腾讯 Hy4 flash 实测:两毛钱让 AI 从零搭出 3D 交互网页
比 DeepSeek V4.1 Flash 性价比更高 #欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。

11 月初,腾讯 Hy4 正式发布,新模型在大模型竞技场上一跃升至开源第一。在它前面还有三个模型,分别是 GPT-6 Sol(Max)、Claude Opus 5(Max)和 Fable 5(High),附近则挤着 GPT-6.1 Terra、GPT-5.6 Sol 等一众实力强劲的闭源模型。

之前我们在 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,到文件整理、Office 文档处理,Hy4 都交出了不错的成果;整体实测表现,也基本对得上它在大模型竞技场上的成绩。

不过对常使用 WorkBuddy 的人来说,模型能力只是选择标准之一。免不免费、要不要排队、跑得够不够快,同样影响实际体验。比如工作日高峰期打开 WorkBuddy,倍率只有 0.11x 的
DeepSeek V4.1 Flash,繁忙程度却常常居高不下。

腾讯早在 Hy4 发布时就预告过一款主打效率的 Hy4 flash。就在刚刚,Hy4 flash 正式发布,腾讯希望把 Hy4 已有的 Agent、长程任务和生产力能力,以更低的成本带进高频使用场景。
APPSO 提前拿到了 Hy4 flash 的测试资格。这次我们最关心的是,它能否在保证任务完成质量的同时,减少 Agent 执行过程中的时间和 Token 消耗。

相较于 Hy4,新的 Hy4 flash 对 Token 效率做了大量优化:总参数量 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所提升。
更让人惊喜的是,Hy4 flash 在 WorkIndex 上单任务成本仅为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017( max 档位,忙时价格)的 1/8。


Token 效率更高,价格自然也比 Hy4 便宜不少:Hy4 flash 每百万 Token 输入 0.5 元,每百万 Token 输出 2 元,几乎是 Hy4 价格的十分之一。

现在可以直接在 WorkBuddy 内选择 Hy4 flash 模型。新模型还有为期两周的限时免费福利,11月16日–11月30日,每日赠送免费额度。
比 DeepSeek 更快还便宜
Agent 一旦干起活来,半小时都算短的。翻翻执行记录就知道:读文件、拆任务、写代码、调工具、核结果,这一圈走完几十分钟没了;模型有时还在同一个文件上来回看,刚修好的毛病又被它改回去。
这些弯路不会出现在最终的成果截图里,却会实实在在地增加任务耗时和 Token 账单。

所以,当 Agent 开始承担真实工作,我们也需要关心一个更实际的问题:完成同一件事,究竟需要多少时间和成本?
为了测试 Hy4 flash 的实际效率,我们在 WorkBuddy 中准备了相同的任务,分别交给 Hy4 flash 和 DeepSeek V4.1 Flash。测试过程中,提示词、工具权限和其他设置保持一致,重点观察两款模型的执行过程、最终交付,以及背后的时间和 Token 消耗。
我们从 WorkBuddy 里挑了些重复、零碎、又占时间的活儿先试。这类任务用不着模型从零搭一套复杂系统,可对信息理解、整理和调工具的能力照样是考验。比如安排几项深度研究,看它能不能又快又稳地拿到信息可靠、条理清楚、后续好用的结果。

其中一项,是让它就近期黄仁勋因出轨辞去英伟达 CEO 一事做深度研究,最后交一份网页版分析报告。DeepSeek V4.1 Flash 给出的东西整体差不多,同样按摘要、时间线、时长、基本面、产品、华尔街等几个方面讲清来龙去脉,但比 Hy4 flash 多用了 10 分钟。

从Token账本看,两份研究报告跑下来,DeepSeek V4.1 Flash 用掉近 18 万 Token,折算费用约 0.56 元。

编程环节换了个题目:让两款模型在 WorkBuddy 里搭一艘能交互的 3D 历史帆船。Hy4 flash 动作很快,帆船骨架、网页交互都立了起来,算是一个比较完整的原型。

DeepSeek V4.1 Flash 交出的版本更讲究。水面起伏看上去更顺,船身细节更多,能点开探索的内容也更丰富。

代价是时间。DeepSeek 这一轮耗了 1 小时 30 分钟,Hy4 flash 半小时就收工。对只想赶紧验证想法、搭个网页原型的人来说,尤其是迭代节奏快的场景,Hy4 flash 扛得住高频调用,产出的东西也已经能接着往下改。
DeepSeek V4.1 Flash 这轮任务烧掉约 30 万 Token,另有约 1600 万 Token 的缓存命中,API 费用约 1.21 元。

Hy4 flash 的对话记录里,Token 消耗约 14.9 万,缓存命中约 400 万 Token。照它的 API 定价算,做完这艘可交互 3D 历史帆船,预计掏 0.23 元。
除开这两个例子,我们还把两款模型放进 10 个代码和办公任务里统计了一遍。看最终成品,两边大体在一个水平线上;但论首轮交付速度,Hy4 flash 领先得更明显。
这一轮测下来,Hy4 flash 和 DeepSeek V4.1 Flash 的任务完成能力差不多。DeepSeek 有时愿意多花 Token,某些场景里也确实做出了更细的东西。Hy4 flash 的长处同样清楚:干活过程中开销更小、响应更快。碰上需求明确、格式固定的活儿,模型只要理解准、执行顺,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,我们更倾向推荐 Hy4 flash,它花更少的时间和 Token,给出的结果质量不差。网页原型、小游戏开发这类创作任务也一样,可以先用 Hy4 flash 快速出第一版,把想法验证了,再定后面怎么打磨。
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。多投些时间和 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、使用成本三者之间怎么取舍,看实际需求定。
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试 Hy4 flash,看它能做到什么程度。办公方面测了 PPT 制作、文件整理,还有多种文档格式之间的转换。
在 WorkBuddy 里丢给它一篇论文,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,翻译也一并做好。
另一个可以试试的用法,是把 Hy4 flash 放进 WorkBuddy 的专家团里一起干活。平时在 WorkBuddy 里调用专家团,系统一般会弹出提醒:多 Agent 协作会吃掉更多积分。原因不复杂,一项任务要拆给不同的 Agent 分头做,背后模型被调用的次数自然跟着涨。
Hy4 flash 的倍率低,这类复杂工作流的成本就变得好接受了。我们让深度研究团队去调研 fable 5.2 眼下能力到底怎么样、能做哪些事。
某些编程任务上,照着社交媒体上网友的一句话提示词,它就能做出一个「大家来找茬」小游戏。接着我们把难度往上提,让它从零用 three.js 开发一款单人 3D 俯视角奇幻 RPG,再通过多轮对话不断补玩法和内容。
这个简单游戏里,可探索的地图大约 400×400:村庄、断脊山、沉水果园、低语沼泽、沉没古道,终点是「空白之地」。玩法跟常见 RPG 差不多——和 NPC 对话、点亮测量标记与大锚点、收集 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抗「未成之物」,剧情也留了不少等着解锁。
Hy4 flash 也接过了 Hy4 的视觉理解本事。开发途中,它能对着生成结果的截图检查页面,也能读懂用户给的图片和视频,据此继续调整作品。
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工作需求。对混元而言,推出 Flash 模型的意义也在这里:让已有的视觉、推理和 Agent 能力被更便宜地反复调用。
Flash 最大的价值,是让每个人放心用AI
这是腾讯 Hy 系列的第一款 Flash 模型,不过在国产模型里,主打「斩杀线」「多快好省」的 Flash 早已不稀奇。厂商们都在卷价格、卷速度,恨不得把每百万 Token 压到几毛钱。可当这些模型进了 WorkBuddy 这类 Agent,光看 API 价格表,已经很难说清一款模型到底划不划算。
便宜的模型如果要花一个半小时才干完活,未必比半小时交付的更值。反过来,为了追速度最后还得人工大把返工,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。它的生成效果不是每次都能压过 DeepSeek V4.1 Flash,有些场景细节还少一些。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,再让它往下做。
模型越便宜,最终受益的应该是我们能用同样的时间和预算,让 AI 多干几件真正有用的事。各种大小事都可以放心交给 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 这样的产品场景被串进同一条迭代链路,Agent 之间的差距也就变成了: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做完。