腾讯混元Hy4 Flash实测:35分钟出可玩游戏,API价压过DeepSeek
腾讯新发布的混元Hy4 Flash模型在速度与成本上表现激进。实测显示,它能在十几分钟内完成3D场景建模、增量游戏开发及财报分析,API价格仅为竞品的一半。通过混合注意力与Engram记忆模块等技术优化,该模型在保持高智能水平的同时,将推理成本压缩至旗舰模型的二十分之一,适合处理高频日常办公任务。
15分钟写个游戏,Flash模型不再"降智"
过去说起"Flash"这档轻量级大模型,不少人心里都存着疑问:速度确实上去了,脑子是不是也缩水了?在AI这行里,"快"与"聪明"常常是跷跷板两端,不容易兼得。

腾讯混元 Hy4 Flash 看起来想推翻这种印象。11月16日该模型正式发布,开发者社区很快讨论开了。理由不复杂:跑得快,也便宜得离谱,更关键的是干活不敷衍。

我们上手测了一轮。生成3D场景、写代码做游戏、分析复杂财报,这些原本要耗上几小时甚至更久的活,Hy4 Flash 压到几分钟到半小时内完成。让它写一款带技能树、怪物系统和特效的暗黑风格增量塔防游戏,35分钟就交出了能跑的初版;生成一个含12个可运行系统的3D恒星互动页面,用了12分钟。出来的不只是文字,是真正跑得起来、能交互的代码。

效率一提上来,现有格局就受到冲击。有人直接说,DeepSeek 的"效率之王"位置恐怕坐不稳了。Hy4 Flash 的 API 定价很有攻击性:每百万 Token 输入0.5元、输出2元,命中缓存低到0.02元。就算不把限时优惠算进去,价格也只有 DeepSeek V4.1 Flash 闲时价的一半。对天天大量调接口的企业和开发者来说,这笔账很划算。

不只是聊天:从3D建模到财报分析的实战测试

要判断 Hy4 Flash 是不是"纸上谈兵",我们在腾讯自家的 WorkBuddy 平台上做了一连串高强度测试。WorkBuddy 集成了多种 AI 工具,Hy4 Flash 在里面免费开放,我们可以放心折腾各种复杂任务。

3D与前端:考验空间想象力与代码能力

先试的是视觉加代码的任务。我们让它生成一个浮空岛场景,岛上要有樱花树,湖里要有锦鲤。这类活一般得靠专业3D建模软件加人工调整,Hy4 Flash 用11分钟就产出了完整的3D效果代码。随后难度加码:生成一个真实画风的3D可互动古代恒星系统,还得压进一个 HTML 文件里,包含12个可运行的子系统。这活估摸着资深前端工程师要调上数小时,Hy4 Flash 12分钟就交付了。
游戏开发:逻辑闭环与数值平衡
最近"增量游戏"(Idle Game)挺火,玩的就是数值成长的爽感。我们让 Hy4 Flash 做一款暗黑风格增量塔防游戏,既要写游戏逻辑,也得设计技能树、怪物属性和金币经济系统。模型35分钟给出初始版本,核心玩法齐全。之后几轮简单对话,调了技能特效强度和数值平衡,最后拿到一个满屏特效、手感顺滑的可玩游戏。看得出来,它不光懂代码语法,还有一定的游戏设计逻辑。
商业分析:长文档处理与洞察提炼
创意任务之外,办公场景才是多数人的刚需。赶上英伟达发布三季度财报,我们让 Hy4 Flash 深度解读财报和相关新闻。它6分钟输出一份报告,含总结、图表和细节分析,还分析了管理层变动对公司前景的影响。再进一步,让它预判未来三年全球 AI Agent 市场的竞争格局,做一份给投资委员会用的15页 PPT 报告。搜信息、整理材料、排版生成,全程12分27秒。
这一轮测下来,Hy4 Flash 面对高频、中等复杂度的任务,已经能顶替人类的初级工作。它不再只是聊天气的聊天机器人,而是能拿出可用成果的数字员工。
极致性价比背后的技术账本
Hy4 Flash 凭什么又快又省、智商还不怎么掉?靠的不是简单"砍参数",而是一套从预训练到推理的全链路工程优化。
架构创新:给模型装上"外挂内存"
Hy4 Flash 参数量为 224B,但激活机制特殊:每 Token 只激活 12B 参数。这靠的是三项关键技术。
- 混合注意力机制:各网络层按分工选用 KV(键值)开销更低的注意力形态,计算冗余随之减少。
- LatentMoE:先把 Token 压到低维潜在空间,再做专家路由计算。跨卡通信量和整体计算量因此大幅下降,路由判断的准确性却没丢。
- Engram 记忆模块:这块最有意思。模型内置 64B 专用"恩格勒"参数,相当于一个独立的静态知识库,把不必频繁计算的常识性知识单拎出来备用。Hy4 Flash 的 KV Cache(键值缓存)因此只有前代 Hy3 的 1/24、Hy4 的 1/6,也是它能轻松支撑 100 万 Token 超长上下文、同时把成本压住的基础。
后训练与推理:蒸馏与量化
训练完成后,团队用自蒸馏技术让 Hy4 Flash 学旗舰模型 Hy4 的推理路径和输出分布,把"老大哥"的本事迁移过来。接着用强化学习,在保住任务成功率的前提下把端到端输出长度压了 50%。话少了,意思没少,成本也就减半。
推理阶段,Megakernel 融合解码小内核、4bit 量化降低带宽压力、DFly 推测解码几项技术一起上,模型解码速度突破 150 TPS(每秒 Token 数)。腾讯内部实测中,Hy4 Flash 输出速度比 Hy4 提升 88%,思考模式下 Token 消耗减少约 60%。
技术到底行不行,业务线的数据最有说服力。腾讯多条产品线接入 Hy4 Flash 之后,变化直接摆在明面上。
- WorkBuddy 这边,日常办公任务的平均耗时少了 70%,成本压到 Hy4 的 1/15,产出质量跟原来差不多。
- 企业微信和微信支付用下来,执行步骤变少,单轮输出也更短,Token 消耗比 DeepSeek V4.1 Flash 低了 46%。
- QQ 小 Q 的 P90 评论延迟降了 39%,峰值延迟降了 47%。
- 《王者荣耀》团队拿它做游戏 Bug 分析,模型请求次数少了 22%-39%,Token 消耗下降 40.5%-61.2%。
这些数字说明一件事:Hy4 Flash 不是实验室里跑分漂亮,真实的高并发、高负载场景它同样顶得住。
Flash 模型正成为 AI 基础设施的常态
Hy4 Flash 的发布,照出的是 AI 行业一个正在发生的转向:Flash 级模型从“配角”挪到了舞台中央,成了 AI 硬实力的一部分。
早几年,行业盯着参数越大越好、榜单分数越高越好。可 AI 应用铺进搜索、文档处理、代码生成这些日常场景后,Token 消耗量涨得是指数级的。大厂很快发现,什么任务都交给旗舰模型,成本根本撑不住。谷歌给 AI 搜索上了免费的 Gemini 4 Hydrogen,DeepSeek 对 APP 端用户限流,考虑的都是同一件事:供需矛盾越来越尖锐。
腾讯的路子分得很清楚:复杂的长程任务交给 Hy4,比如深度软件工程、多文档研究;高频日常任务由 Hy4 Flash 包圆,像深度搜索、PPT 生成、简单前端页面和 Computer Use。双模并行,高端任务的智力上限保住了,Flash 模型又把大规模普及的成本底线兜住了。
眼下 Hy4 Flash 已经在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 等产品全面上线,很快还会接入 OpenRouter。开源社区那边反应也热,GitHub 和 HuggingFace 上的下载量猛涨。上线首日 Token 调用量突破 50 万亿,在 OpenRouter 的 LLM 日榜上排到第一,成了全球开发者高频调用的首选轻量模型之一。
普通用户能感受到的,是花更少的钱用上接近旗舰模型的服务。企业和开发者那边,推理成本降下来,自动化的边界就往外扩了——过去嫌贵舍不得用 AI 的场景,现在可以放手试。
再往后,自动模型路由技术成熟了,用户也许不用再纠结“选 Flash 还是选旗舰”。系统按任务难度实时分配算力,人只管看结果。前沿模型的天花板可能还会继续往上抬,但真正改变我们工作方式的,往往是那些像水电一样便宜、稳定、随手可用的基础设施模型。Hy4 Flash 就是这条路上的一个注脚。