腾讯混元发布轻量模型 Hy4 flash:官方称日常任务盲测与 Claude Haiku 5.5 相当、成本降 18 倍
北京时间 11 月 16 日下午,腾讯混元官方 X 账号 @TencentHunyuan 发布公告,宣布推出轻量模型 Hy4 flash,定位是「日常生产力最便宜的模型」。帖文给出的官方口径为:人类盲测中,Hy4 flash 日常任务表现与 Claude Haiku 5.5 (high) 相当,任务成本降低 18 倍;API 定价为每百万 token 缓存输入 $0.003、输入 $0.070、输出 $0.281。
与推文同日发布的官方博客补齐了技术细节:Hy4 flash 总参数 224B,其中 64B 为 Engram 参数,每个 token 仅激活 12B;与 Hy4 一样原生多模态、支持 1M token 上下文窗口。模型已接入腾讯云 TokenHub、WorkBuddy、元宝(Yuanbao)、企业微信(WeCom)、QQ、ima、Marvis 等腾讯系产品。
85 名内部用户、259 项任务:盲测里接近 Haiku,但不是第一
官方博客披露了盲测设置:85 名内部 WorkBuddy 用户,在 27 类任务上共完成 259 项测试,比较四分制满意度、端到端完成时间中位数和单任务成本三项指标。配套结果表显示:Hy4 flash 满意度 2.79、中位耗时 6.7 分钟、单任务成本 ¥0.26;Claude Haiku 5.5 为 2.81、6.8 分钟、¥4.73;DeepSeek-V4.1-Flash-1017 为 3.09、10.3 分钟、¥1.20;GLM-5.3-Flash 为 2.53、7.6 分钟、¥0.81。表格注明,DeepSeek、Claude Haiku、GLM 三个外部模型均使用 high 档。
推文里「18 倍」与表中成本之比吻合:¥4.73 ÷ ¥0.26 ≈ 18.2。官方的措辞是满意度「接近」Claude Haiku 5.5——严格说 2.79 还略低于对手的 2.81,而四款模型里满意度最高的是 DeepSeek-V4.1-Flash-1017 的 3.09。官方强调的是另外两项:6.7 分钟的中位耗时是四款中最短,¥0.26 的单任务成本是四款中最低。
定价账:三项单价约为旗舰 Hy4 表价的 1/9~1/14
官方博客的价目表把 Hy4 flash 与旗舰 Hy4 并排,Hy4 一行(每百万 token,缓存输入/输入/输出)为 $0.042/$0.834/$2.501。把帖文所列三项单价与之相除:输入约为 Hy4 的 1/12,输出约为 1/9,缓存命中约为 1/14。科技媒体 BigGo 提醒,Hy4 本身目前享有限时五折结算,实际价差小于表价差。
按博客附录采用的 1 美元 = 7.2 元人民币折算口径,每百万 token 输出约 2 元、输入约 0.5 元;Pandaily 的报道标题直接以「224B 模型、每百万输出 token 2 元」概括这次发布。在腾讯自建的 WorkIndex 基准上,官方给出的单任务成本口径为:Hy4 flash 平均每项任务约为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(Max 档、峰值时段定价)的 1/8。
从预训练到推理:成本分四个环节压下来
架构上,Hy4 flash 沿用混合注意力(hybrid attention)、LatentMoE 与 Engram 的组合,KV cache(键值缓存)体积压到 Hy3 的 1/24、Hy4 的 1/6,官方称辅以大量缩放阶梯实验确保性能符合预期。后训练环节先从 Hy4 自蒸馏获得通用能力,再用强化学习把平均端到端输出 token 数减掉 50%。推理侧结合 megakernels、4-bit 量化与 DFly,把解码速度推到 150 token/s 以上,以支撑大规模低成本部署。评测口径同样贴着日常使用设计:官方为 WorkIndex 配上人工评估,关注交付质量、单轮输出长度和任务周转时间,而不是「脱离日常工作的公开榜单分数」。
短板写在官方附录里:终端与编程得分不到 Hy4 一半
官方博客的推荐口径是:深度搜索、文档处理、幻灯片制作、简单前端页面和 computer use(电脑操作)这类日常任务交给 Hy4 flash;长程软件工程等复杂负载仍推荐 Hy4,理由是后者有更高的智能上限。附录成绩单与这一定位一致:Terminal-Bench 4.0 上 Hy4 flash 得 19.2 分,Hy4 为 44.4;ProgramBench 为 16.0 对 30.0;ExcelFixBench 为 15.6 对 27.8;AudioVideoBench 为 17.8 对 27.4。在同样贴近日常办公的 PPTCoEditBench 上,两者只差 4.9 分(74.0 对 78.9)。
配套图表给出三档模型的整体对比:单任务成本约 ¥0.2(Hy4 flash)、¥3.2(Hy4 preview)、¥5.7(Hy4),综合表现分为 42.1、39.7、51.4——官方「整体任务表现略高于 Hy4 preview」的说法与图中排位一致。
博客还引用了两个产品团队的内部口径。WorkBuddy 产品经理 Anne 称,在 WorkBuddy 评估中 Hy4 flash 把平均任务耗时缩短 70%、成本约为 Hy4 的 1/15,日常任务质量与 Hy4 相当,只在长程编码上略有下降;元宝产品负责人 Logan 称,在元宝工作流中该模型把智能体(agent)性能较 Hy3 提升 13.6%,人工并列对比(GSB)评测提升 7.56%,通用对话较 GLM-5.3-Flash 高 2.52%,多轮对话增益最明显。
上线范围、11 月 30 日免费窗口与回复区里的算账和质疑
除已接入的腾讯系产品外,官方称 Hy4 flash 将「很快」上线 OpenRouter。官方把优惠窗口定在 11 月 30 日截止:在此之前,WorkBuddy 内可免费使用,腾讯云 TokenHub 的 API 定价五折;官方还计划以开放权重形式发布该模型。据 BigGo,Hy4 flash 是 Hy4 系列首个以 Flash 命名的档位,与 11 月 4 日发布的旗舰 Hy4(总参数 770B、激活 49B)构成「旗舰 + 低价」两档产品线。
推文反响截至 16 日 20 时许(北京时间)约为 1,800 次点赞、13 万次浏览、144 条回复。回复区里既有算账的,也有质疑评测口径的:Mattffrench 写道「Haiku 的水平、输入每百万 7 美分,很多 API 账单要变得尴尬」;bobolv235824 质疑「18 倍便宜出自厂商自跑的盲测,不是独立基准」;1xadz 指出官方图表里 DeepSeek-V4.1-Flash-1017 的满意度 3.09 高于 Hy4 flash 的 2.79。权重开放则是回复区的另一大热点,TheLocalAILab、CanopyWave_AI 等账号直接追问何时放权重。
盲测对标与成本优势这两条卖点,其公开依据是腾讯自建的 WorkIndex 基准与内部用户盲测;权重开放能否兑现、这套对标在腾讯自家任务之外是否成立,是这份公告留下的两个待验证问题。
参考链接
- 腾讯混元官方 X 账号 @TencentHunyuan 的 Hy4 flash 公告帖
- 腾讯 Hy 官方博客:Introducing Hy4 flash
- BigGo:Tencent Hunyuan Debuts First Flash-Tier Model Hy4 flash
- Pandaily:Tencent Releases Hy4 flash, a 224B Model at 2 Yuan per Million Output Tokens
- Mattffrench 的回复
- bobolv235824 的回复
- 1xadz 的回复
- TheLocalAILab 的回复
- CanopyWave_AI 的回复