腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV
抢先实测腾讯Hy4 flash,一口气做出黄仁勋MV,比DeepSeek更便宜

智东西
作者 江宇
编辑 心缘
先来看一支MV。
蔡依林的《日不落》响起,身穿黑色皮衣的黄仁勋化作像素小人登台。唱到“爱的明信片”那句,他手里掏出来的是一颗绿色GPU芯片。
黑皮衣、标志性动作,英伟达GTC的那股味道算是还原了几分。
这支MV自然谈不上精致:黄仁勋的动作偏僵硬,画面细节粗糙,歌词字幕甚至没对上背景音乐。
可整支视频都是AI写代码做出来的,黄仁勋这个像素小人也出自AI之手。干活的模型,是腾讯姚顺雨团队刚推出的腾讯混元4 flash。
智东西11月16日消息,腾讯刚正式发布新一代模型混元4 flash(Hy4 flash):总参数量224B(2240亿),激活参数12B(120亿),支持多模态和100万Token上下文,解码速度超过150 Token/s。
这款模型打的是低成本牌。API每百万Token输入价0.5元、输出价2元,分别是混元4正式版的1/12和1/9;命中缓存的输入价低到0.02元。

腾讯公布的日常工作任务评测里,混元4 flash表现超过混元4预览版,平均单任务成本约0.2元。
另一项盲测覆盖85名内部用户、259项工作任务,结果显示混元4 flash的用户满意度接近Claude Haiku 5.5,平均单任务成本只有0.26元,低于
DeepSeek-V4.1-Flash-1017的1.2元,任务耗时也更短。
为检验实际能力,我们抢先在WorkBuddy里跑了一轮实测:除了开头那支黄仁勋MV,还让它开发《模拟人生5》游戏、搭建3D网球比赛、制作北京地标动画,并调用Blender让鹈鹕骑上自行车。
一、黄仁勋拍MV,50多个分镜一口气做完
先看生成的黄仁勋《日不落》MV。我参照一套AI制作音乐MV的教程,让模型按顺序走完音乐分析、画风设计、人物绘制、剧本分镜、视频制作几个步骤。
人物设计这一步还用上了模型的视觉理解能力:我上传一张黄仁勋真人照片,让它参考照片里的发型、眼镜和黑色皮衣等特征,把人转成Q版像素小人。

模型不光生成了人物形象,还专门做了一个可交互的角色预览页面。页面里能切换黄仁勋的5种朝向、12种表情、12种动作,也能让他拿起GPU芯片、麦克风或笔记本电脑。

灰黑短发、眼镜、黑色皮夹克都留住了,衣服上的翻领和银灰色拉链也看得清,整体形象辨识度还算可以。
随后,模型依照《日不落》的节奏和歌词设计剧情,产出五十多个镜头的分镜总览。

最后,模型按这些分镜编写动画代码,合成了开头那支MV。
不过成片还有几处明显短板。
一是画面精细度不够,人物动作略显僵硬,部分镜头切换也不够顺滑。
更明显的是字幕错位:我们明确要求模型按歌词时间轴做字幕,导出时还检查了同步情况,最终字幕依旧没跟上音乐。

整体看,模型把角色设计、分镜规划、动画制作到视频导出这一整套长程任务跑完了,但画面细节和音画同步仍有打磨余地。
二、一句话造《模拟人生5》、搭3D网球场,Blender也直接上手
除MV之外,我还测了混元4 flash做复杂前端开发、3D场景制作和跨工具任务的能力。
(1)一句话搓出《模拟人生5》
我先给模型下了个游戏制作的任务:做一款《模拟人生5》,要有画面,也得有玩法。
结果它真给了一个能玩的简化版出来。

画面正中间是一间等距视角的小屋,里头住着三名家庭成员。左边实时显示每个人的饱食度、精力、娱乐、社交、卫生等状态,右边能查看角色信息。玩家点家具就能安排动作,也能打开自动生活让人物自己活动;页面顶部有暂停、倍速、建造模式这些选项,下方还会记下角色的行为。
当然,它跟真正的《模拟人生》差得远。人物就是简单的卡通小人,家具由比较基础的几何形状拼成,房间结构和画面都相当简陋。
但角色需求会变化、会自动行动、能跟家具交互,这些基本玩法模型都做出来了,不只是摆一个看着像游戏的静态页面。
(2)3D网球比赛搭出来了,运动员却接不到球
接着我把难度往上提,让模型做一场完整的3D网球比赛。提示词里要求它不光搭球场、看台、俱乐部这些设施,还得实现运动员发球、回合对打、比赛计分,以及不同场地材质和摄像机视角切换。
最后模型交出的,是一个能交互的3D网球游戏。


全景、跟拍、特写等摄像机视角可以随意切换,比赛速度、球场类型和昼夜场景也能调。整座球场是像素风格,周围搭了看台和俱乐部设施,比赛中的球员和网球会一直动起来。
不过凑近看,Bug不少。球场附近立着位置不对的旗杆;两名运动员看着打得有来有回,有时球拍压根没碰到球;部分看台观众的身体还和座椅融在了一起。
(3)调用GitHub上的Skill,北京地标却走了形
我们还试了让模型调用GitHub上的perspective illusion Skill,做一段10秒钟的北京地标主题动画。
任务是把天坛祈年殿、故宫角楼、央视总部大楼、中国尊、鸟巢等建筑放在不同的景深位置,让镜头依次穿过这些地标。
视频模型顺利做完了,还自动配上了带中国传统音乐韵味的BGM。
可建筑的还原效果不太理想。天坛祈年殿、中国尊基本能认出来,央视“大裤衩”的造型却变形得厉害,另外一些地标也很难看出原貌。
镜头运动和场景切换基本符合要求,但复杂建筑的几何结构,仍是模型的一道坎。
(4)富士山下的雨夜便利店做出来了,氛围感还不错
再往下,我们让模型做一个日式雨夜便利店的街角,整体是能自由旋转、拖拽、缩放的3D微缩景观。

这回视觉效果相对不错。便利店、自动贩卖机、自行车、路灯和街角护栏等元素基本齐全,粉紫色霓虹灯、雨丝、湿润路面上的反光,也把日式动画里那种雨夜氛围烘托出来了。
自由旋转和缩放都能用,我们可以从不同角度打量整座微缩街景。不过跟眼下效果比较出色的AI 3D场景生成作品比,它在美术细节和整体审美上还有差距。
(5)直接调用Blender,鹈鹕骑上了自行车
最后我们试了让模型操作专业3D软件Blender。这次的任务,是让它通过Blender Python API编写脚本,做一段约16秒的鹈鹕骑自行车动画。
鹈鹕、自行车、步道这些角色和场景,模型都搭了出来。

视频里,跟拍、特写等镜头也按提示要求设置好了。
画面整体偏糙。鹈鹕和自行车都是简单几何体拼的,不少渲染画面几乎没有材质颜色,看上去就是没做过美术加工的白模。
这跟我们给的提示词也有关系:动作和镜头运动都写明了,场景配色、材质风格却没提具体要求。
鹈鹕“踩”车的动作完成得不错。翅膀压根没搭上把手,两只脚蹼照样跟着踏板一上一下。
整个任务里,模型写Blender代码花了约26分钟,之后渲染视频又用掉20多分钟,前后加起来接近50分钟。需要说明的是,我们用的是一台Mac,渲染快慢也受本地电脑配置影响。
模型最后交出的东西包括Blender脚本,脚本还在软件里跑通并导出了视频。至少可以确认,它能靠代码操控专业3D软件做出基础动画。
这一轮用下来,混元4 flash比较亮眼的地方,是能连着走完多个步骤,把不同工具串起来用。
短板也摆在那儿。精细度上,画面、模型、材质大多停在“能认出来”的程度;审美上,镜头、配色、构图很大程度靠提示词兜底;复杂结构比如建筑、人体、机械,越复杂越容易走形;自检方面,模型还发现不了自己的问题。
放在Flash这个定位上看,它已经能接下不少复杂的代码和创作任务。想把生成内容直接当成熟作品用,人工调试这一步还省不掉。
三、单任务成本不到3毛钱!盲测满意度接近Claude Haiku 5.5
实际体验之外,腾讯这次还放出了混元4 flash和DeepSeek、Claude、GLM等模型的评测对比,比的重点是同一任务要花多少钱。
先看腾讯自建的日常工作评测集WorkIndex。这套评测覆盖8类日常工作任务,PPT制作与修改、文档编辑、表格修复、音视频处理、视觉理解都在其中。
WorkIndex上,混元4 flash得分约42,高过混元4预览版的39,比混元4正式版的51还是低。


▲内外部任务上的性能和成本。
价格上,混元4 flash平均单任务成本约0.2元,混元4预览版约3.2元,混元4正式版约5.7元。

分项看,PPT生成评测PPTGenBench上混元4 flash得54.2,混元4预览版是52.3;PPT协作编辑评测PPTCoEditBench上,两者分别为74.0和71.5。
换成更复杂的软件工程任务,flash和正式版的差距就拉开了。Terminal-Bench 4.0上,混元4 flash得19.2,混元4正式版44.4;ProgramBench上,两者分别是16.0和30.0。

▲公开Agent基准及多模态评测详细对比
跑分之外,腾讯还做了一轮真实工作任务盲测,请来85位WorkBuddy内部用户,对27类、共259项日常工作任务打分,比较的是用户满意度、端到端任务耗时和成本。
满意度满分4分,混元4 flash拿到2.79分,和Claude Haiku 5.5的2.81分几乎持平,高于GLM-5.3-Flash的2.53分,低于DeepSeek-V4.1-Flash-1017的3.09分。
端到端任务时长中位数,混元4 flash为6.7分钟,四款模型里最短。Claude Haiku 5.5是6.8分钟,GLM-5.3-Flash是7.6分钟,DeepSeek-V4.1-Flash-1017是10.3分钟。
单任务成本,混元4 flash只要0.26元,Claude Haiku 5.5为4.73元,DeepSeek-V4.1-Flash-1017为1.20元,GLM-5.3-Flash为0.81元。
这轮盲测里,混元4 flash的满意度跟Claude Haiku 5.5只差0.02分,单任务成本却只有对方的约1/18。
输入价格压到混元4的1/12,2240亿参数靠什么把成本降下来?
混元4 flash的定价是:每百万Token标准输入0.5元、输出2元,命中缓存的输入只要0.02元。
混元4正式版同口径下分别是6元、18元和0.3元。三项一比,flash的价格降到了原来的1/12、1/9和1/15。
参数规模上,腾讯给出的数字是总参数量224B,内含64B Engram参数,不过每次推理只激活12B。
预训练阶段用上了混合注意力、LatentMoE、Engram等架构,KV Cache被压到混元4正式版的1/6、混元3的1/24,长上下文推理的内存开销随之下降。
到了后训练,腾讯先用混元4做自蒸馏把能力提上来,再靠强化学习把端到端任务的输出长度砍掉50%,任务要生成的Token数量因此变少。
部署一侧则动用了Megakernel、4bit量化、dflash等手段。腾讯称混元4 flash的解码速度已超过150 Token/s,能撑起大规模低成本部署,并计划将其开源、持续迭代。
适用场景方面,腾讯建议把flash版本放在深度搜索、文档处理、PPT生成、简单前端展示和Computer Use这类日常任务上;长程软件工程等更复杂的活,交给能力上限更高的混元4正式版。
结语:轻量模型的价格战,腾讯不想缺席
混元4正式版像是腾讯拿去对标开源一线旗舰的“名片”,Flash的任务则是把力气使到更便宜、更高频的场景里。
这条赛道上对手早已就位,DeepSeek V4.1 Flash就是轻量市场的重要玩家。
腾讯公布的盲测结果显示,DeepSeek-V4.1-Flash-1017的用户满意度依然高于混元4 flash,但后者用更低的成本和更短的任务耗时把测试任务做完了。
结合我们的实测,混元4 flash已经能靠代码完成一些复杂的创作和开发任务,问题在于生成内容的精细度、审美和自检能力还有欠缺。
轻量模型正越来越多地进入办公、开发和内容创作场景,能不能以足够低的成本把任务做完,正在成为厂商竞争的又一个重点。