混元发布低成本百万上下文模型
腾讯推出 Hy4 flash,支持多模态输入和百万 token 上下文,每 token 激活 12B 参数,官方称解码速度超过每秒 150 token。内部工作任务评测显示其成本显著低于 Hy4,官方建议用于文档处理、简单前端及电脑操作,复杂软件工程仍使用 Hy4。
AI 深度解读
腾讯混元在 11 月 16 日推出 Hy4 flash,主打的是把日常工作任务做得更便宜、更快。按腾讯自建评测集的数据,它的单任务成本约为 Hy4 的 5%,综合效果略优于 Hy4 preview。
对程序员来说,值得关注的不是单独一个低价数字,而是这套降本路径:减少每次计算的负担、缩短任务输出,再优化推理速度。不过,这些成绩来自官方评测和内部用户盲测,能否覆盖自己的工作流,还需要实际验证。
224B 总参数,为什么每个 token 只激活 12B?
Hy4 flash 总参数量为 224B,其中包含 64B Engram 参数,每个 token 激活 12B 参数,支持多模态输入和 100 万 token 上下文。
总参数量描述模型拥有的容量,激活参数量描述处理一个 token 时参与计算的部分。两者不是同一个指标,不能看到 224B 就直接推算运行成本。
腾讯把降本归因于三个阶段的协同优化:
- 预训练阶段引入混合注意力、LatentMoE 和 Engram。Engram 是一种可扩展的查表式参数模块,用较低算力成本扩充模型容量。官方称,KV cache 大小降至 Hy3 的 1/24、Hy4 的 1/6。
- 后训练阶段先通过自蒸馏 Hy4 获取综合智能水平,再通过强化学习,把端到端任务输出长度压缩 50%。
- 推理阶段结合 megakernel、4bit 量化和 dflash 等手段,实现超过 150 tps 的解码速度,即每秒生成超过 150 个 token。
这里最贴近使用者的变化,是输出长度缩短。完成同一件事,如果能少生成一些内容,可能同时降低费用和等待时间。但原文没有说明长度压缩的具体统计方法,也没有给出解码速度对应的硬件、并发与输入条件。
生成得快、生成得少,最终都要以任务完成质量为前提。
单任务成本只有 Hy4 的 5%,这个数字怎么算?
腾讯使用的是官方构建的 WorkBuddy 典型任务评测集 WorkIndex。按该评测结果,Hy4 flash 的单任务成本分别为:
| 对比模型 | Hy4 flash 的单任务成本 |
|---|---|
| Hy4 preview | 1/13 |
| Hy4 | 1/20,约 5% |
| DeepSeek-V4.1-Flash-1017 | 1/8 |
其中,DeepSeek-V4.1-Flash-1017 使用的是 max 档位、忙时价格。这个限定不能省略,否则容易被读成所有价格条件下都成立。
单任务成本比单看 API 单价更接近实际开销:模型便宜但反复重试,未必省钱;输出更短且能完成任务,才可能真正降低账单。不过,原文没有公开具体 API 单价,也没有交代失败任务、重试和工具调用费用如何计入。
效果方面,腾讯称 Hy4 flash 略优于 Hy4 preview。WorkIndex 关注的是日常工作产物、单轮输出长度和端到端用时,而非公开榜单分数。因此,这个结果支持的是特定工作任务下的性价比判断,不能直接推导为通用能力排名。
满意度接近 Claude Haiku 5.5,能接哪些活?
腾讯邀请了 85 位 WorkBuddy 内部用户,在 27 类、共 259 个日常工作任务上进行盲测。官方结果显示,Hy4 flash 的用户满意度接近 Claude Haiku 5.5,单任务成本低于所有参评模型,任务时长也最短。
盲测有助于减少模型品牌对评价的影响,但内部用户的任务习惯,未必代表一般开发团队。原文也没有给出各类任务占比、评分细则,以及「接近」对应的具体差距。
腾讯给出的分工比较明确:深度搜索、文档处理、PPT 生成、简单前端展示和 Computer Use,可以使用 Hy4 flash;长程软件工程等复杂任务,则交给智能上限更高的 Hy4。
Hy4 flash 已上线腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis,即将接入 OpenRouter。2026 年 11 月 30 日前,WorkBuddy 限时免费,腾讯云 TokenHub API 限时 5 折。官方还计划开源,但原文没有给出开源日期和许可协议。
我的判断
我认可它把评价重点放在「完成一项工作花多少钱、等多久、产物是否可用」。对日常 AI 工作流,这比只盯榜单或每百万 token 单价更有参考价值。
但目前证据仍来自腾讯自己的评测体系。成本比例、满意度和速度都应连同测试条件一起看,不能据此认定它在所有任务中都优于其他模型。100 万 token 上下文是容量指标,也不能直接证明模型能准确利用全部输入。
和所有任务统一使用高能力模型相比,按任务复杂度分配模型有明确的成本动机;代价是要判断哪些任务适合交给 flash。腾讯自己的推荐也保留了这条边界,没有把长程软件工程归入它的优先场景。
能拿来做什么
- 做简单前端展示时,可以拿同一份页面需求分别测试 Hy4 flash 和现用模型,比较产物可用性、修改次数、总耗时与最终费用。
- 有文档处理、深度搜索或 PPT 生成需求,可以在免费期内用自己的真实材料试跑,重点检查遗漏和错误,别只看生成速度。
- 评估是否接入 TokenHub API 时,应先核对完整价格和计费口径,并用完成一个任务的总开销判断收益。
- 长程软件工程任务先沿用能力更高的模型;如果要切换,应先验证仓库理解、连续修改和最终验收效果。