NewToken 新词元关注新智能
读懂

Hy4 flash 的二十分之一成本写在自建考卷上

腾讯上线 Hy4 flash,目录输入价 0.5 元、输出 2 元,为 Hy4 的 1/12 和 1/9。任务成本 1/20 写在自建考卷上;公开榜和盲测低于 DeepSeek。

专题Artificial Analysis:持续追踪主线模型竞争

读懂|Hy4 flash 的二十分之一成本写在自建考卷上
本文提纲5 节
  1. 目录价是 0.5 元和 2 元,腾讯云写得清楚
  2. 自建考卷 1/20 对不上 24.5 倍
  3. Terminal-Bench 分数低于预览版
  4. 盲测满意度 2.79,低于 DeepSeek
  5. 爱范儿的实测也只证明更快更便宜

腾讯混元 11 月 16 日上线 Hy4 flash。发布页把目录价写成每百万 token 输入 0.5 元、输出 2 元,分别是 Hy4 的 1/12 和 1/9。同一页还说,自建考卷上单任务成本只有 Hy4 的 1/20,盲测满意度接近 Haiku 5.5。

我们的判断是:标价能对上腾讯云价目表;「二十分之一」和「接近 Haiku」仍写在自建考卷和内部评分里,同一页的公开榜和盲测并不支持它比 DeepSeek 更强。

目录价是 0.5 元和 2 元,腾讯云写得清楚

IT之家当天的报道把这次上线写成「正式推出」,并转述了官方的成本和满意度口径。发布页给出的价目表是:Hy4 flash 每百万 token 输入 0.5 元、输出 2 元、缓存命中 0.02 元;Hy4 是 6 元、18 元、0.3 元。按这组目录价,输入是 1/12,输出是 1/9,缓存命中是 1/15。

腾讯云 TokenHub 的模型价格页把同一组目录价写进了在线推理表,页面显示最近更新时间是 2026 年 11 月 16 日 12:15:30。调用参数是 hy4-flash。

同一页还写了限时折扣:从说明发布之日起到 2026 年 11 月 30 日 12:00:00(北京时间),Hy4 flash 按目录价的 50% 结算。

Token Plan 个人版的限时优惠页把同一档活动写成 5 折,折后参考价是输入 0.25 元、输出 1 元、缓存命中 0.01 元,页面显示最近更新时间是当天 12:34:30。

发布页说,模型总参数 224B(其中 64B 为 Engram 参数),激活 12B,支持多模态和 100 万 token 上下文,已在 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 上线,计划开源,即将接入 OpenRouter。这些都是企业宣称。

我在 11 月 16 日晚间打开 OpenRouter 的 Tencent 模型列表,页面仍列出 Hy4 和 Hy4 preview,没有 Hy4 flash。Artificial Analysis 的更新日志里,Hy4 的综合分 35 写在 11 月 4 日,之后没有出现 Hy4 flash 的条目。

自建考卷 1/20 对不上 24.5 倍

发布页把「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」写在加粗段落里。

它同时写明,WorkIndex 是基于 WorkBuddy 典型任务的内部评测集,看产物效果、单轮输出长度和端到端用时,而不是公开榜单分数。

同一页的图 2 给出了另一组数:Hy4 平均任务花费 5.7 元、成绩 51.4;预览版 3.2 元、39.7;Hy4 flash 0.2 元、42.1。图上标注比预览版便宜 13.8 倍,比 Hy4 便宜 24.5 倍。

这两套说法对不齐。若 0.2 元是精确值,5.7 除以 0.2 是 28.5 倍,对不上正文的 1/20,也对不上图上的 24.5 倍。分析推断,0.2 元是四舍五入后的约数,但发布页没有给出未取整的花费,也没有解释 1/20 和 24.5 倍如何换算。

附录得分表的注记还写明,DeepSeek-V4.1-Flash-1017 的费用按忙时目录价估算,每百万 token 输入 2 元、输出 8 元、缓存命中 0.04 元。这与 TokenHub 价目表里该模型高峰时段的目录价一致。

所谓「1/8」,用的是对手的忙时价,再加上腾讯自己统计的任务消耗,不是把两家目录价直接相除。

Terminal-Bench 分数低于预览版

发布页说 Hy4 flash「在综合效果上略优于 Hy4 preview」。这句话在 WorkIndex 平均分上成立:42.1 对 39.7。把它放到同一页的公开 Agent 榜上,就站不住了。

附录得分表列出了 7 项公开 Agent 评测。Terminal-Bench 4.0 上,Hy4 flash 是 19.2 分,低于预览版的 26.3,也低于 DeepSeek 的 40.0 和 Hy4 的 44.4。

ProgramBench 上,它是 16.0 分,低于预览版的 17.5、DeepSeek 的 29.0 和 Hy4 的 30.0。

DeepSWE v1.1 上,它以 64.6 分略高于预览版的 64.3,但仍低于 DeepSeek 的 73.8 和 Hy4 的 74.9。OSWorld 2.1 上,它是 68.1 分,与 DeepSeek 的 68.4 接近,低于 Hy4 的 78.9。

这些都是腾讯自己贴出的图表,不是第三方复测。读法很简单:便宜是图上最清楚的变化;「略优于预览版」不能从公开 Agent 榜上原样推过来,更推不出对 DeepSeek 的优势。

有人会说,日常办公本来就不该看 Terminal-Bench,WorkIndex 才对路。发布页自己却把这 7 项公开榜和内部考卷放在同一组图里。要主张日常任务更有代表性,就得公开 WorkIndex 的题目和评分细则。目前这两样都没有完整放出来。

盲测满意度 2.79,低于 DeepSeek

发布页写,85 位 WorkBuddy 内部用户在 27 类共 259 个日常任务上做了盲测,「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」。

同一页的盲测图把数字写全了。用户满意度按 4 分制:DeepSeek-V4.1-Flash-1017 是 3.09,Claude Haiku 5.5 是 2.81,Hy4 flash 是 2.79,GLM-5.3-Flash 是 2.53。图注写明,外部模型均开 high 档。

模型 满意度(4 分制) 端到端时长中位数 单任务成本
DeepSeek-V4.1-Flash-1017 3.09 10.3 分钟 1.20 元
Claude Haiku 5.5 2.81 6.8 分钟 4.73 元
Hy4 flash 2.79 6.7 分钟 0.26 元
GLM-5.3-Flash 2.53 7.6 分钟 0.81 元

「接近 Haiku」对得上,2.79 和 2.81 只差 0.02 分。但这张表里满意度最高的是 DeepSeek,不是 Hy4 flash。时长 6.7 分钟、花费 0.26 元,这两项它确实最低。官方正文突出了接近 Haiku、成本和耗时最低,没有写满意度低于 DeepSeek 这一点。

发布页还附了 WorkBuddy、元宝、微信支付、企业微信、王者荣耀、ima、QQ、Marvis 的内部证言,数字都是各产品线自己的评测,按企业宣称处理。

爱范儿的实测也只证明更快更便宜

爱范儿 11 月 16 日的实测说,作者提前拿到测试资格,在 WorkBuddy 里用同一提示词和工具权限对比 Hy4 flash 与 DeepSeek V4.1 Flash。

做一艘可交互的 3D 历史帆船,Hy4 flash 用了约 30 分钟,按目录价估算约 0.23 元;DeepSeek 用了 1 小时 30 分钟,费用约 1.21 元。

深度研究任务上,DeepSeek 多花了 10 分钟,消耗近 18 万 token,费用约 0.56 元。作者还统计了 10 个代码和办公任务,认为双方成果大体相近,Hy4 flash 的首轮交付更快。

这组对比能支撑「更快、更便宜」,不能支撑「更强」。作者自己的结论也是:质量大致处于同一水平,DeepSeek 有时细节更丰富;日常办公更愿意用 flash,长程软件工程仍推荐 Hy4。这和发布页的产品分工一致,但样本是媒体的少量任务,不是独立综合榜。

目录价降了,爱范儿的两个任务也确实更便宜,这是今天站得住的部分。要不要把它当成日常模型,可以按刊例价算账。

不能把自建考卷上的二十分之一,或内部盲测里接近 Haiku 的那 0.02 分,当成已经独立核实的结果。第三方综合分还没有出现。公开榜和盲测表是腾讯自己贴出来的,它们已经说明:更便宜是真的,比 DeepSeek 更强还没有写在这些数字里。

来源

引用与数据Markdown 镜像