腾讯混元Hy4 flash上线:1M上下文,解码超150tps

资讯 AI 应用前沿 全文 3820 字 · 约 10 分钟读完 配图 1 张 分类WorkBuddy旗舰模型混元Hy4腾讯产品更新

腾讯混元推出高性价比模型Hy4 flash,总参数224B但激活仅12B。支持1M超长上下文和多模态,解码速度超150 tps。通过强化学习将输出长度减半,API输出价格低至2元/百万tokens。已接入元宝、WorkBuddy等应用,适合文档处理、PPT生成及深度搜索等日常办公场景,旨在以更低成本提供接近旗舰模型的智

所属频道 大厂动态产品更新开源生态AI 编程与开发

为什么关注 Hy4 flash

在大模型赛道越来越卷的今天,厂商们不再只拼参数量大小,开始琢磨怎么让模型既聪明又便宜,还得跑得快。腾讯混元最新推出的 Hy4 flash 就是冲着这个目标来的。

这款模型主打“超高性价比”。它的总参数量有 224B(2240亿),但在实际推理时,每次只激活 12B(120亿)参数。这种设计让它能在保持较高智能水平的同时,大幅降低算力消耗。更直观的是,它的解码速度超过了 150 tps(每秒 token 数),在处理长文档或复杂任务时,等待时间明显缩短。

对于普通用户来说,最直接的感知可能是它在元宝、WorkBuddy 等产品里的表现:生成 PPT 更快了,整理长篇报告不卡顿了,而且因为输出更精炼,看起来没那么啰嗦。对于开发者而言,限时五折后的 API 价格(输出端 2 元/百万 tokens)也是一个值得关注的信号。

核心架构:小激活,大记忆

Hy4 flash 之所以能做到“又快又省”,核心在于其架构上的几个关键改动。

首先是稀疏混合专家架构(LatentMoE)。虽然模型总共有 224B 参数,但通过潜在空间路由技术,系统会根据输入内容,只激活最相关的 12B 参数参与计算。这就好比一个拥有几百名专家的大型智库,每次遇到问题,只请最对口的几位专家出来解答,而不是所有人一起开会。这样既保证了专业性,又避免了资源浪费。

其次是解决长上下文带来的显存压力。传统大模型在处理 1M(100万)token 的超长文本时,KV cache(键值缓存)会占用巨大显存,导致推理成本飙升甚至无法运行。Hy4 flash 引入了混合注意力机制和一种名为 Engram 的记忆机制。Engram 包含 64B 参数,作为外部记忆存储关键信息,替代了部分传统的 KV cache。结果是,Hy4 flash 的 KV cache 体积仅为前代 Hy3 的 1/24,是标准 Hy4 模型的 1/6。这意味着在同样的硬件条件下,它能更轻松地处理百万字级别的长文档。

最后是推理侧的极致优化。团队使用了 megakernel 算子融合技术,减少了底层计算内核的启动开销;权重采用 4bit 量化,进一步降低显存占用和带宽压力;配合 DFly 投机解码和并行解码技术,最终实现了超过 150 tps 的解码速度。在 WorkBuddy 的实际测试中,相比 Hy4 模型,Hy4 flash 的任务耗时减少了 70%。

训练策略:向老师学习,并学会少说话

有了好架构,还需要好的训练方法。Hy4 flash 的训练过程主要围绕两个目标:保持智能水平和提高输出效率。

为了不让“轻量化”牺牲太多智力,腾讯混元团队采用了自蒸馏技术。他们以更强的旗舰模型 Hy4 作为“教师”,指导 Hy4 flash 这位“学生”学习。通过这种方式,Hy4 flash 在综合智能水平上接近了 Hy4,甚至在内部评测集 WorkIndex 上略优于早期的 Hy4 preview 版本。

另一个显著变化是输出长度的优化。很多大模型有个毛病,就是喜欢啰嗦,明明几句话能说清楚,非要写一大段。Hy4 flash 通过强化学习(RL)专门针对端到端任务进行了优化,目标是让模型“说人话”,即用最少的 token 表达清楚意思。结果显示,其输出长度降低了 50%。在微信支付的具体场景中,相比 DeepSeek 的相关模型,Hy4 flash 的输出长度短了约 29%。

这种优化不仅节省了用户的阅读时间,更直接降低了 token 消耗成本。对于按量付费的 API 用户来说,这意味着同样的预算可以跑更多次任务。

功能与应用:不只是聊天

Hy4 flash 原生支持多模态,能够统一处理文本、图片、音频和视频内容,无需额外挂载其他模型。基于这一能力,它在多个日常办公场景中表现出了实用性。

深度搜索与信息整合

在面对需要多方查证的问题时,Hy4 flash 可以低成本地进行多轮检索。它不仅能找到信息,还能交叉验证不同来源,最终给出带有引用来源的结构化答案。这对于做市场调研、竞品分析或学术初步检索的人来说,能节省大量手动翻阅资料的时间。

文档处理与 PPT 生成

依托 1M 的超长上下文窗口,它可以一次性读完几十万字的长文档,进行摘要、编辑或格式修复。在表格处理方面,它能自动识别并修正表格中的错误,完成数据整理。此外,它还支持 PPT 的自动生成与迭代修改,用户只需提出需求,模型即可产出初稿,并支持人机协作修改,适合职场中高频的演示文稿制作需求。

Computer Use(计算机使用)

这是一个比较前沿的功能。Hy4 flash 具备操作真实图形用户界面(GUI)的能力。它可以像人一样,在电脑或手机上点击、输入,完成多步骤任务。例如,在 Marvis 和微信支付场景中,它已经能够自主完成应用的下载安装、系统设置调整、支付流程诊断等操作。这种能力让 AI 从“建议者”变成了“执行者”,在企业自动化运维或个人助手场景中潜力巨大。

企业智能助手

在企业微信、ima 等产品中,Hy4 flash 可以作为智能体核心,自主规划工具调用。比如员工询问内部政策,它能检索知识库并给出准确回答;遇到技术 Bug,它能协助定位根因。由于推理速度快、成本低,这类高频企业内部应用得以大规模部署。

与竞品的对比

为了更清晰地定位 Hy4 flash,我们可以将其与市场上另一款热门的高性价比模型 DeepSeek-V4.1-Flash 做个简单对比。

在架构上,两者都采用了 MoE(混合专家)思路,但 Hy4 flash 明确公布了 224B 总参/12B 激活的参数规模,并引入了 64B 的 Engram 记忆模块。DeepSeek-V4.1-Flash 的具体参数细节未完全公开。

在多模态能力上,Hy4 flash 原生支持文本、图片和音视频的统一处理,而 DeepSeek-V4.1-Flash 目前主要面向文本,多模态能力相对较弱。这对于需要处理多媒体内容的用户来说,是一个明显的差异点。

速度方面,Hy4 flash 的解码速度超过 150 tps,略高于 DeepSeek-V4.1-Flash 的约 100 tps。更快的速度意味着更好的交互体验,尤其是在流式输出场景下。

价格是目前 Hy4 flash 的一大优势。在 11 月底前的促销期内,其 API 输出价格为 2 元/百万 tokens,输入价格为 0.5 元/百万 tokens。相比之下,DeepSeek-V4.1-Flash 在忙时的 max 档位价格约为 Hy4 flash 的 8 倍。当然,促销期后的长期定价策略还需观察,但目前的成本优势确实明显。

在输出精简度上,得益于强化学习优化,Hy4 flash 的输出更短。在微信支付场景的对比中,其输出长度比 DeepSeek 短约 29%。这不仅省钱,也让结果更易读。

生态接入方面,Hy4 flash 深度融入腾讯全家桶,包括元宝、WorkBuddy、QQ、ima、企业微信等,并可通过 TokenHub 调用,未来还计划接入 OpenRouter。DeepSeek 则主要通过其官方平台及第三方 API 提供服务。对于已经在使用腾讯系办公套件的用户或企业来说,Hy4 flash 的集成便利性更高。

如何使用

普通用户不需要懂技术,直接在现有产品里就能用上。

你可以打开元宝 App 或网页版、WorkBuddy、ima、企业微信、QQ 或 Marvis。在这些应用的模型选择菜单中,确认当前模型为 Hy4 flash(部分应用可能默认切换或自动调度)。然后,像平时一样用自然语言下达指令,比如“帮我总结这份 PDF”、“生成一个关于季度汇报的 PPT 大纲”或“查一下最近 AI 行业的动态”,等待结果即可。

对于开发者,可以通过腾讯云 TokenHub 服务调用 API。

  1. 登录腾讯云控制台,开通 TokenHub 服务并创建 API Key。
  2. 选择 Hy4 flash 模型端点。注意查看当前的限时优惠价格。
  3. 使用兼容 OpenAI 格式的 SDK 发起请求。将 base_url 指向 TokenHub 端点,model 参数设为 Hy4 flash。
  4. 传入消息内容,支持附带文件、图片等多模态数据。
  5. 获取流式返回的结果,并在控制台监控 token 消耗。

如果任务特别复杂,需要极强的逻辑推理或长程规划,也可以考虑切换回标准的 Hy4 模型,但在大多数日常办公和信息处理场景中,Hy4 flash 提供了一个很好的平衡点。

写在最后

Hy4 flash 的出现,反映了大模型行业的一个趋势:从追求“最大最强”,转向追求“好用不贵”。

通过架构创新(LatentMoE + Engram)和训练优化(自蒸馏 + RL),腾讯混元在保持模型智能水平的同时,显著降低了推理成本和延迟。1M 上下文、原生多模态、Computer Use 能力以及极具竞争力的价格,使其成为日常办公、文档处理和企业级应用的有力候选者。

当然,模型的好坏最终要看实际落地效果。随着它在元宝、WorkBuddy 等千万级用户产品中的大规模应用,我们能看到更多真实场景下的反馈。对于用户来说,多一个高性价比的选择,总是好事。

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,输入每百万Token 0.5元

    今天,腾讯混元发布最新语言模型Hy4 flash。Hy4 flash总参数量为224B(其中64B为Engram参数),激活参数仅为12B,支持多模态和1M上下文长度。Hy4 flash是迄今为止最高性价比的Hy模型,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。目前,Hy4

    来源 腾讯网
  2. 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

    来源 腾讯网
  3. 腾讯混元Hy4 flash发布:0.5元/百万Token,计划开源

    新京报贝壳财经讯(记者韦英姿)11月16日,腾讯混元发布最新语言模型Hy4 flash,总参数量224B(含64BEngram参数),激活参数12B,支持多模态与1M上下文长度。定价为每百万Token输入0.5元、输出2元,命中缓存时0.02元,低于Hy4。

    来源 网易科技
  4. 腾讯Hy4 flash实测:两毛钱让AI从零做出3D交互网页

    11 月初,腾讯 Hy4 发布,新模型在大模型竞技场上一跃升至开源第一。排在 Hy4 前面的三个模型分别是 GPT-6 Sol(Max)、Claude Opus 5(Max)和 Fable 5(High),附近还有 GPT-6.1 Terra、GPT-5.6 Sol 等一众强劲的闭源模型。我们此前在 WorkBuddy

    来源 腾讯网
  5. 阿里腾讯同日发新模型:Qwen4-Max单任务降58%,Hy4 flash仅竞品1/8

    阿里Qwen4-Max基于2.4万亿参数的全新架构,评测中单任务平均费用从26.58元降至11.16元,缓存命中每百万Token低至0.5元;腾讯Hy4 flash激活参数仅12B,评测中单任务成本为DeepSeek同类产品忙时价格的1/8、Hy4的1/20,缓存命中仅需0.02元。 11月16日,阿里和腾讯在同一天各

    来源 AI 行业观察
  6. Qwen4-Max单任务降58%,Hy4 flash成本仅竞品1/8

    阿里Qwen4-Max基于2.4万亿参数的全新架构,评测中单任务平均费用从26.58元降至11.16元,缓存命中每百万Token低至0.5元;腾讯Hy4 flash激活参数仅12B,评测中单任务成本为DeepSeek同类产品忙时价格的1/8、Hy4的1/20,缓存命中仅需0.02元。

    来源 华尔街见闻
  7. 腾讯发布Hy4 flash:支持1M上下文,激活参数12B

    11月16日,腾讯发布定位于日常办公及智能体任务的Hy4 flash模型。该模型总参数量224B(含64B Engram参数),单次激活参数12B,支持多模态输入和最高1M上下文长度,解码速度超过150 tokens/s。腾讯内部评测显示其综合表现略高于Hy4 preview,WorkIndex测试中平均单任务成本约为

    来源 凤凰科技
  8. 腾讯 Hy4 flash 实测:快速、实惠、聪明,国模进入过日子时代

    作者|Cynthia编辑|郑玄过日子的风,还是吹到了大模型行业。2026 年之前,一款模型能不能刷屏,往往取决于它又做到了什么。GPT-4o 的实时语音交互、Claude 的编程能力、DeepSeek R1 的推理表现,一度轮番成为讨论焦点。一款新模型发布,大家首先关心的是它超过了谁,又做到了什么过去做不到的事。但到了

    来源 腾讯网
  9. Hy4 flash 发布:224B 总参数、12B 激活,API 价格大幅下调

    今天,我们正式推出 Hy4 flash,这是迄今为止最高性价比的 Hy 模型,总参数量为224B(其中64B Engram 参数),激活参数 12B,支持多模态和1M 上下文长度,API价格相比 Hy4 大幅降低。 我们通过一系列工作在极致优化成本的同时兼顾智能水平和实用性: 在预训练阶段,Hy4

    来源 AI 开发者社区
向下滚动自动加载更多