面、产品、华尔街等几个方面梳理事情始末,却比 Hy4 flash 多花了 10 分钟。

图|报告链接:https://workbuddy.link/p/7JxW5ydZx8wXhqrCXJCneS
两份报告跑下来,DeepSeek V4.1 Flash 耗掉近 18 万 Token,总共花了约 0.56 元。

编程环节,我们让两个模型在 WorkBuddy 里各造一艘能交互的 3D 历史帆船。Hy4 flash 没多久就把船的基本骨架搭了起来,网页交互正常,算是个比较完整的原型。

图|体验地址:https://workbuddy.link/p/tsu8HyORrowH5UBViw5c1C
DeepSeek V4.1 Flash 交出的东西更讲究:水面起伏看着更自然,帆船细节更多,可探索的部分也丰富了。

可完成时间差得远——DeepSeek 用了 1 小时 30 分钟,Hy4 flash 只花半小时。对只想快点验证想法、搭个网页原型的人来说,特别是迭代节奏要快的场景,Hy4 flash 更扛得住高频使用,做出来的东西也已经能接着改。
这一轮里,DeepSeek V4.1 Flash 消耗约 30 万 Token,另有约 1600 万 Token 缓存命中,API 费用约 1.21 元。

Hy4 flash 的对话数据记录到约 14.9 万 Token 消耗、约 400 万 Token 缓存命中。按它的 API 定价,做完这艘可交互 3D 历史帆船预计付 0.23 元。
除这几个案例,我们还统计了两款模型在 10 个代码和办公任务里的表现。最终成果上,两边大体接近;首轮交付时间上,Hy4 flash 的优势更突出。
这一轮测完,我们的判断是 Hy4 flash 和 DeepSeek V4.1 Flash 的任务完成能力大致在同一水平,DeepSeek 有时会多用 Token,某些场景里的细节也确实更丰富。Hy4 flash 的长处同样明显:干实际活时开销更少、响应更快。有些需求本身就明确、格式也固定,模型只要理解准确、执行顺利就行,这时候等待时间短就很有价值。
像深度搜索、日常办公、文件整理这类高频生产力任务,我们更推荐 Hy4 flash,它用更少的时间和 Token 就能给出质量不错的结果。网页原型、小游戏开发这些创作任务,也可以先拿 Hy4 flash 快速出第一版,验证想法后再定怎么完善。
至于长程软件工程、复杂代码库修改这种要持续推理、反复验证的高难度任务,我们仍更推荐此前发布的 Hy4,多花些时间和 Token 换更强的复杂任务处理能力,往往划算。这样一来 Hy4 和 Hy4 flash 的分工也更清楚:日常高频任务交给 Hy4 flash,碰上更复杂的工作再切到 Hy4,任务质量、执行速度、使用成本,按实际需求来选。
编程和办公,用起来更顺手
模型能接什么活,看能力上限;这些能力能被用上多少次,看执行效率。这次我们接着在编程和办公场景里测 Hy4 flash,看它能做到什么程度。
办公方面,我们试了 PPT 制作、文件整理,还有多种文档格式之间的转换。在 WorkBuddy 里给它发一篇论文,要求转成 markdown 文档、word 文档,再做一个组会汇报用的 PPT,内容全部中英双语,翻译也由它完成。
另一个可以拿来试的场景,是让 Hy4 flash 跟 WorkBuddy 的专家团配合干活。
在 WorkBuddy 里调专家团,系统一般会先提示一句:多 Agent 协作会吃掉更多积分。道理不复杂,任务要拆给不同的 Agent 分头做,背后模型被调用的次数自然跟着涨。
好在 Hy4 flash 的倍率低,这类复杂工作流的花费就没那么让人肉疼了。我们让深度研究团队去查了查 fable 5.2 眼下到底有多大本事、能派上什么用场。
编程类任务上,照着社交媒体上网友给的一句话提示词,它就能攒出一个「大家来找茬」的小游戏。
图|体验地址:https://workbuddy.link/p/E27EyLvECdOz1NZp6yX9HV
接着我们把难度往上提,要求它从零用 three.js 写一款单人 3D 俯视角奇幻 RPG,再靠多轮对话一点点把玩法和内容补全。
这个简单的小游戏里,能逛的地图大约 400×400:村庄、断脊山、沉水果园、低语沼泽、沉没古道,最后是终局的「空白之地」。
玩法跟常见 RPG 差不多:找 NPC 聊天、点亮测量标记和大锚点、集齐 6 段记忆碎片。还能用近战、闪避和四种逐步解锁的魔法去对付「未成之物」,剧情也留了不少等着被解锁。
Hy4 的视觉理解能力,Hy4 flash 也继承了下来。开发时它能对着生成结果的截图检查页面,也能读用户给的图片和视频,弄清需求后接着改作品。
小游戏、3D 网页,再到办公文档和多 Agent 协作,Hy4 flash 已经能接住不少真实的工作需求。
对混元而言,推出 Flash 模型的意义也在这里:让已经攒下的视觉、推理和 Agent 能力,能以更低的成本被反复调用。
Flash 最大的价值,是让每个人放心用AI
这是腾讯 Hy 系列里的第一个 Flash 模型。不过在国产模型队伍中,打着「斩杀线」「多快好省」旗号的 Flash 已经不算稀奇。
厂商们都在价格和速度上较劲,恨不得把每百万 Token 压到几毛钱。可这些模型一旦进了 WorkBuddy 这样的 Agent,光看 API 价目表,已经很难说清一款模型到底划不划算。
便宜归便宜,要是干一件活得耗一个半小时,未必比半小时就能交活的模型更值。反过来,一味追速度,最后还得人工花大把时间返工,同样不划算。
这也是我们上手 Hy4 flash 之后比较明显的一个感受。
它的生成效果并不是每次都压过 DeepSeek V4.1 Flash,有些场景细节还会少一些。但面对大量日常办公、网页原型和 Agent 协作任务,Hy4 flash 已经能用更短的时间、更低的价格,交出一份质量相当、还能接着改的成果。
再说 Agent 干活,本来就很难一次做到位。第一版结果来得越快,我们就能越早发现问题、调方向,再让它把后面的活干完。
图|在得分相差不大的情况下,Hy4 flash 在各个 benchmark 上的花费均没有超过 1 元
模型越卖越便宜,最终该落到我们头上的是:同样的时间和预算,能让 AI 多办几件真正有用的事。
大小事情都可以放心丢给 AI,看它能做到什么程度,而不必先掂量这件事值不值得让 AI 来做。
当模型、工具和 WorkBuddy 这类产品场景被放进同一条迭代链路,Agent 之间的差距,也就变成了谁能让你少等一点、少盯一点、少返工一点,把更多真实工作安安静静地做完。