腾讯 Hy4 Flash 主打长上下文与低成本
据节选,Hy4 Flash 支持百万 Token 上下文及文本、图像输入,总参数 2240 亿,每次前向计算激活 120 亿,其中 640 亿参数用于 Engram 条件记忆。文章称其单任务成本为旗舰版的二十分之一,但节选未给出具体价格、性能实测或完整取舍。
AI 深度解读
Hy4 flash 想证明一件事:日常 AI 工作不一定需要旗舰模型的全部能力。它保留了 Hy4 的百万 token 上下文和图文输入,把腾讯内部测试中的每任务成本压到旗舰的 1/20。
对程序员来说,值得研究的是这个成本差从哪里来,以及省钱以后能否照常交付。原文给出了架构、价格和用户测试数据,但尚不足以证明它适合复杂编码任务。
224B 参数,为什么每次只激活 12B
Hy4 flash 基于腾讯 Hunyuan 架构,总参数为 224B,也就是 2240 亿,每次前向计算只激活 12B,即 120 亿参数。完整 Hy4 旗舰则有 770B 总参数,每个 token 激活 49B。两者相比,flash 的总规模约为旗舰的三分之一,激活参数约为四分之一。
参数总量与单次计算量是两回事。模型可以拥有很大的参数池,但处理一次输入时只使用其中一部分,因此不能只看「224B」就推算调用成本。
其中还有 64B 参数属于 Engram。按原文解释,这是一种条件记忆技术,把高频文本模式存在快速查找表中,需要时直接检索,减少重复计算。不过,原文没有拆解 Engram 单独带来了多少成本或速度收益。
功能上,Hy4 flash 支持文本和图片输入、文本输出,上下文窗口为 1 million tokens,与旗舰相同。Hy 系列面向多步骤工作流、文档处理和长流程任务,flash 则更偏向研究、制作幻灯片、编辑表格等日常工作。
上下文容量相同,只能说明能接收同样规模的输入,不能证明处理质量相同。
每任务便宜 20 倍,和 API 降价不是一回事
Hy4 flash 的 API 标价按每百万 tokens 计算:
| 类型 | 人民币价格 | 原文美元约值 |
|---|---|---|
| 输入 | 0.5 元 | $0.07 |
| 输出 | 2 元 | $0.281 |
| 缓存输入 | 0.02 元 | $0.003 |
对比 Hy4 标价,输入、输出和缓存命中的价格分别约便宜 12 倍、9 倍和 15 倍。标题里的「1/20」并不是其中某项 token 单价,而是腾讯内部 WorkIndex 测试得到的每任务成本。
腾讯还称,同一口径下,Hy4 flash 的每任务成本为 DeepSeek V4.1-Flash-1017 的八分之一。这两组数据都来自厂商内部测试,没有独立评测支撑,不能直接拿来排能力名次。
每任务成本比 token 单价更贴近实际账单,但也更依赖测试条件。一次任务会生成多少内容、调用几轮、是否命中缓存、失败后是否重试,都会影响结果。原文没有交代这些条件,也没有给出可复现的完整流程。
价格还有促销因素:原文称 Hy4 旗舰当时正在打五折,因此按标价算出的差距大于当时实际差距;Tencent Cloud TokenHub 上的 Hy4 flash API 也处于标价五折阶段。采购比较时,需要把标价、活动价和测试账单分开看。
85 人的盲测,能说明多少能力
腾讯组织了 85 名 WorkBuddy 用户,对 259 项任务的模型输出进行盲评。按腾讯公布的结果,Hy4 flash 的用户满意度接近 Claude Haiku 5.5,同时在参测模型中成本最低、完成时间最短。
这支持一个有限结论:在这批办公任务里,用户对它的输出比较满意。
但用户满意度并非标准化能力测试。样本来自腾讯自己的产品,原文没有给出任务分布、评分细则,也没有列出全部参测模型。它不足以回答复杂推理、代码正确性,以及长流程 Agent 编码的表现。
获取渠道也要区分状态。原文列出 WorkBuddy 可免费使用至 11 月 30 日,另有 Yuanbao 和 Tencent Cloud TokenHub;OpenRouter 接入仍在计划中,尚未上线。腾讯还计划像 Hy4 旗舰一样开放权重,但原文没有提供发布时间、许可证或部署要求。上述信息都是原文发布时的口径。
我的判断
我认同原文把焦点放在「日常任务够不够用」。对摘要、初稿和文档整理,能力提升未必总能抵消额外成本,按任务选择模型有现实价值。
但「便宜 20 倍」只能视为值得验证的线索。原文没有提供独立对照数据,也没有证明普通团队能复现这个比例。作者关于常规工作适合 flash、困难任务继续比较旗舰的建议,是合理的选型思路,仍需业务测试支撑。
与所有请求统一使用旗舰相比,分配模型可以降低部分调用成本,却会增加路由和验收工作。复杂任务失败后的重试、升级模型和人工返工,也可能吃掉节省的费用。
真正该比较的是完成一项合格任务的总成本。
尤其对前端和全栈读者,不要把「面向 Agent」直接理解成「擅长自主改代码」。本文没有提供仓库级编码、测试通过率或工具调用可靠性的数据。
能拿来做什么
- 先用真实的文档摘要、资料整理和初稿任务做小规模对照,给 Hy4 flash 与现用模型相同输入,并提前写清验收条件。
- 在 Node API 调用链中记录输入、输出、缓存 tokens、耗时和重试次数,再计算每项合格任务的实际费用。
- 测试百万 token 上下文时,检查它能否准确找到关键内容、避免遗漏和错误归因,不要只验证请求能否成功提交。
- 对复杂代码修改和长流程 Agent 编码单独评估;在缺少编码证据时,先保留现有模型作为比较基准。