Hy4 flash实测:WorkBuddy限免,价格只有旗舰二十分之一
11 月 16 日,腾讯混元正式发布 Hy4 flash,并在腾讯办公智能体 WorkBuddy 国内版和国际版同步首发,11 月 30 日 23:59 前限时免费。官方称它是“迄今为止最高性价比的 Hy 模型”。把价格压到这个程度,背后是整个行业的风向。11 月第一周,OpenRouter 全球模型调用量榜单的前三名
11 月 16 日,腾讯混元发布 Hy4 flash,国内版和国际版
WorkBuddy 同步首发,11 月 30 日 23:59 前免费用。官方给它的说法是“迄今为止最高性价比的 Hy 模型”。
价格能压这么低,跟行业风向有关。11 月第一周
OpenRouter 全球模型调用量榜单上,前三名全是 flash 模型。腾讯混元 11 月 4 日发 Hy4 正式版时就预告了 Hy4 flash,说它继承 Hy4 的能力,同时把任务成本大幅压下来。十二天后,它上线了。
我们趁着限免,在 WorkBuddy 里拿 Hy4 flash 跑了 7 项高频办公和开发任务:读财报、读招股书、批量整理公司资料、做网页工具、洗数据、修代码、做设计规划,还叫上旗舰版 Hy4 和同级别的 DeepSeek-V4.1-flash 做同题横评。最直观的感受是快,多数任务 10 分钟以内就能交付。
7 项任务实测
先从最常见的读材料开始。微软、Alphabet、亚马逊截至 2026 年 9 月 30 日那一季的季报原表,我们截了 7 张图,分别交给 Hy4 和 Hy4 flash,让它们各写一份三大云厂商的季度对比。
材料里埋了几处容易出错的地方。三家表里年份列的左右顺序不一样:Alphabet 和亚马逊去年在左、今年在右,微软相反;另外微软没有单独披露 Azure 的营业利润,只给了收入。
Hy4 flash 2 分 33 秒交稿,结论全对:AWS 规模最大,Google Cloud 增长最快,同比翻了一倍多;Alphabet 和亚马逊都是营业利润在涨、净利润在跌,原因是营业外收支由正转负,主业并没有变差。同样的指令,Hy4 用了 4 分 44 秒。两份稿子结论接近,都通过了我们的检查。有意思的是,两个模型最后的追问也一样:AWS 和 Google Cloud 都披露了云业务的利润,微软为什么只给 Azure 的收入,不给成本和利润?这是合格分析师会注意到的问题,flash 和旗舰在这一点上判断一致,而 flash 只花了旗舰一半左右的时间。
分析招股书更难。Anthropic 上个月向美国证监会提交的招股书,我们只取摘要部分的英文原文,交给两个模型,要求写一份内部研究备忘录。
这组数字里最容易看走眼的是营收、营业亏损和净亏损之间的落差。2026 年上半年 Anthropic 营收 162.9 亿美元,营业亏损 6.9 亿,净亏损却报出 807 亿。多出来的八百亿,大头来自可转换票据之类工具的公允价值变动。估值往上走,票据账面价值水涨船高,被记成了亏损,可现金并没流出去;等 IPO 时票据转成股票,这笔账以后也就不再露头。
同一个数字,两份备忘录的处理方式不一样。Hy4 flash 花了 9 分 42 秒,行文紧凑,还专门点出一个容易搞混的地方:招股书里的 1,368% 是单季度增速,换成半年口径约 1,300%,两个数不能混着用。治理结构它也讲明白了——长期利益信托可以选出董事会多数席位,七位联合创始人靠一股特别股份拿着 50.1% 的投票权。Hy4 则用了 22 分 28 秒,写得细,营业费用一项项摊开,还算出公允价值变动占净亏损的 89.6%。
综合来看,想快速形成判断,flash 那份够用;要逐项核账,Hy4 那份更顺手。
读完材料,下一组任务是整理材料、结构化建档。这回我们引入同级别的 DeepSeek-V4.1-flash 做横评,看它能不能兼顾速度和质量。
我们给了 60 家 AI 公司的原始简介,中英文掺杂,让模型自行分类、逐家立档,再画一张产业链地图。分类标签故意没给现成的,就想看它怎么理解这个行业。材料里还设了两处陷阱。一是 14 家公司的简介缺了成立年份,模型大概率“知道”答案,关键看它会不会顺手填上。二是三对名字相近的公司:Cohere 和 Coherent、Figma 和 Figure、Scale AI 和 Anyscale,看它认不认得清。
Hy4 flash 躲过了这些坑。60 家全都进了表,有年份的 46 家和简介对得上,其余 14 家如实标注“未提及”,三对相似公司也没弄混。我们把记忆隔离,用同一套提示词让它再跑一遍,两次都是 6 分 41 秒。可两遍的分类名对不齐:第一遍分 5 个大类,第二遍成了 6 个,把具身智能拆成机器人和自动驾驶两块;至于哪些公司被放在同一组,两遍的重合度是 98.4%。
换成 DeepSeek-V4.1-flash 做同一个任务,准确度一样,划出 7 个大类、23 个小类,还额外给了 Markdown 版本和一个能重新生成表格的 Python 脚本。时间上付出了代价,用了 16 分 06 秒。它选的路更绕:先写代码把表格生成出来,再截图核对排版,脚本和排版一改就得重跑,中间弹了大约十次授权请求。
质量上两边打成平手;可如果这活儿每周都要做一次,6 分多钟和 16 分钟,再加上中途要不停点“允许”,体验上的差距会被放大很多。
接下来是一个多轮修改的任务,两个 flash 模型的速度差距在这里拉得最开。
我们让模型做一个创业公司股权稀释模拟器:输入每轮融资的估值、金额和期权池,算出各方持股。
第一版交付后,我们复查又提了三轮改动:先补一个对比模式,用来观察期权池在融资前扩和在融资后扩有何不同;再让它支持两位创始人;最后加导出 CSV。期权池怎么扩,有些创业者自己都会算错。融资前扩,被稀释的全是老股东;融资后扩,新投资人也得一起分担。按我们给的参数,两种做法下来创始人最终持股相差 1.33 个百分点。
四轮下来,两边都没算错,每一轮都和我们手算的结果一致。导出的表格用 Excel 打开,中文也没有乱码。
Hy4 flash
DeepSeek-V4.1-flash
差别体现在过程里。四轮下来,Hy4 flash 合计 8 分 42 秒,DeepSeek-V4.1-flash 花了 24 分 11 秒,每一轮都慢两到三倍;上下文消耗上,Hy4 flash 为 84.6K,DeepSeek-V4.1-flash 达到 210.5K。DeepSeek 这边耗时更长,精度也确实更高,数字保留两位小数,还自己设计了逐轮对照表和指标卡片。
接下来三个任务难度逐级加码,用来考察 Hy4 flash 的多步骤执行和跨领域交付。
数据清洗环环相扣,前一步出错,后面全盘皆输。我们给出一份 518 行的标普 500 成分股名单,其中混有空白行、重复行、写法不一的板块名,日期也有五种格式,要求按顺序完成清洗、汇总、作图、写报告。
Hy4 flash 花了 6 分 47 秒:清掉 3 行空白、12 行重复,剩下 503 行;32 行板块名合并为 11 个标准板块,73 行日期格式得到统一。清洗日志记得很细,每类问题处理了多少行、前后行数如何对应,都写清楚了。汇总结果显示,工业板块公司数量最多,83 家,能源最少,21 家;2023 年以来新纳入指数的 65 家公司中,信息技术以 20 家居首。
修代码考验的是另一种耐心。我们选来开源项目 TinyDB,一个 Python 写的轻量数据库,在里面人为埋了两个 Bug,让 230 个测试中有 7 个失败。第一个出在缓存上:缓存满了本应淘汰最久未用的数据,代码却把刚用过的淘汰了。第二个更隐蔽,“小于”和“大于”两种查询的缓存键里漏掉了比较值,结果“分数小于 50”和“分数小于 80”被认成同一个查询,后者直接拿到了前者的旧结果。报错出现在表格查询的测试里,根因却在另一个文件。
Hy4 flash 先跑一遍测试摸清情况,再顺着调用链往下追,两个根因都在源头修掉,测试没改,也没有图省事把缓存关掉。修完后 229 个测试通过,项目原本跳过的 1 个照旧跳过。随后按需求新增闭区间查询 between,补了两个测试,中途遇到一次临时目录冲突,换目录重跑,最终 234 个里 233 个通过,1 个照旧跳过。全程用时 5 分 22 秒。
这两个 Bug 其实都能糊弄过去,Hy4 flash 却都从源头修好,修完没有引入新的失败,原有测试一行没动;加功能时不同区间不串答案,这一步它也做到了。
最后一项任务,给 Hy4 flash 一组假设参数,让它出一份 AI 算力机房的规划初稿:一期摆 1,152 张 GPU,得配多少机柜、多少冷却设备、多少电,这间屋子最多又能塞下多少机柜;二期供电上限 6 兆瓦,要设计出最多能部署多少张卡。
Hy4 flash 用 6 分 28 秒交出了计算书、设备清单和一张平面图。一期的 8 个关键数字很合理,每一步都列了算式。二期它算出最多 35 个 GPU 柜、2,520 张卡,并点明卡住扩容的是电,不是空间——它还多做了一步反证:再加一个柜到 36 个,IT 功率就要 4,827 千瓦,折设施功率 6,033.75 千瓦,超过 6,000 千瓦的上限;而单看空间能放 101 个柜、7,272 张卡,35 个柜只用了 5,868.75 千瓦,离上限还剩 131.25 千瓦。
平面图同样规整:四排,每排 35 个柜位,冷热通道、维护通道、图例、比例尺都不缺,图上的机柜和清单一一对得上。横向 35 个柜,每个 0.6 米宽,两端各留 1.5 米维护通道,加起来正好 24.0 米;纵向的通道加排宽也刚好凑满 14.0 米。尺寸是算出来的,不是画上去凑数。
它另外列出三条要业主拍板的问题,比如冷通道宽度能不能满足消防要求、园区供电是不是这间机房独享——都是真实项目里躲不开的提问。这个任务最能看出功力:模型不光把答案算出来了,还把边界一并算清楚,多一个柜为什么不行、空间还剩多少、哪些问题该交回业主,全有交代。
整体表现
七个任务做下来,Hy4 flash 最直观的特点是快。四组对比中,它的用时都明显更短:读财报比 Hy4 少用了将近一半的时间,读招股书 Hy4 用了 22 分钟,它不到 10 分钟;和 DeepSeek-V4.1-flash 相比,批量建档和多轮修改两个任务,它分别快了约 2.4 倍和 2.8 倍。
难得的是,快并没有拿准确性去换。七个任务它都交出了能用的结果,我们特意埋的几个坑——招股书里的非现金亏损、简介里没写的成立年份、代码里藏在另一个文件的根因——它都处理对了。批量建档那项尤其明显:14 家没写成立年份的公司,它没拿自己的知识去补,而是如实标注。金融和投研这类对数据信源卡得极严的活,这一点很要紧。
速度优势的背后,是混元团队给 Hy4 flash 定的核心机制:更高的 Token 效率、更精简的输出。测试里也看得出来:同一份招股书备忘录,Hy4 flash 写得更紧凑;股权模拟器任务里,它耗掉的上下文不到 DeepSeek 的一半。精简的另一面,是细节颗粒度不如旗舰模型饱满,跟 Hy4 比少了些延展拆解。不过放到高频的日常工作上,这笔取舍划算。官方给出的分工建议也差不多:深度搜索、文档处理、PPT 生成、简单前端展示和 Computer Use 等大部分日常任务交给 flash,长程软件工程这类复杂活仍推荐用 Hy4。
模型跑多快,最终还得落到它被装进什么样的Harness里才能变成产出。本轮测试统一在WorkBuddy中完成:它能直接读截图、PDF和Excel,也能跑代码、生成网页和矢量图,返回的文件打开就能用。flash本就靠高频调用体现价值,再加上WorkBuddy在11月30日前限时免费,“轻量模型+桌面Agent”这套搭配很容易直接嵌进日常流程。
今年下半年,大模型赛道的争夺重心明显往flash模型上偏。道理不复杂:Agent成了最通用的AI应用,跑一次任务往往要反复调用模型,速度和单价直接决定产品的使用体验和性价比。DeepSeek把V4 Pro的请求转给V4.1 flash,调用量榜单前三名全是flash模型,反映的都是这一变化。
回头看混元今年的模型节奏:2月重建基础设施之后,基本保持两个月一个大版本,先出preview再上正式版。4月的Hy3 preview曾登上OpenRouter单日调用量榜首;8月28日发布并开源的Hy4 preview把总参数提到770B,发布后第一个完整周以14.7万亿Token的周调用量排在全球第一;11月4日的Hy4正式版首次加入视觉理解和电脑操作能力,发布当周排在全球第四。
价格方面,Hy4每百万Token输入6元、输出18元,与preview版持平。仅隔12天推出的Hy4 flash又把价格压下一个数量级:输入0.5元、输出2元、缓存命中0.02元,分别为Hy4的1/12、1/9和1/15。11月30日前,腾讯云TokenHub还在此基础上打五折。
旗舰版Hy4意在抬高能力上限,Hy4 flash对腾讯的意义则更多在于接住自家的海量业务场景。目前它已在腾讯云TokenHub、WorkBuddy、元宝、企业微信、QQ、ima和Marvis上线;同时WorkBuddy结束了Hy4的限免,并下线Hy3,端内免费流量正向flash集中。
这些高频场景,需要一个足够快、足够便宜的模型来跑通商业闭环。从这次测试看,它已经能稳定承担不少实际工作。
放到当下的轻量模型梯队里看,Hy4 flash是一个反应更快、做事足够稳的日常交付模型。需要大量调用模型的企业和开发者,可以把它放进候选名单;想低成本处理繁杂任务的普通用户,上手即用、也足够省心。