腾讯Hy4 flash实测:224B总参数,单任务成本仅Hy4的1/20
腾讯Hy4 flash发布:224B参数、输出每百万Token低至2元
11月初,腾讯Hy4正式亮相,在大模型竞技场上一举冲到开源第一的位置。
它前头还压着三个模型——GPT-6 Sol(Max)、Claude Opus 5(Max)和Fable 5(High),旁边则挤着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能力。逐帧分析视频、复刻游戏和网页,再到整理文件、处理Office文档,它给出的结果都还不错。
整体实测下来的表现,跟它在大模型竞技场上的排名基本对得上。

不过对常泡WorkBuddy的人来说,模型能力只是挑选标准之一。收不收费、要不要排队、跑得够不够快,同样左右着实际体验。
打个比方,工作日高峰期打开WorkBuddy,倍率只有0.11x的DeepSeek V4.1 Flash,繁忙程度照样常年居高不下。

其实Hy4发布那会儿,腾讯就预告过一款主打效率的Hy4 flash。
就在刚刚,Hy4 flash正式登场。腾讯的打算是把Hy4已有的Agent、长程任务和生产力能力,用更低的成本送进高频使用场景。
APPSO提前拿到了Hy4 flash的测试资格。这回我们最想弄清楚的是:它在保证任务完成质量的同时,能不能把Agent执行过程中的时间和Token消耗压下来。

跟Hy4相比,Hy4 flash在Token效率上做了大量优化。它的总参数量为224B,激活参数12B,支持多模态和1M上下文长度。模型输出更精简,吞吐量和整体响应速度也有提升。
更让人意外的是成本。在WorkIndex上,Hy4 flash单任务成本只有Hy4 preview的1/13、Hy4的1/20,以及DeepSeek-V4.1-Flash-1017(max档位,忙时价格)的1/8。


Token效率上去了,价格自然也跟着降。Hy4 flash每百万Token输入收0.5元,每百万Token输出收2元,差不多是Hy4价格的十分之一。

在WorkBuddy里就能直接选Hy4 flash模型。新模型还带两周限时免费福利,11月16日–11月30日,每天赠送免费额度。
比DeepSeek更快还便宜
如今让Agent干活,动辄就是半小时起步。
点开执行记录,看它读文件、拆任务、写代码、调工具、查结果……一圈流程走完,几十分钟就没了,模型可能还在反复检查同一个文件,甚至把刚修好的问题又改了回去。
这些弯路不会出现在最终成果的截图里,可任务耗时和Token账单却是实打实地往上加。

所以,当Agent开始接手真实工作,有个更实际的问题绕不开:同一件事做完,到底要花多少时间和成本?
为了测Hy4 flash的实际效率,我们在WorkBuddy里备好同样的任务,分别交给Hy4 flash和DeepSeek V4.1 Flash 1017。测试时提示词、工具权限和其他设置都保持一致,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。
我们先挑了一些在WorkBuddy里重复、琐碎,却又费时间的工作。这类活不需要模型从零搭一套复杂系统,但很考验它对信息的理解、整理和工具调用能力。
比如做些深度研究任务,看它能不能高效拿到信息可靠、条理清晰、方便接着用的结果。

图|报告链接:https://workbuddy.link/p/RtOGPtOZXVoSfTCbjDeqkd
我们让它就近期黄仁勋因出轨辞去英伟达CEO一事做深度研究,并给出一份网页分析报告。DeepSeek V4.1 Flash交付的内容整体类似,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件始末,却比Hy4 flash多花了10分钟。

图|报告链接:https://workbuddy.link/p/7JxW5ydZx8wXhqrCXJCneS
两份报告各消耗了多少Token,也有账可查:DeepSeek V4.1 Flash 用掉近 18 万 Token,总花费约 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 没花多久就把帆船骨架搭了起来,网页交互正常,算得上一个比较完整的原型。

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,可探索的部分也更丰富。

可两者在耗时上差得很远:DeepSeek 用了 1 小时 30 分钟,Hy4 flash 半小时就收工了。
如果用户只是想尽快验证一个想法、搭个网页原型,尤其是迭代节奏快的场景,Hy4 flash 更扛得住高频调用,产出的东西也已经有了继续改的基础,
这一轮任务里,DeepSeek V4.1 Flash 消耗约 30 万 Token,另有约 1600 万 Token 的缓存命中,API 费用约 1.21 元。

Hy4 flash 的对话数据记下了约 14.9 万 Token 消耗和约 400 万 Token 缓存命中。按它的 API 定价,造完这艘可交互 3D 历史帆船预计付 0.23 元。

除了上面这些例子,我们还统计了两个模型在 10 个代码和办公任务里的表现。看最终成果,双方大体在一条水平线上;但首轮交付时间上,Hy4 flash 的优势更扎眼。
这一轮测下来,我们的判断是 Hy4 flash 和 DeepSeek V4.1 Flash 完成任务的能力大致相当。DeepSeek 有时会多烧 Token,某些场景里也确实做出了更丰富的细节。
Hy4 flash 的长处同样清楚:干实际活的时候,它花得更少、响应更快。碰上需求明确、格式固定的工作,模型只要能准确理解、顺利执行,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,我们更愿意推荐 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、小游戏开发这类创作任务,也可以先用 Hy4 flash 快速出第一版,验证想法之后再决定怎么往下完善。
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,我们依然更推荐此前发布的 Hy4。多花些时间和 Token 去换更强的复杂任务处理能力,往往划算。
Hy4 和 Hy4 flash 的分工也因此更清楚了:日常高频任务放心交给 Hy4 flash,碰到更复杂的工作再切回 Hy4。任务质量、执行速度、使用成本,按实际需求来取舍。
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。这次我们继续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 里给它发了一篇论文,要求把这份 pdf 转成 markdown 文档和 word 文档,再做一份用于组会汇报的 PPT,所有内容都要中英双语,并帮我们翻译好。
另外,Hy4 flash 搭配 WorkBuddy 专家团也是一个可以试试的用法。平时在 WorkBuddy 里调用专家团,系统一般会提示多 Agent 协作会多花积分。原因不复杂:一个任务要拆给不同 Agent 分工去做,背后模型被调用的次数自然跟着涨。Hy4 flash 的倍率低,这类复杂工作流的成本就没那么难接受了。
我们让深度研究团队去摸一摸 fable 5.2 眼下到底有多大能耐、能办哪些事。
编程任务方面,照着社交媒体上网友给的一句话提示词,就能生成一个「大家来找茬」小游戏。
图|体验地址:https://workbuddy.link/p/E27EyLvECdOz1NZp6yX9HV
接着把难度往上提:让它从零用 three.js 写一款单人 3D 俯视角奇幻 RPG,再通过多轮对话不断补玩法、加内容。