Hy4 flash:腾讯混元 224B 总参数激活 12B 1M 上下文 输出每百万 2 元
更新时间:2026-11-17 09:38:33 发布时间:20小时前 阅读:40次
Hy4 flash 是腾讯混元 11 月 16 日发布的模型,总参数 224B、激活 12B、支持 1M 上下文和多模态,输出每百万 tokens 2 元,是 Hy4 的九分之一。已上线腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis,11 月 30 日前 WorkBuddy 免费,长程软件工程任务官方建议换回 Hy4。WorkIndex 上单任务花费 0.2 元,Hy4 5.7 元,preview 3.2 元。多模态 MMMU-Pro 75.8 分,Hy4 是 78.6 分。
腾讯混元在 11 月 16 日发布 Hy4 flash
六项规格里最容易混的是总参数和激活参数:224B 里有 64B 是 Engram 参数,不参与每个 token 的计算。
| 项目 |
官方写法 |
| 总参数 |
224B,其中 64B 为 Engram 参数 |
| 激活参数 |
12B |
| 上下文 |
1M tokens |
| 输入类型 |
多模态 |
| 解码速度 |
超过 150 tps |
| 开源计划 |
计划开源并高频迭代 |
Hy4 在 11 月 4 日发布,flash 隔了 12 天。同日上架腾讯云 TokenHub,产品页给的一句话是“激活参数约为旗舰的四分之一,速度更快,价格更低,在日常任务上达到旗舰开源模型水平”,适用场景写的是编程辅助、Agent 工作流、文档与图表理解、日常办公。
Hy4 flash 每百万输出 tokens 收 2 元
官方把价格单独列了一张表,单位都是每百万 tokens。
| 模型 |
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 |
- 输入:0.5 元对 6 元,是十二分之一。
- 输出:2 元对 18 元,是九分之一。
- 缓存命中:0.02 元对 0.3 元,是十五分之一。
- 官方只有一句“API 价格相比 Hy4 大幅降低”,没有给降幅百分比。
Hy4 flash 的 224B 参数里 12B 参与计算
- 总参数 224B,其中 64B 是 Engram 参数。官方注释把 Engram 定义为可扩展的查表式参数模块,作用是以较低算力成本扩充模型容量。
- 每个 token 激活 12B 参数,剩下的 64B Engram 参数占总参数的 28.6%,不参与每个 token 的计算。
- 预训练加入三类架构特性:混合注意力、LatentMoE、Engram。
- KV cache 大小是 Hy3 的 1/24、Hy4 的 1/6。
- 官方用 scaling ladder 实验验证这套配置的效果。
按官方口径,激活参数约为旗舰的四分之一,KV cache 压到 Hy4 的六分之一,解码速度做到 150 tps 以上。三项分别对应单次计算量、显存占用和解码速度。
Hy4 flash 靠自蒸馏 Hy4 再压缩输出长度
- 后训练先用自蒸馏从 Hy4 取综合智能水平。
- 再用强化学习压端到端任务的输出长度,官方给的降幅是 50%。
- 推理阶段用 megakernel、4bit 量化、dflash 三项优化。
- 三项优化的结果是解码速度超过 150 tps。
输出长度减半,按同一单价算,账单也减半。官方在 WorkBuddy 侧的复盘给了同一方向的数字:平均任务耗时比 Hy4 减少 70%。
Hy4 flash 在 WorkIndex 上单任务 0.2 元
WorkIndex 是混元自己搭的内部评测集,题目取自 WorkBuddy 的典型任务,官方没有公开题面。官方在图 2 里给了三个模型的平均任务花费。
图 2 原文:Hy4 每次任务 5.7 元、Hy4 preview 3.2 元、Hy4 flash 0.2 元,右侧是性能分 51.4 / 39.7 / 42.1
- 正文口径:Hy4 flash 单任务成本是 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017 的 1/8,最后这个按 max 档位、忙时价格算。
- 图 2 标注:比 Hy4 preview 便宜 13.8 倍,比 Hy4 便宜 24.5 倍。跟正文的 1/13、1/20 是同一组数据的两种写法。
- 性能分:Hy4 51.4、Hy4 flash 42.1、Hy4 preview 39.7。flash 比 preview 高 2.4 分,离 Hy4 差 9.3 分。
WorkIndex 与公开榜上 Hy4 flash 的位置不同
图 1 的右半:7 个公开 Agent 评测集的平均分与单任务成本,Hy4 flash 便宜但分数落后 DeepSeek 与 Hy4
- WorkIndex 的 8 个内部集:PPT 制作、PPT 修改、PPT 人机双写、Markdown 人机双写、文档编辑、表格修复、音视频处理、视觉理解。
- 公开部分是 7 个 Agent 评测集:DeepSWE、ProgramBench、Terminal-Bench 4.0、APEX-Agents、AutomationBench、HLE、OSWorld 2.1。
- 在公开 Agent 榜上,Hy4 flash 约 48 分,DeepSeek-V4.1-Flash-1017 约 56.5 分,Hy4 约 60 分。这块它不占优。
- 图上另外三个轻量模型 Qwen3.8-Flash-Next、GLM-5.3-Flash、GPT-6 Luna,单任务成本在 0.8 到 2.3 元之间,WorkIndex 分数都低于 Hy4 flash。
- 官方对评测口径的解释是: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。
85 人盲测里 Hy4 flash 满意度 2.79 分
官方请了 85 位 WorkBuddy 内部用户,在 27 类共 259 个日常工作任务上做盲测,满意度按 4 分制打分。
封面图之外的盲测表:DeepSeek 3.09 分、Haiku 2.81 分、Hy4 flash 2.79 分、GLM 2.53 分,外部模型按 high 档计
- 满意度:DeepSeek-V4.1-Flash-1017 3.09、Claude Haiku 5.5 2.81、Hy4 flash 2.79、GLM-5.3-Flash 2.53。
- 端到端时长中位数:Hy4 flash 6.7 分钟,Haiku 6.8 分钟,GLM 7.6 分钟,DeepSeek 10.3 分钟。
- 单任务成本:Hy4 flash 0.26 元,GLM 0.81 元,DeepSeek 1.20 元,Haiku 4.73 元。
- 表注原文:外部模型(DeepSeek、Claude Haiku、GLM)均为 high 档。
满意度最高的是 DeepSeek,不是 Hy4 flash。它在四项里排第二,跟 Haiku 差 0.02 分;成本一项是 0.26 元,比 Haiku 低 18 倍,比 DeepSeek 低 4.6 倍。
长程工程任务上 Hy4 flash 比 Hy4 低 25.2 分
| 评测 |
Hy4 flash |
Hy4 |
| DeepSWE v1.1 |
64.6 |
74.9 |
| ProgramBench |
16.0 |
30.0 |
| Terminal-Bench 4.0 |
19.2 |
44.4 |
| OSWorld 2.1 |
68.1 |
78.9 |
| PPTCoEditBench |
74.0 |
78.9 |
| MdCoEditBench |
56.9 |
57.7 |
| ExcelFixBench |
15.6 |
27.8 |
| AudioVideoBench |
17.8 |
27.4 |
- 工程类差距最大:Terminal-Bench 差 25.2 分,ProgramBench 差 14 分。
- 文档类差距小:MdCoEditBench 只差 0.8 分,PPTCoEditBench 差 4.9 分。
- 表格修复和音视频处理属于中间档:ExcelFixBench 差 12.2 分,AudioVideoBench 差 9.6 分。
- 官方建议照这个分布给:深度搜索、文档处理、PPT 生成、简单前端展示、Computer Use 用 Hy4 flash,长程软件工程用 Hy4。
Hy4 flash 的视觉理解与 Hy4 差 2.8 分
| 评测 |
Hy4 flash |
Hy4 |
DeepSeek |
Qwen |
| MMMU-Pro |
75.8 |
78.6 |
76.7 |
77.2 |
| ZeroBench-main |
45.8 |
55.4 |
16.5 |
41.7 |
| BuddyVQA ATAs |
48.5 |
55.5 |
43.7 |
54.5 |
- MMMU-Pro 上四个模型挤在 75.8 到 78.6 之间,Hy4 flash 与 Hy4 差 2.8 分,与 Qwen3.8-Flash-Next 差 1.4 分。
- ZeroBench-main 带工具、按 pass@5 算,Hy4 flash 45.8 分,除 Hy4 外高于 Qwen 的 41.7、GLM 的 35.3、GPT-6 Luna 的 33.6、DeepSeek 的 16.5。
- BuddyVQA ATAs 不带工具,Hy4 flash 48.5 分,低于 Qwen 的 54.5 和 GPT-6 Luna 的 51.6。
- 三项的官方成本都记在附录表里,Hy4 flash 单任务 0.010、0.077、0.007 元。
视觉理解是 Hy4 首次引入的能力,flash 继承了它。三项里它都比 Hy4 低,比同价位多数模型高。视频和音频没有单列评测,官方只在 WorkIndex 里放了音视频处理一项,Hy4 flash 17.8 分对 Hy4 27.4 分。
Hy4 flash 在七个产品里能选到
- 腾讯云 TokenHub:已上架,标签是文本生成、深度思考、多模态理解三项,新用户有 100 万 tokens 免费体验包,11 月内 API 五折。
- WorkBuddy:11 月 30 日前限时免费。
- 元宝、企业微信、QQ、ima、Marvis:已上线,具体入口各产品自己的模型选择里。
- OpenRouter:官方写的是即将接入。
WorkBuddy、元宝、微信支付三方给了各自的实测,都是内部数据,没有公开题面。
WorkBuddy 产品经理 Anne 的原话:任务耗时减少 70%,成本约为 Hy4 的 1/15,Coding 长程任务小幅下降
- 元宝产品负责人 Logan:真实场景 Agent 能力相比 Hy3 提升 13.6%,Agent 任务人工对比评估 GSB 相比 Hy3 提升 7.56%;通用对话任务相比 GLM-5.3-Flash 提升 2.52%,多轮对话提升最明显。
- 微信支付:AI 操作真机支付客户端的四个 Agent 流程评测,相比 DeepSeek-V4.1-Flash-1017 均分持平或更高,执行步数减少约 6%、单次输出长度缩短约 29%;代码静态扫描场景时间降低 37%、Token 消耗降低 46%。