模型71°

腾讯混元 Hy4 flash 发布:224B 总参数、100 万 token 上下文,单任务成本降至 Hy4 的 1/20

腾讯混元 Hy4 flash 发布

精选理由

腾讯把 224B 大模型做成了极致性价比款:单任务成本只有 Hy4 的 1/20,还比 DeepSeek-V4.1-Flash 便宜 7 倍,盲测满意度接近 Claude Haiku 5.5。如果你日常要批量跑文档处理、PPT 生成这类任务,2026 年 11 月底前 WorkBuddy 免费用、TokenHub API 五折,可以趁这段时间实测一下。打算开源这点也值得盯。

腾讯混元团队于 11 月 16 日发布 Hy4 flash,总参数量 224B,其中含 64B Engram 参数,每个 token 激活 12B,支持多模态输入与 100 万 token 上下文,API 价格较 Hy4 大幅降低,官方定位为性价比最高的 Hy 模型。

正文

技术上是三个阶段的协同优化:预训练引入混合注意力、LatMoE 与 Engram 查表式参数模块,KV cache 缩至 Hy3 的 1/24、Hy4 的 1/6;后训练通过自蒸馏 Hy4 并用强化学习把端到端输出长度压缩 50%;

推理侧结合 megakernel、4bit 量化和 dflash,解码速度超过 150 tps。成本方面,在官方 WorkIndex 评测集上单任务成本为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.

1-Flash-1017(max 档位忙时价格)的 1/8。85 位内部用户在 27 类共 259 个任务上的盲测显示,其满意度接近 Claude Haiku 5.

5,任务时长最短。模型已上线腾讯云 TokenHub、元宝、企业微信、QQ 等产品,即将接入 OpenRouter,官方还计划开源并保持高频迭代。

原文 · IT之家

腾讯混元 Hy4 flash 发布

IT之家 11 月 16 日消息,腾讯混元团队今天宣布正式推出 Hy4 flash,官方将其定位为迄今性价比最高的 Hy 模型。 其模型总参数量 224B,其中包含 64B Engram 参数,每个 token 激活 12B 参数,支持多模态输入与 100 万 token 上下文长度,API 价格较 Hy4 大幅降低。 Hy4 flash 的高性价比来自预训练、后训练和推理三个阶段的协同优化。预训练阶段引入混合注意力、LatentMoE 与 Engram(IT之家注:Engram 是一种可扩展的查表式参数模块,用于以较低算力成本扩充模型容量)等架构,KV cache 大小降至 Hy3 的 1/24、Hy4 的 1/6。后训练阶段通过自蒸馏 Hy4 获得综合智能水平,再经强化学习将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,解码速度超过 150 tps,支持大规模低成本部署运营。 在官方构建的 WorkBuddy 典型任务评测集 WorkIndex 上,Hy4 flash 的单任务成本仅为 Hy4 preview 的 1/13、Hy4 的 1/20,以及 DeepSeek-V4.1-Flash-1017(max 档位、忙时价格)的 1/8。综合效果上,Hy4 flash 略优于 Hy4 preview。这一对比框架侧重日常工作的产物效果、单轮输出长度与端到端用时,而非公开榜单分数。 为衡量真实使用体验,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。结果显示,Hy4 flash 的用户满意度接近 Claude Haiku 5.5,单任务成本显著低于参与对比的所有模型,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,并即将接入 OpenRouter。2026 年 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。腾讯建议在深度搜索、文档处理、PPT 生成、简单前端展示、Computer Use 等日常任务中使用 Hy4 flash,长程软件工程等复杂任务则交由智能上限更高的 Hy4。官方同时表示计划开源 Hy4 flash 并保持高频迭代。

产业坐标与信源核验

本条情报归属 AITOP「模型」核心栏目,重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Hunyuan、腾讯混元、DeepSeek、开源模型,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「IT之家」,经 AITOP 多维评分管线结构化提炼。