|

Hy4 flash 有多强:日常任务和长程编码分开看

Hy4 flash 有多强:日常任务和长程编码分开看

作者注:本文按任务拆解 Hy4 flash 的规格、人工盲测、WorkIndex 和附录分数。结论是:幻灯片共写、Markdown、视觉问答、电脑操作等日常任务可以考虑它;复杂 PPT 修复、终端长任务和长程软件工程,仍然建议用 Hy4 或 DeepSeek-V4.1-Flash-1017。

先给结论。如果你要为日常办公或轻量 Agent 选模型,Hy4 flash 适合幻灯片共写、Markdown 共写、视觉问答和电脑操作这类日常任务。修复复杂 PPT、跑终端长任务、做长程软件工程时,不建议从 Hy4 或 DeepSeek-V4.1-Flash-1017 换过来。

腾讯混元在 2026-11-16 发布了研究页和官方帖,称 Hy4 flash 在日常工作的人工盲测中接近 Claude Haiku 5.5,任务成本低得多。这不是“一个便宜模型通吃”的故事。 同一份研究页的附录显示,它在终端和长程编码基准上明显落后于 Hy4。本文引用的盲测、WorkIndex、附录和产品证言,全部是腾讯官方自报或研究页原文,没有第三方复现。

核心价值:读完本文,你会得到一张按任务划分的选择表,并清楚 Hy4 flash 强在哪里、弱在哪里、什么情况下不该换。

hy4-flash-review-daily-tasks-vs-haiku-long-coding-hy4-image-0


Hy4 flash 有多强:先看按任务分的选择

下表按任务类型整理,依据是研究页的推荐用途和附录分数。“倾向选择”只是选型判断,不代表某个模型在该类任务上全面领先。

任务类型 倾向选择 依据(研究页原文/附录)
人机共写幻灯片 Hy4 flash PPTCoEditBench 74.0,Hy4 为 78.9,单任务成本约为 Hy4 的 1/16
Markdown 人机共写 Hy4 flash MdCoEditBench 56.9,与 Hy4 的 57.7 接近,明显高于 DeepSeek 的 29.2
视觉问答(无工具) Hy4 flash 可用,不是最高 BuddyVQA 48.5,高于 DeepSeek 的 43.7,低于 Hy4 的 55.5
电脑操作 Hy4 flash 可用 OSWorld 2.1 为 68.1,与 DeepSeek 的 68.4 接近,Hy4 为 78.9
修复复杂 PPT Hy4 或 DeepSeek-V4.1-Flash-1017 PPTFixBench 23.7,Hy4 为 45.6,DeepSeek 为 45.3
终端长任务 Hy4 或 DeepSeek-V4.1-Flash-1017 Terminal-Bench 4.0 仅 19.2,Hy4 为 44.4
长程软件工程 Hy4 研究页明确建议,ProgramBench 16.0 对 Hy4 的 30.0

这张表的思路很简单。交付物短、来回轮次多、对成本敏感的任务,交给 Hy4 flash。步骤链长、需要持续推理和反复修复的任务,交给智能上限更高的模型。研究页自己也这样建议:深度搜索、文档处理、做幻灯片、简单前端 demo 和电脑操作用 Hy4 flash,长程软件工程继续用 Hy4。

Hy4 flash 选型里最容易踩的坑

最常见的误读,是把“接近 Haiku”理解成“全面胜过 Haiku”。盲测里 Hy4 flash 的满意度比 Haiku 低 0.02 分,研究页用的词是 close to。第二个误读,是把几组成本倍数混在一起。WorkIndex 的 1/8、1/13、1/20 是一套口径,盲测表里的人民币单任务成本是另一套,二者不能互相替换。


Hy4 flash 核心功能与规格

研究页给出的规格如下。它没有给出 API 模型 ID,所以本文不编造型号名。要调用的话,以腾讯云 TokenHub 控制台显示的名称为准。

项目 Hy4 flash(研究页原文)
总参数 224B,其中 64B 为 Engram 参数
每 token 激活 12B
模态 原生多模态,与 Hy4 相同
上下文 1M token
KV cache Hy3 的 1/24,Hy4 的 1/6
解码速度 超过 150 tokens/s
渠道 腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis;OpenRouter 即将上线
权重 计划开源,页面未说明已放出

Hy4 flash 的训练与推理路线

预训练阶段用了 hybrid attention、LatentMoE 和 Engram 三项设计,这是 KV cache 大幅缩小的主要原因。后训练从 Hy4 自蒸馏,再用强化学习把端到端平均输出 token 减少了 50%。对日常办公来说,这一点很关键:任务成本不只取决于单价,还取决于模型说了多少话、走了多少步。

推理侧用了 megakernel、4-bit 量化和 DFly,研究页称解码速度超过 150 tokens/s。评测方面,腾讯没有用公开榜名次说话,而是自建了 WorkIndex,并配合人工评测。考察的是交付质量、单轮输出长度和任务耗时。这个口径更接近“能不能把活干完、花多少钱”,但它是腾讯内部集,外部无法直接复现。

hy4-flash-review-daily-tasks-vs-haiku-long-coding-hy4-image-1


Hy4 flash 实测数据一:人工盲测对比 Haiku

“接近 Haiku”这个说法来自人工盲测。研究页称参与者是 85 名内部 WorkBuddy 用户,覆盖 259 个任务、27 个类别。以下数据为腾讯官方自报。

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

读这张表要注意三点。第一,满意度最高的是 DeepSeek-V4.1-Flash-1017 的 3.09,不是 Hy4 flash。第二,Hy4 flash 比 Haiku 低 0.02 分,只能说接近,不能说超过。第三,外部模型用的都是 high 档,而 Hy4 flash 这一行没有标注档位。

Hy4 flash 的真正优势在时间和成本。它的中位完成时间最短,单任务成本是表中最低。官方帖里说的“18 倍任务成本降幅”,就是 4.73 元除以 0.26 元,约等于 18.2,比较对象是 Haiku。这个倍数不适用于 DeepSeek,也不适用于 Hy4。


Hy4 flash 实测数据二:WorkIndex 成本口径

研究页对 WorkIndex 的总体判断是:Hy4 flash 的整体任务表现略高于 Hy4 preview。单任务平均成本方面,它是 Hy4 preview 的 1/13、Hy4 的 1/20,以及 DeepSeek-V4.1-Flash-1017(Max 档、高峰价)的 1/8。

这三个比例只属于 WorkIndex。WorkIndex 由 8 个内部集组成,覆盖幻灯片生成、幻灯片编辑、人机共写幻灯片、Markdown 人机共写、文档编辑、表格修复、音视频处理和视觉理解。它和上面那张 85 人盲测表是两套任务、两套成本算法。所以不能拿 1/8 去套盲测表里 DeepSeek 的 1.20 元,也不能拿 18 倍去套 WorkIndex。

“略高于 Hy4 preview”同样要谨慎理解。它说明 Hy4 flash 在日常活上追上了上一代预览版,不代表追上了正式版 Hy4。下一节的附录会把这段差距展示出来。


Hy4 flash 实测数据三:附录中对 Hy4 与 preview 的落差

研究页附录列出了 Hy4 flash、Hy4、Hy4 preview、DeepSeek-V4.1-Flash-1017、Qwen3.8-Flash-Next、GLM-5.3-Flash 和 GPT-6 Luna 的分数,以及按人民币计的单任务成本。下表只摘出与选型最相关的四列。所有模型都取各自的最高推理档,内部 buddy index 在 workbuddy cli 上评测。Claude Haiku 5.5 不在这张表中,因此不要用它推断 Haiku 的分数。

基准(研究页附录原文) Hy4 flash Hy4 Hy4 preview DeepSeek-V4.1-Flash-1017
PPTCoEditBench 74.0 78.9 71.5 76.8
MdCoEditBench 56.9 57.7 49.2 29.2
AutomationBench v1.0.6 52.2 56.2 36.3 54.3
OSWorld 2.1(Full, partial) 68.1 78.9 无 68.4
PPTFixBench 23.7 45.6 23.8 45.3
ExcelFixBench 15.6 27.8 11.7 20.0
DeepSWE v1.1 64.6 74.9 64.3 73.8
ProgramBench(almost solved) 16.0 30.0 17.5 29.0
Terminal-Bench 4.0 19.2 44.4 26.3 40.0

对比 preview,Hy4 flash 在共写类和自动化类任务上大多持平或更高。MdCoEditBench 从 49.2 提到 56.9,AutomationBench 从 36.3 提到 52.2。但在 PPTFixBench 和 DeepSWE 上,它与 preview 基本持平。在 ProgramBench 和 Terminal-Bench 4.0 上,它甚至低于 preview。

对比正式版 Hy4,差距随任务难度拉大。共写类只差几分,修复类和终端类则差一倍左右。成本方面,Hy4 flash 在 PPTCoEditBench 上每任务约 0.105 元,Hy4 约 1.714 元。这些人民币按各模型官方价、1 美元兑 7.2 人民币计算,其中 DeepSeek 用的是高峰价。它们是腾讯制表用的数字,不能当作你的实际账单。

hy4-flash-review-daily-tasks-vs-haiku-long-coding-hy4-image-2

Hy4 flash 短板:Terminal-Bench 4.0 与 ProgramBench

这两项必须单独说明,因为它们正是 Hy4 flash 的短板。Terminal-Bench 4.0 上,Hy4 flash 只有 19.2,Hy4 是 44.4,DeepSeek-V4.1-Flash-1017 是 40.0,连 preview 的 26.3 都比它高。该项使用 Claude Code harness,最多 500 轮,单次最长 13 小时。这类长链条终端任务,恰恰最依赖模型的智能上限。

ProgramBench 的 almost solved 指标上,Hy4 flash 是 16.0,Hy4 是 30.0,DeepSeek 是 29.0。研究页自己也写明,长程软件工程应继续用 Hy4。WorkBuddy 的证言中也提到“长程编码略降”。如果你的 Agent 主要在终端里改代码、跑测试、反复修复,就不要因为单价低而换成 Hy4 flash。


Hy4 flash 产品方证言:各家各说各的

研究页附有多家内部产品的证言。以下均为产品方自述,各自的对照对象和口径不同,不能合并成“全面领先”的结论。

  • WorkBuddy(Anne):相对 Hy4,平均任务时间少 70%,成本约为 1/15;日常任务质量与 Hy4 相当,长程编码略降。这个 1/15 是 WorkBuddy 自己的评估,与 WorkIndex 的 1/20 不是同一个数。
  • 元宝(Logan):相对 Hy3,agent 表现高 13.6%,人工 side-by-side 高 7.56%;通用对话比 GLM-5.3-Flash 高 2.52%,多轮对话提升最明显。
  • 微信支付(Yilin 与 Simba):相对 DeepSeek-V4.1-Flash-1017,四条工作流的平均分持平或更高,执行步数约少 6%,单轮输出长度约少 29%;静态代码扫描完成时间少 37%,token 少 46%,推理表现持平。
  • 企业微信(Dylan):相对 Hy4,输出速度高 88%,思考模式输出 token 约少 60%。
  • 王者荣耀(TH):相对 DeepSeek-V4.1-Flash-1017 和 GLM-5.3-Flash,根因定位能力接近,模型请求少 22.0% 到 39.1%,token 少 40.5% 到 61.2%;但工具调用分别多 51.2% 和 7.7%。
  • ima(Kaycee):相对上述两家,平均等待少 18% 到 35%,回复评分高 1.8%,内容质量高 8.1%。
  • QQ(Red 与 Look):相对 DeepSeek-V4.1-Flash(原文未写 1017),多个场景的满意回复率高 0.92 到 6.16 个百分点;频道助手的意图分类准确率持平,P90 评论延迟少 39%。
  • Marvis(Baihan):相对 DeepSeek-V4.1-Flash-1017,装应用、系统设置、文档研究等细分项的满意度更高,总体满意度持平。

这些证言的共同点是“更快、更省 token、质量持平或略好”,对照场景大多是对话、客服、工作流和日常 Agent。没有一家拿它去做长程软件工程并声称更好。这与附录的结论一致。


Hy4 flash 价格与协议:怎么查型号、怎么对价

研究页刊例(美元每百万 token):Hy4 flash 缓存输入 0.003、输入 0.070、输出 0.281;Hy4 分别为 0.042、0.834、2.501。到 2026-11-30 之前,腾讯云 TokenHub 的 API 打五折,WorkBuddy 内可免费使用。研究页没有单独列出折后价。如果按刊例除以 2 推算,输入约 0.035、输出约 0.1405;11 月 30 日之后恢复刊例价。

在 API易 上,Hy4 flash 暂未上架,我们会尽快上架这个模型;型号与价格以平台型号列表为准。目前平台上的 hy4 是正式版 Hy4,不是 flash。下表把已上架型号的 API易 总表价与官方价分开列出(美元每百万 token,顺序为输入、输出、缓存读)。

型号 API易 总表价(apiyi.com 型号列表) 官方/研究页价 端点
Hy4 flash 暂未上架 0.070 / 0.281 / 0.003(研究页刊例) —
hy4 0.85 / 2.55 / 0.045 0.834 / 2.501 / 0.042(研究页刊例) chat
deepseek-v4.1-flash-1017 0.30 / 1.20 / 0.006 高峰 0.30 / 1.20 / 0.006;空闲减半 chat、messages
claude-haiku-5-5 0.10 / 0.50 / 0.01 ≤10 万 token:0.10 / 0.50 / 0.01;>10 万:0.50 / 2.50 / 0.05 chat、messages
glm-5.3-flash 0.15 / 0.50 / 0.03 — 仅 Chat Completions

几个细节要单独说明。DeepSeek 在 API易 上的 deepseek-v4.1-flash、deepseek-v4.1-flash-1017 和 deepseek-flash 三个名字价格相同,对应官方高峰价;deepseek-v4-1-flash-260910 和 deepseek-v4-1-flash-economy-261017 是另外的通道,价格不同,不能代表整个 V4.1 Flash 系列。Haiku 在官方规则中,提示超过 10 万 token 时整次请求都按高档计费;API易 总表脚注只写了输入第二档 0.50,长提示任务调用前请在 apiyi.com 型号页确认输出档位。

已上架的型号用 apiyi.com 的密钥调用。请求发到 https://api.apiyi.com/v1,按 OpenAI 兼容格式填写 base_url 和 model,例如 hy4 或 deepseek-v4.1-flash-1017。需要 Anthropic Messages 格式时,选择支持 messages 端点的型号。glm-5.3-flash 只支持 Chat Completions,deepseek-v4.1-flash-1017 不在 CodexResponses 分组中,接入 Codex 类工具前要先核对分组。


Hy4 flash 优缺点分析

优势

  • 日常任务性价比高:盲测满意度接近 Haiku,单任务成本 0.26 元,约为 Haiku 的 1/18(官方自报)。
  • 速度快:盲测中位完成时间最短;研究页称解码超过 150 tokens/s。
  • 输出精简:强化学习后平均输出 token 减半,多家产品证言也提到 token 和步数减少。
  • 共写类能力扎实:Markdown 共写与 Hy4 几乎持平,幻灯片共写差距只有几分。

局限

  • 终端与长程编码弱:Terminal-Bench 4.0 和 ProgramBench 明显落后于 Hy4,甚至低于 preview。这类任务请继续用 Hy4 或 DeepSeek-V4.1-Flash-1017。
  • 修复类任务吃力:PPTFixBench、ExcelFixBench 只有 Hy4 的一半左右。修复复杂文档时,不建议用它替换原有模型。
  • 证据来源单一:WorkIndex 是内部集,盲测参与者是内部用户,目前没有第三方复现,模型 ID 也尚未在研究页给出。
  • 视觉不是最强项:BuddyVQA 和 MMMU-Pro 都不是表中最高,适合“够用”的视觉问答场景。

常见问题 FAQ

Q1:Hy4 flash 是什么?

Hy4 flash 是腾讯混元于 2026-11-16 发布的轻量模型,总参数 224B,每 token 激活 12B,原生多模态,上下文 1M。它从 Hy4 自蒸馏而来,定位是日常生产力任务。

Q2:Hy4 flash 真的比 Claude Haiku 5.5 强吗?

不能这么说。官方盲测中,它的满意度为 2.79,Haiku 为 2.81,研究页用的词是“接近”。它的优势在于完成时间略短、单任务成本低得多。此外,盲测满意度最高的是 DeepSeek-V4.1-Flash-1017。

Q3:Hy4 flash 什么时候可以用?

研究页显示,它已在腾讯云 TokenHub、WorkBuddy、元宝等渠道提供,OpenRouter 即将上线。WorkBuddy 内免费、TokenHub API 五折的优惠截至 2026-11-30。权重计划开源,但目前尚未放出。

Q4:哪些任务不该从 Hy4 换成 Hy4 flash?

终端长任务、长程软件工程、复杂 PPT 和表格修复。附录中这几类任务的分数大约只有 Hy4 的一半,研究页也建议长程软件工程继续用 Hy4。

Q5:现在能通过 API易 调用 Hy4 flash 吗?

暂时不能,平台目前只有正式版 `hy4`,上架后请以 apiyi.com 型号列表中的名称和价格为准。在此之前,可以先用同一个密钥调用 `hy4`、`deepseek-v4.1-flash-1017` 和 `claude-haiku-5-5`,搭建好对比流程。

Q6:盲测的 18 倍和 WorkIndex 的 1/20 能互相换算吗?

不能。18 倍来自盲测表中 Haiku 与 Hy4 flash 的人民币单任务成本之比;1/8、1/13、1/20 来自 WorkIndex,对照对象分别是 DeepSeek、Hy4 preview 和 Hy4。WorkBuddy 证言中的 1/15 又是另一套评估。三者的任务集和成本口径都不同。


Hy4 flash 核心要点 Key Takeaways

  • 定位清晰:Hy4 flash 是面向日常办公与轻量 Agent 的低成本模型。
  • 接近而非超过:盲测满意度 2.79,Haiku 为 2.81,DeepSeek 为 3.09 最高。
  • 成本口径分开看:18 倍对应 Haiku,1/20 对应 WorkIndex 中的 Hy4。
  • 共写类可直接用:Markdown 与幻灯片共写接近 Hy4。
  • 明确短板:Terminal-Bench 4.0 得分 19.2,ProgramBench 得分 16.0。
  • 接入状态:API易 暂未上架 Hy4 flash,已上架型号统一走 OpenAI 兼容接口。

总结

Hy4 flash 有多强,取决于你交给它什么任务:

  1. 日常任务:幻灯片共写、Markdown、视觉问答、电脑操作,它能以很低的成本给出接近 Haiku 的满意度(官方盲测)。
  2. 复杂任务:复杂 PPT 修复、终端长任务、长程软件工程,它与 Hy4 差距明显,应继续用 Hy4 或 DeepSeek-V4.1-Flash-1017。
  3. 证据性质:所有数据都来自腾讯官方自报,适合作为选型参考,上线前仍需用你自己的任务验证。

比较务实的做法是按任务分流:把日常任务的流量先切一部分到 Hy4 flash,长程任务保持不变。Hy4 flash 在 API易 上架后,可以在 apiyi.com 上用同一个密钥对比它与 hy4、deepseek-v4.1-flash-1017 的实际表现。


📚 参考资料

  1. 腾讯混元 Hy4 flash 研究页:规格、盲测、WorkIndex、附录与产品证言

    • 链接:hy.tencent.ai/research/hy4-flash
    • 说明:本文全部评测数据的原始出处,页面日期为 2026-11-16
  2. 腾讯混元官方发布帖:18 倍任务成本与 API 刊例价

    • 链接:x.com/TencentHunyuan/status/2122217770314301469
    • 说明:官方对外口径,比较对象为 Claude Haiku 5.5
  3. DeepSeek 官方定价页:V4.1 Flash 高峰与空闲价格

    • 链接:api-docs.deepseek.com/quick_start/pricing
    • 说明:可查看高峰时段的定义与调用名对应关系
  4. Claude Haiku 5.5 官方文档:模型 ID 与两档计费规则

    • 链接:platform.claude.com/docs/en/models/haiku-5-5/overview
    • 说明:说明了提示超过 10 万 token 时按整次请求计价的规则

作者:APIYI 技术团队
技术交流:欢迎在 API易 网站首页联系我们,型号与端点说明可查阅 docs.apiyi.com 文档中心

延伸阅读

类似文章