腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV

资讯 网易科技 作者:网易 全文 5160 字 · 约 13 分钟读完 配图 16 张 分类DeepSeekHy4腾讯深度求索Deepseek

抢先实测腾讯Hy4 flash,一口气做出黄仁勋MV,比DeepSeek更便宜

所属频道 大厂动态开源生态

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 1)
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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 2)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 3)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 4)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 5)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 6)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 7)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 8)

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 9)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 10)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 11)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 12)

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 13)

▲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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 14)

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。

腾讯混元4 flash实测:0.5元百万Token,AI一口气做完黄仁勋MV(配图 15)

▲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。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 腾讯混元Hy4 flash发布:224B参数,张军称性价比最高

    【TechWeb】11月16日消息,今日,腾讯混元最新语言模型Hy4 flash正式发布。腾讯公司公关总监张军在社交平台发文称,“这是迄今为止性价比最高的混元模型。”混元Hy4 flash每百万Token输入0.5元、输出2元,命中缓存时仅需0.02元,价格相比Hy4大幅降低。该模型总参数量为224B(其中64B En

    来源 腾讯网
  2. DeepSeek App与网页版限额:长对话超7天不活跃不再保留?

    【TechWeb】11月16日消息,据多名用户在社交平台发帖反馈,DeepSeek已对App与网页版的长对话功能实施了使用限额。有用户在使用DeepSeek时被提示因“算力不足,不再支持超过7天不活跃的长对话”,并对单次输入文字的上限进行了调整,缩短至4万字左右。此外,还会限制每日的对话额度,当用户日使用量达到上限时,

    来源 腾讯网
  3. DeepSeek开放全家桶应用API,开发者可1:1复刻官方App

    DeepSeek表示,在 DeepSeek App的对话服务中,联网搜索、文件输入、阅读链接、语音交互及安全等能力与模型推理相互配合,构成了用户熟悉的对话体验。开发者可以在自己的应用中轻松实现复杂的对话功能,甚至 1:1 复刻出完整的 DeepSeek App。具体来看,本次更新将 DeepSeek App 的各项交互

    来源 TechWeb
  4. DeepSeek开放全家桶应用API:搜索、文件、语音能力一站式调用

    DeepSeek表示,在 DeepSeek App的对话服务中,联网搜索、文件输入、阅读链接、语音交互及安全等能力与模型推理相互配合,构成了用户熟悉的对话体验。开发者可以在自己的应用中轻松实现复杂的对话功能,甚至 1:1 复刻出完整的 DeepSeek App。具体来看,本次更新将 DeepSeek App 的各项交互

    来源 TechWeb
  5. DeepSeek开放全家桶应用API:开发者可复刻完整App体验

    【TechWeb】11月14日消息,DeepSeek发布全家桶应用 API,将其自有App中已经打磨成熟的整套交互能力打包为标准化、可调用的模块,向开发者开放。与以往仅提供模型推理接口不同,此次开放覆盖搜索、网页抓取与解析、文件解析、OCR、语音识别(ASR)、语音合成(TTS)等多项应用层能力,并支持开发者单独调用或

    来源 AI 行业观察
  6. 终于来了!DeepSeek多模态视觉模型API全面开放

    DeepSeek此次推出多模态视觉理解模型,标志着其从纯文本大模型向多模态AI全面进军的战略升级。业内分析认为,DeepSeek此次推出的多模态视觉模型,在保持纯文本能力不妥协的前提下,将视觉理解Agent能力推至接近行业顶尖水平Opus-4.8。随着多模态API的全面开放,开发者生态有望迎来新一轮创新爆发。

    来源 TechWeb
  7. NaiveAI新模型实测:速度超DeepSeek约3.3倍,编程基准领先3.7分

    硅谷硬核技术媒体Latent Space首期实测中国开源模型Naive-N0.5-Flash。结果显示,该模型在编程基准测试中超越DeepSeek V4.1和GLM 5.3,极速模式下峰值速度达2100 Token/s,响应时间仅3.1秒。文章分析了其在3D渲染等复杂任务中的表现,以及“AI驱动研发”背后的技术逻辑,折

    来源 AI 应用前沿
  8. DeepSeek限制长对话引用户喊话:收费能解决问题吗?

    AI应用风向标(公众号:ZhidxcomAI)作者|毕伟豪 编辑|漠影智东西11月16日报道,从昨天开始,网上陆续出现了DeepSeek开始对App及网页版部分功能进行使用限制的消息,涉及长对话、单次输入字数及每日使用额度等。有用户反馈,DeepSeek以“算力不足”为由,限制超过7天未活跃的长对话继续使用,部分用户显

    来源 腾讯网
  9. DeepSeek发布全家桶应用API

    DeepSeek正式开放全家桶应用 API:在原有API中开启对应参数,即可获得深度思考搜索、文件输入等对话功能;语音及相关底层能力也已开放独立接口。开发者可以在自己的应用中轻松实现复杂的对话功能,甚至1:1复刻出完整的DeepSeek App。

    来源 华尔街见闻
  10. DeepSeek对免费用户限额:长对话、日额度、输入长度均受限

    据第一财经,11月16日,不少用户在社交媒体上反映,DeepSeek近期对App及网页版的使用额度进行了调整,包括限制长对话、每日使用额度以及单次文字输入长度,原因是“算力不足”。部分用户甚至在使用不到两小时后,就收到了额度耗尽的提示。截至发稿,DeepSeek官方尚未发布统一的限额规则及相关说明,也未披露限制何时解除

    来源 腾讯网
  11. DeepSeek限流调整:长对话不再续用,单次输入上限约4万字

    11月16日,科创版日报,因算力资源供给紧张,DeepSeek面向普通用户的App及网页版对话服务推出限额使用措施。据多名用户反馈,DeekSeek出现弹窗提示,受算力约束,不再支持存续超过7天且无活跃交互的长对话,这类闲置会话将无法接续使用,与此同时下调单次输入文本上限,当前单次输入文字上限约为4万字。此外,还会限制

    来源 腾讯网
  12. DeepSeek开放全家桶API:联网搜索价格不到OpenAI、Claude的8%

    让一个大模型回答问题并不难,但要让它搜索互联网、阅读网页、解析 PDF,再将找到的信息组织成带有引用的回答,开发者往往需要额外搭建一套工具系统。这些工作构成了 AI 应用开发中一层容易被忽略的工程负担。 11 月 13 日,DeepSeek 宣布开放“全家桶应用 API”,试图减少这部分工作。它将官方 App 和网页端

    来源 AI 行业观察
  13. DeepSeek调整使用规则:7天历史对话、4万字输入与每日额度

    DeepSeek近期对App及网页版实施长对话使用限制,涉及历史对话保留、单次输入长度和每日对话额度。用户反馈称,此举与平台算力资源承压有关。具体调整包括:不再支持超过7天未活跃的长对话历史,单次提问输入上限降至约4万字;新增每日对话额度,达上限后系统提示“因服务器繁忙”。

    来源 AI 产业速递
  14. DeepSeek App与网页端限额:长对话7天不活跃停用,日额度触顶

    IT之家 11 月 16 日消息,昨日有部分用户反馈称,DeepSeek 已对 App 与网页版的长对话功能实施了使用限额。 多名用户收到平台提示,称因“算力不足,不再支持超过 7 天不活跃的长对话”。与此同时,单次输入的文字上限被缩短至 4 万字左右,每日对话额度也受到限制,当日使用量触顶后,页面会显示“因服务器繁忙

    来源 AI 行业观察
  15. DeepSeek调整App与网页端额度:长对话、输入字数、每日用量均受限

    11月16日,DeepSeek被曝对App及网页端部分使用场景实施限制。多名用户收到平台提示,称受算力不足影响不再支持超过7天未活跃的长对话;部分用户单次输入上限调整至约4万字,当日用量达到一定程度后会提示服务器繁忙、额度已达上限。官方状态页显示服务正常,但10月记录7起服务异常,11月部分服务仍出现过中断或性能下降。

    来源 凤凰科技
  16. DeepSeek把搜索压到一次半分钱,还开源了聊天界面

    11月13日晚上,DeepSeek 悄无声息地发了一份技术公告,没有新模型跑分,没有发布会直播,却让大洋彼岸恨得牙痒痒。 这一次,DeepSeek干了一件违背过去二十年互联网祖训的事: 它抄起手术刀,把自己引以为傲的国民级App“大卸八块”,然后把心肝脾肺肾摆在柜台上,按斤论两往外批发。 网盘搜索,5块钱1000次,折

    来源 AI 行业观察
向下滚动自动加载更多