著者注:本記事ではタスクごとに Hy4 flash の仕様、人手によるブラインドテスト、WorkIndex、付録のスコアを分解します。結論として、スライド共同作成、Markdown、視覚質問応答、コンピューター操作などの日常タスクでは検討できます。一方、複雑なPPTの修復、ターミナルでの長時間タスク、長期間にわたるソフトウェアエンジニアリングでは、引き続き Hy4 または DeepSeek-V4.1-Flash-1017 を使うことをおすすめします。
まず結論から。日常業務や軽量エージェント向けにモデルを選ぶなら、Hy4 flash はスライド共同作成、Markdown 共同作成、視覚質問応答、コンピューター操作といった日常タスクに適しています。複雑なPPTの修復、ターミナルでの長時間タスク、長期間にわたるソフトウェアエンジニアリングを行う場合、Hy4 または DeepSeek-V4.1-Flash-1017 から乗り換えることはおすすめしません。
Tencent Hunyuan は 2026-11-16 に研究ページと公式投稿を公開し、Hy4 flash が日常業務の人手によるブラインドテストで Claude Haiku 5.5 に近い性能を示し、タスクコストははるかに低いと述べました。これは「安価なモデルがすべてをこなす」という話ではありません。 同じ研究ページの付録では、ターミナルおよび長期的なコーディングのベンチマークで Hy4 に大きく劣ることが示されています。本記事で引用するブラインドテスト、WorkIndex、付録、製品の証言はすべて、Tencent の公式自己申告または研究ページの原文であり、第三者による再現結果ではありません。
本記事の核心:読み終えると、タスク別の選択表が手に入り、Hy4 flash がどこに強く、どこに弱いのか、どのような場合に乗り換えるべきでないのかが明確になります。

Hy4 flash はどれほど強力か:まずタスク別の選択肢を見る
下表はタスク種別ごとに整理したもので、根拠は研究ページの推奨用途と付録のスコアです。「傾向選択」はあくまでモデル選定の判断であり、あるモデルがその種別のタスクで全面的に優れているという意味ではありません。
| タスク種別 | 傾向選択 | 根拠(研究ページ原文/付録) |
|---|---|---|
| 人と共同でスライド作成 | Hy4 flash | PPTCoEditBench 74.0、Hy4 は 78.9、1タスクあたりのコストは Hy4 の約 1/16 |
| Markdown の共同編集 | Hy4 flash | MdCoEditBench 56.9、Hy4 の 57.7 に近く、DeepSeek の 29.2 を大きく上回る |
| 視覚的質問応答(ツールなし) | Hy4 flash は利用可能だが最高ではない | BuddyVQA 48.5、DeepSeek の 43.7 を上回るが、Hy4 の 55.5 を下回る |
| コンピュータ操作 | Hy4 flash は利用可能 | OSWorld 2.1 は 68.1、DeepSeek の 68.4 に近く、Hy4 は 78.9 |
| 複雑な PPT の修正 | Hy4 または DeepSeek-V4.1-Flash-1017 | PPTFixBench 23.7、Hy4 は 45.6、DeepSeek は 45.3 |
| ターミナルでの長いタスク | Hy4 または DeepSeek-V4.1-Flash-1017 | Terminal-Bench 4.0 はわずか 19.2、Hy4 は 44.4 |
| 長期にわたるソフトウェアエンジニアリング | Hy4 | 研究ページで明確に推奨、ProgramBench は 16.0、Hy4 は 30.0 |
この表の考え方はシンプルです。成果物が短く、やり取りの回数が多く、コストに敏感なタスクは Hy4 flash に任せます。ステップの連鎖が長く、継続的な推論と繰り返しの修正が必要なタスクは、知能の上限がより高いモデルに任せます。研究ページ自体もこう提案しています。ディープサーチ、文書処理、スライド作成、簡単なフロントエンドデモ、コンピュータ操作には Hy4 flash を使い、長期的なソフトウェアエンジニアリングには引き続き Hy4 を使う、という方針です。
Hy4 flash の選定で最もつまずきやすいポイント
最もよくある誤読は、「Haiku に近い」を「Haiku を全面的に上回る」と解釈してしまうことです。ブラインドテストでは Hy4 flash の満足度は Haiku より 0.02 ポイント低く、研究ページで使われている表現は close to です。2つ目の誤読は、複数のコスト倍率を同じ土俵で混同してしまうことです。WorkIndex の 1/8、1/13、1/20 はひとつの基準で、ブラインドテスト表にある人民元建ての1タスクあたりのコストは別の基準であり、両者を相互に置き換えることはできません。
Hy4 flash のコア機能と仕様
研究ページに記載されている仕様は次のとおりです。API のモデル ID は示されていないため、本記事では型番名を推測して記載することはしません。実際に呼び出す際は、Tencent Cloud TokenHub コンソールに表示される名称を基準にしてください。
| 項目 | Hy4 flash(研究ページ原文) |
|---|---|
| 総パラメータ数 | 224B(うち 64B は Engram パラメータ) |
| トークンあたりのアクティブ数 | 12B |
| モダリティ | ネイティブ・マルチモーダル(Hy4 と同じ) |
| コンテキスト | 1M トークン |
| KV cache | Hy3 の 1/24、Hy4 の 1/6 |
| デコード速度 | 150 トークン/s 超 |
| 提供チャネル | Tencent Cloud TokenHub、WorkBuddy、元宝、WeCom、QQ、ima、Marvis。OpenRouter は近日公開予定 |
| ウェイト | オープンソース化を計画中(ページに公開済みとの記載はなし) |
Hy4 flash のトレーニングと推論の道筋
事前トレーニング段階では hybrid attention、LatentMoE、Engram という3つの設計を採用しており、これが KV cache を大幅に削減できた主な理由です。事後トレーニングは Hy4 からの自己蒸留で行い、さらに強化学習によってエンドツーエンドの平均出力トークン数を 50% 削減しました。日常的なオフィスワークにとって、この点は非常に重要です。タスクのコストは単価だけで決まるのではなく、モデルがどれだけ話すか、どれだけステップを踏むかによっても左右されるからです。
推論側では megakernel、4-bit 量子化、DFly を採用し、研究ページではデコード速度が 150 tokens/s を超えるとしています。評価の面では、Tencent は公開ベンチマークの順位で語るのではなく、独自の WorkIndex を構築し、人手による評価も組み合わせています。見ているのは成果物の品質、1ラウンドあたりの出力長、タスクの所要時間です。この評価基準は「仕事を最後までやり切れるか、いくらかかるか」に近いものですが、Tencent 社内のデータセットであるため、外部から直接再現することはできません。

Hy4 flash 実測データ1:人手によるブラインドテストでHaikuと比較
「Haikuに近い」という評価は、人手によるブラインドテストに基づくものです。研究ページによると、参加者は社内のWorkBuddyユーザー85名で、259タスク・27カテゴリを対象にしています。以下のデータはTencent公式の自己申告によるものです。
| モデル | 満足度(4点満点) | エンドツーエンド時間の中央値 | タスクあたりのコスト(人民元) |
|---|---|---|---|
| DeepSeek-V4.1-Flash-1017 | 3.09 | 10.3分 | 1.20元 |
| Hy4 flash | 2.79 | 6.7分 | 0.26元 |
| Claude-Haiku-5.5 | 2.81 | 6.8分 | 4.73元 |
| GLM-5.3-Flash | 2.53 | 7.6分 | 0.81元 |
この表を読む際は3点に注意してください。第一に、満足度が最も高いのはDeepSeek-V4.1-Flash-1017の3.09で、Hy4 flashではありません。第二に、Hy4 flashはHaikuより0.02点低く、「近い」とは言えても「上回る」とは言えません。第三に、外部モデルはいずれもhighティアを使用していますが、Hy4 flashの行にはティアの記載がありません。
Hy4 flashの真の強みは時間とコストにあります。完了までの中央値が最も短く、タスクあたりのコストは表中で最低です。公式投稿にある「タスクコストが18分の1」という表現は、4.73元を0.26元で割った約18.2に基づいており、比較対象はHaikuです。この倍率はDeepSeekにもHy4にも当てはまりません。
Hy4 flash 実測データその2:WorkIndex のコスト基準
研究ページにおける WorkIndex に対する総合的な評価は次のとおりです。Hy4 flash の全体的なタスク性能は、Hy4 preview をわずかに上回ります。1タスクあたりの平均コストでは、Hy4 preview の 1/13、Hy4 の 1/20、そして DeepSeek-V4.1-Flash-1017(Max ティア、ピーク時価格)の 1/8 になります。
これら3つの比率は WorkIndex にのみ当てはまるものです。WorkIndex は8つの内部セットで構成され、スライド生成、スライド編集、人間とAIによる共同スライド作成、Markdown の共同執筆、ドキュメント編集、表の修正、音声・動画処理、視覚理解をカバーしています。これは前述の85人によるブラインドテストの表とは、タスクもコスト算出方法も異なる別物です。そのため、1/8 をブラインドテスト表にある DeepSeek の 1.20 元に当てはめることはできませんし、18倍を WorkIndex に当てはめることもできません。
「Hy4 preview をわずかに上回る」という点も、慎重に理解する必要があります。これは Hy4 flash が日常的なタスクにおいて前世代のプレビュー版に追いついたことを示すものであり、正式版の Hy4 に追いついたことを意味するものではありません。次の節の付録で、この差を示します。
Hy4 flash 実測データ 3:付録に見る Hy4 と preview の差
研究ページの付録には、Hy4 flash、Hy4、Hy4 preview、DeepSeek-V4.1-Flash-1017、Qwen3.8-Flash-Next、GLM-5.3-Flash、GPT-6 Luna のスコアと、人民元建てのタスクあたりコストが掲載されています。次の表は、モデル選定に最も関係する4列だけを抜き出したものです。すべてのモデルはそれぞれの最高推論モードを選択し、内部 buddy index を workbuddy cli 上で評価しています。Claude Haiku 5.5 はこの表に含まれていないため、この表から Haiku のスコアを推測しないでください。
| ベンチマーク(研究ページ付録の原文) | 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 | なし | 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 |
preview と比べると、Hy4 flash は共書き系と自動化系のタスクでおおむね同等か、それ以上です。MdCoEditBench は 49.2 から 56.9 へ、AutomationBench は 36.3 から 52.2 へと上がっています。一方、PPTFixBench と DeepSWE では preview とほぼ横並びです。ProgramBench と Terminal-Bench 4.0 では、preview よりも低い結果になっています。
正式版 Hy4 と比べると、タスクが難しくなるほど差が開きます。共書き系はわずか数点の差ですが、修正系とターミナル系ではおよそ2倍の差がつきます。コスト面では、Hy4 flash が PPTCoEditBench で1タスクあたり約 0.105 元、Hy4 が約 1.714 元です。これらの人民元は各モデルの公式価格をもとに、1ドル=7.2人民元で換算したもので、DeepSeek についてはピーク時の価格を使っています。あくまでテンセントが表作成に用いた数字であり、実際の請求額として扱うことはできません。

Hy4 flash の弱点:Terminal-Bench 4.0 と ProgramBench
この2項目は、まさに Hy4 flash の弱点であるため、個別に説明する必要があります。Terminal-Bench 4.0 では、Hy4 flash はわずか19.2、Hy4 は44.4、DeepSeek-V4.1-Flash-1017 は40.0で、preview の26.3でさえそれを上回っています。この項目では Claude Code harness を使用し、最大500ターン、1回あたり最長13時間です。このような長いチェーンを要するターミナルタスクは、まさにモデルの知能の上限に最も依存します。
ProgramBench の almost solved 指標では、Hy4 flash は16.0、Hy4 は30.0、DeepSeek は29.0です。研究ページ自体にも、長期的なソフトウェアエンジニアリングには引き続き Hy4 を使うべきだと明記されています。WorkBuddy の証言でも「長期的なコーディングはやや低下する」と述べられています。もしあなたの Agent が主にターミナルでコードを修正し、テストを実行し、繰り返し修正を行うのであれば、単価が低いからといって Hy4 flash に切り替えるべきではありません。
Hy4 flash 製品側の証言:各社それぞれの主張
研究ページには、複数の社内製品からの証言が掲載されています。以下はすべて製品側の自己申告であり、それぞれ比較対象や基準が異なるため、「全面的に優位」という結論にまとめることはできません。
- WorkBuddy(Anne):Hy4 と比較して、平均タスク時間は70%短縮、コストは約1/15。日常タスクの品質は Hy4 と同等で、長期的なコーディングはやや低下します。この1/15は WorkBuddy 独自の評価であり、WorkIndex の1/20とは同じ数値ではありません。
- 元宝(Logan):Hy3 と比較して、agent のパフォーマンスは13.6%高く、人手による side-by-side 評価は7.56%高い。汎用対話は GLM-5.3-Flash より2.52%高く、マルチターン対話の向上が最も顕著です。
- 微信支付(Yilin と Simba):DeepSeek-V4.1-Flash-1017 と比較して、4つのワークフローの平均スコアは同等またはより高く、実行ステップ数は約6%少なく、1ターンあたりの出力長は約29%短い。静的コードスキャンの完了時間は37%短縮、token は46%少なく、推論性能は同等です。
- 企业微信(Dylan):Hy4 と比較して、出力速度は88%高く、思考モードの出力 token は約60%少ないです。
- 王者荣耀(TH):DeepSeek-V4.1-Flash-1017 および GLM-5.3-Flash と比較して、根本原因の特定能力は近く、モデルリクエストは22.0%から39.1%少なく、token は40.5%から61.2%少ない。ただし、ツール呼び出しはそれぞれ51.2%と7.7%多いです。
- ima(Kaycee):上記2社と比較して、平均待ち時間は18%から35%短く、返信スコアは1.8%高く、コンテンツ品質は8.1%高いです。
- QQ(Red と Look):DeepSeek-V4.1-Flash(原文には 1017 と記載されていない)と比較して、複数シナリオでの満足できる返信率は0.92から6.16ポイント高い。チャンネルアシスタントの意図分類精度は同等で、P90 コメント遅延は39%短いです。
- Marvis(Baihan):DeepSeek-V4.1-Flash-1017 と比較して、アプリのインストール、システム設定、ドキュメント調査などの細分化項目の満足度はより高く、総合満足度は同等です。
これらの証言に共通するのは「より速く、token をより節約し、品質は同等かやや良い」という点で、比較対象のシナリオの大半は対話、カスタマーサポート、ワークフロー、日常的な Agent です。長期的なソフトウェアエンジニアリングに使って、より良いと主張した企業は1社もありません。これは付録の結論と一致しています。
Hy4 flash の価格と利用条件:モデルの調べ方と料金の照合方法
研究ページの表示価格(100万トークンあたりの米ドル)では、Hy4 flash はキャッシュ入力 0.003、入力 0.070、出力 0.281、Hy4 は同じ順に 0.042、0.834、2.501 です。2026年11月30日までは、Tencent Cloud TokenHub の API が半額になり、WorkBuddy 内では無料で利用できます。研究ページには割引後の価格が個別に示されていません。表示価格を2で割って試算すると、入力は約 0.035、出力は約 0.1405 になります。11月30日以降は表示価格に戻ります。
APIYI では Hy4 flash はまだ提供されていません。このモデルはできるだけ早く追加する予定です。モデルと価格はプラットフォームのモデル一覧に準じます。現在プラットフォーム上の hy4 は正式版 Hy4 であり、flash ではありません。以下の表では、提供済みモデルの APIYI 一覧表価格と公式価格を分けて記載しています(100万トークンあたりの米ドル、入力・出力・キャッシュ読み取りの順)。
| モデル | APIYI 一覧表価格(apiyi.com モデル一覧) | 公式/研究ページの価格 | エンドポイント |
|---|---|---|---|
| Hy4 flash | 未提供 | 0.070 / 0.281 / 0.003(研究ページの表示価格) | — |
hy4 |
0.85 / 2.55 / 0.045 | 0.834 / 2.501 / 0.042(研究ページの表示価格) | chat |
deepseek-v4.1-flash-1017 |
0.30 / 1.20 / 0.006 | ピーク時 0.30 / 1.20 / 0.006;オフピーク時は半額 | chat、messages |
claude-haiku-5-5 |
0.10 / 0.50 / 0.01 | 10万トークン以下:0.10 / 0.50 / 0.01;10万トークン超:0.50 / 2.50 / 0.05 | chat、messages |
glm-5.3-flash |
0.15 / 0.50 / 0.03 | — | Chat Completions のみ |
いくつかの点は個別に補足します。APIYI 上の deepseek-v4.1-flash、deepseek-v4.1-flash-1017、deepseek-flash という3つの名前は同じ価格で、公式のピーク時価格に相当します。deepseek-v4-1-flash-260910 と deepseek-v4-1-flash-economy-261017 は別チャネルであり、価格も異なるため、V4.1 Flash シリーズ全体を代表するものではありません。Haiku は公式ルールでは、プロンプトが10万トークンを超えるとリクエスト全体が上位料金で課金されます。APIYI 一覧表の脚注には入力の第2段階 0.50 しか記載されていないため、長いプロンプトのタスクを呼び出す前に apiyi.com のモデルページで出力の料金段階を確認してください。
提供済みのモデルは apiyi.com の APIキーで呼び出します。リクエストは https://api.apiyi.com/v1 に送信し、OpenAI 互換形式で base_url と model を指定します(例:hy4、deepseek-v4.1-flash-1017)。Anthropic Messages 形式が必要な場合は、messages エンドポイントに対応するモデルを選択してください。glm-5.3-flash は Chat Completions のみに対応し、deepseek-v4.1-flash-1017 は CodexResponses グループに含まれないため、Codex 系ツールに接続する前にグループを確認してください。
Hy4 flash のメリット・デメリット分析
強み
- 日常タスクのコストパフォーマンスが高い:ブラインドテストでの満足度は Haiku に近く、1タスクあたりのコストは0.26元で、Haiku の約1/18(公式の自己申告)です。
- 高速:ブラインドテストでは完了時間の中央値が最短です。研究ページでは、デコード速度が150 tokens/sを超えるとされています。
- 出力が簡潔:強化学習後、平均出力token数が半減しました。複数製品の証言でも、token数とステップ数の削減が言及されています。
- 共同執筆系の能力が堅実:Markdown の共同執筆は Hy4 とほぼ同等で、スライドの共同執筆も差はわずか数ポイントです。
制約
- ターミナルと長期的なコーディングが弱い:Terminal-Bench 4.0 と ProgramBench では Hy4 に大きく劣り、preview よりも低い結果です。この種のタスクでは、引き続き Hy4 または DeepSeek-V4.1-Flash-1017 を使用してください。
- 修正系タスクが苦手:PPTFixBench と ExcelFixBench は Hy4 の約半分にとどまります。複雑な文書の修正では、既存モデルの置き換えにはおすすめしません。
- 証拠ソースが単一:WorkIndex は社内データセットで、ブラインドテストの参加者も社内ユーザーです。現時点で第三者の再現はなく、モデル ID も研究ページにはまだ掲載されていません。
- 視覚は最も得意な分野ではない:BuddyVQA と MMMU-Pro はいずれも表中で最高ではありません。「十分に実用的」な視覚質問応答シーンに適しています。
よくある質問 FAQ
Q1:Hy4 flash とは何ですか?
Hy4 flash は、Tencent Hunyuan が 2026-11-16 にリリースした軽量モデルです。総パラメータ数は 224B、トークンあたり 12B を活性化し、ネイティブマルチモーダルで、コンテキストウィンドウは 1M です。Hy4 からの自己蒸留によって生まれ、日常的な生産性タスクを担う位置づけです。
Q2:Hy4 flash は本当に Claude Haiku 5.5 より強いのですか?
そうとは言えません。公式のブラインドテストでは、満足度は 2.79 で、Haiku は 2.81 でした。研究ページで使われている表現は「近い」です。強みは、完了までの時間がやや短く、タスクあたりのコストがはるかに低いことです。なお、ブラインドテストで最も満足度が高かったのは DeepSeek-V4.1-Flash-1017 でした。
Q3:Hy4 flash はいつから使えますか?
研究ページによると、Tencent Cloud TokenHub、WorkBuddy、元宝などのチャネルですでに提供されており、OpenRouter でもまもなく公開されます。WorkBuddy 内は無料、TokenHub API は半額という割引は 2026-11-30 までです。重みはオープンソース化が計画されていますが、現時点ではまだ公開されていません。
Q4:Hy4 から Hy4 flash に切り替えるべきでないタスクはどれですか?
ターミナルでの長時間タスク、長期的なソフトウェアエンジニアリング、複雑な PPT や表計算の修正です。付録では、これらのタスクのスコアはおおむね Hy4 の半分程度しかなく、研究ページでも長期的なソフトウェアエンジニアリングには引き続き Hy4 を使うことを推奨しています。
Q5:今すぐ APIYI 経由で Hy4 flash を呼び出せますか?
現時点ではできません。プラットフォームにあるのは正式版の `hy4` のみです。公開後は apiyi.com のモデル一覧に記載された名称と価格を基準にしてください。それまでは、同じ APIキーで `hy4`、`deepseek-v4.1-flash-1017`、`claude-haiku-5-5` を呼び出し、比較の流れをあらかじめ整えておくことができます。
Q6:ブラインドテストの 18 倍と WorkIndex の 1/20 は相互に換算できますか?
できません。18 倍は、ブラインドテスト表における Haiku と Hy4 flash の人民元建てタスクあたりコストの比です。1/8、1/13、1/20 は WorkIndex によるもので、比較対象はそれぞれ DeepSeek、Hy4 preview、Hy4 です。WorkBuddy の証言にある 1/15 はまた別の評価です。三者のタスクセットもコストの基準も異なります。
Hy4 flash の要点 Key Takeaways
- 位置づけが明確:Hy4 flash は、日常業務や軽量な Agent 向けに設計された低コストモデルです。
- 超えるのではなく、近づく:ブラインドテストの満足度は 2.79、Haiku は 2.81、DeepSeek は 3.09 で最高でした。
- コストの算定基準は分けて見る:18 倍は Haiku に対応、1/20 は WorkIndex 内の Hy4 に対応します。
- 共同執筆系はそのまま使える:Markdown とスライドの共同執筆は Hy4 に近い水準です。
- 弱点も明確:Terminal-Bench 4.0 のスコアは 19.2、ProgramBench のスコアは 16.0 です。
- 提供状況:APIYI では Hy4 flash はまだ提供を開始していません。提供済みのモデルはすべて OpenAI 互換インターフェース経由で利用できます。
まとめ
Hy4 flash がどれほど強力かは、どんなタスクを任せるかによって変わります。
- 日常タスク:スライドの共同執筆、Markdown、視覚的質問応答、PC 操作などでは、非常に低コストで Haiku に近い満足度(公式ブラインドテスト)を得られます。
- 複雑なタスク:複雑な PPT の修正、ターミナルでの長時間タスク、長期的なソフトウェアエンジニアリングでは Hy4 との差が明らかで、引き続き Hy4 または DeepSeek-V4.1-Flash-1017 を使うべきです。
- 証拠の性質:すべてのデータは Tencent 公式の自己申告によるもので、モデル選定の参考には適していますが、公開前にはご自身のタスクで検証する必要があります。
実務的には、タスクごとに振り分けるのが妥当な方法です。日常タスクのトラフィックの一部をまず Hy4 flash に切り替え、長期的なタスクはそのままにしておきます。Hy4 flash が APIYI で提供開始されたら、apiyi.com 上で同じ API キーを使って hy4 や deepseek-v4.1-flash-1017 との実際の性能差を比較できます。
📚 参考資料
-
Tencent Hunyuan Hy4 flash リサーチページ:仕様、ブラインドテスト、WorkIndex、付録、製品からの証言
- リンク:
hy.tencent.ai/research/hy4-flash - 説明:本記事の評価データすべての一次情報源です。ページの日付は 2026-11-16 です。
- リンク:
-
Tencent Hunyuan 公式発表投稿:18倍のタスクコストと API 定価
- リンク:
x.com/TencentHunyuan/status/2122217770314301469 - 説明:対外的な公式見解で、比較対象は Claude Haiku 5.5 です。
- リンク:
-
DeepSeek 公式価格ページ:V4.1 Flash のピーク時・アイドル時の価格
- リンク:
api-docs.deepseek.com/quick_start/pricing - 説明:ピーク時間帯の定義と、呼び出し名の対応関係を確認できます。
- リンク:
-
Claude Haiku 5.5 公式ドキュメント:モデル ID と2段階の課金ルール
- リンク:
platform.claude.com/docs/en/models/haiku-5-5/overview - 説明:プロンプトが10万トークンを超える場合、リクエスト全体に対して課金されるルールを説明しています。
- リンク:
著者:APIYI 技術チーム
技術交流:APIYI のウェブサイトトップページからお気軽にお問い合わせください。モデルとエンドポイントの説明は docs.apiyi.com のドキュメントセンターでご確認いただけます。
