腾讯混元发布 Hy4 flash 模型,主打日常工作性价比
Hy4 flash:日常工作的极致性价比模型
腾讯混元推出 Hy4 flash,总参数 224B(含 64B Engram 参数)、激活 12B,支持多模态和 1M 上下文,API 输入 0.5 元、输出 2 元每百万 Tokens,命中缓存输入 0.02 元。官方称其在综合效果上略优于 Hy4 preview,在内部评测集 WorkIndex 上单任务成本为 Hy4 preview 的 1/13、Hy4 的 1/20。该模型已在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 等产品上线,即将接入 OpenRouter,并计划开源。
正文
@@@space height = 16 @@@
@@@buttonGroupCard
[[buttons]] text = "腾讯云" icon = "tencentcloud" url = "https://cloud.tencent.com/tokenhub/hy4-flash"
@@@
@@@space height =32 @@@ 我们推出 Hy4 flash,迄今为止最高性价比的 Hy 模型。其总参数量为 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。
@@@space height = 32 @@@
::: center
|API 价格(每百万 Tokens)|输入(命中缓存) | 输入 | 输出 | | ------ | ------ | ------ | ------ | | **Hy4 flash** | **0.02元** | **0.5元**| **2元** | | Hy4 | 0.3元 | 6元| 18元 |
:::
@@@space height = 32 @@@
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 flash 加入了混合注意力、LatentMoE、Engram 等架构特性,KV cache 大小仅为 Hy3 的 1/24、Hy4 的 1/6,且通过大量 scaling ladder 实验确保效果符合预期;
- 在后训练阶段,我们通过自蒸馏 Hy4 获得了较强的综合智能水平,再通过强化学习使端到端任务输出长度降低 50%;
- 在评估阶段,我们构建基于 WorkBuddy 典型任务的内部评测集 WorkIndex,并结合人评,聚焦日常工作的产物效果、单轮输出长度、端到端用时,而非远离日常工作的公开榜单分数;
- 在推理阶段,我们结合 megakernel、4bit 量化、DFly 等手段极致优化,使 Hy4 flash 解码速度超过 150 tps,且可以大规模低成本部署运营。
**最终,Hy4 flash 在综合效果上略优于 Hy4 preview;在 WorkIndex 上单任务成本仅为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(max档位,忙时价格)的 1/8。**
@@@space height = 32 @@@
@@@tabContentCard [[tabs]] label = "WorkIndex (internal)" name = "TranslationEvaluation"
[[tabs]] label = "Open Benchmarks" name = "TranslationEvaluation"
为了衡量真实使用体验,我们邀请了 85 位 WorkBuddy 内部用户在 27 类共 259 个日常工作任务上进行盲测。结果显示,Hy4 flash 的用户满意度接近 Claude Haiku 5.5,且单任务成本显著低于其他所有模型,任务时长也最短。
Hy4 flash 已在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 等产品上线,即将接入 OpenRouter。11 月 30 日前,用户可在 WorkBuddy 限时免费使用,腾讯云 TokenHub API 限时 5 折使用。 我们推荐在深度搜索、文档处理、PPT生成、简单前端展示、computer use 等大部分日常任务中使用 Hy4 flash,在长程软件工程等复杂任务中使用智能上限更高的 Hy4。我们计划开源 Hy4 flash 并高频迭代,不断提升真实工作的实用性和效率。
@@@testimonialSlider ariaLabel = "产品反馈" itemsPerPage = 2 mobileItemsPerPage = 1 loop = false defaultActivePage = 0 showCount = true countSeparator = " / " countMinDigits = 2 countLabelTemplate = "第 {current} 页,共 {total} 页" emptyText = "暂无证言内容" contentEmptyText = "暂无证言内容" previousLabel = "上一页证言" nextLabel = "下一页证言"
[[items]] logo = "https://hy-model-ap-prod-1258344703.cos.ap-guangzhou.myqcloud.com/llm-blog/default/9a5ea02f/2026111601215756_2ca7df5c2fe9a52ad7abb7456d9f73db.png?q-sign-algorithm=sha1&q-ak=AKIDRl074nOsGdJ9zjMsCRWP3ShmgS3VtX4S&q-sign-time=1794763319;2110123319&q-key-time=1794763319;2110123319&q-header-list=&q-url-param-list=&q-signature=62cad7ed7ed70f0675b80fa8e23a71550f9c6889" brandName = "微信支付" content = "在 AI 操作真机的支付客户端场景测评中,我们针对执行路径、知识利用、验收检查、造号准确性四个 Agent 流程进行评测,Hy4 flash 相比 DeepSeek-V4.1-Flash-1017,均分全部持平或更高,执行步数减少约 6%,单次输出长度缩短约 29%。执行路径更干净,对注入的知识库理解更清晰,使用更准确。在微信支付代码静态扫描场景的测评中,Hy4 flash 相比 DeepSeek-V4.1-Flash-1017,完成扫描所需时间降低 37%、消耗 Token降低 46%,推理效果持平,模型回复内容更简练,且更能从上下文中找到决策依据。" authorName = "微信支付" authorTitle = "信息智能实验室 yilin 安全工程师 Simba"
[[items]] logo = "https://hy-model-ap-prod-1258344703.cos.ap-guangzhou.myqcloud.com/llm-blog/default/9a5ea02f/2026110403023983_8ca88aeaa8e8a39d2774d600860162f9.png?q-sign-algorithm=sha1&q-ak=AKIDRl074nOsGdJ9zjMsCRWP3ShmgS3VtX4S&q-sign-time=1793732561;2109092561&q-key-time=1793732561;2109092561&q-header-list=&q-url-param-list=&q-signature=29ee4e6413e3333f9e0354abb9a212bc37d68856" brandName = "QQ" content = "接入 Hy4 flash 后,小 Q 的多项 Agent 能力进一步提升,既答得好,也回得快。评测显示,相较 DeepSeek-V4.1-Flash,Hy4 flash 在音乐推荐、频道互动、QQ 空间和星座长篇解析中的表现更优,符合要求的结果占比分别高出 6.16、2.84、0.92 和 2.22 个百分点;在聊天陪伴、音乐推荐和星座长篇解析场景里,完成时间缩短约 11%–27%,让用户更快获得贴合需求的陪伴与帮助。在频道助手的 UGC 互场景中,Hy4 flash 能在近实时约束下稳定完成意图识别与工具调用。相比 DeepSeek-V4.1-Flash,对用户意图的判断准确率持平,评论 P90 耗时缩短 39%、峰值耗时缩短 47%,输出 token 减少 30%,缓存命中率大幅提升,充分满足业务要求。" authorName = "QQ" authorTitle = "小 Q 技术负责人 Red 频道研发 Look"