|

Hy4 flash 有多強:日常任務和長程編碼分開看

Hy4 flash 有多強:日常任務和長程編碼分開看

作者注:本文按任務拆解 Hy4 flash 的規格、人工盲測、WorkIndex 和附錄分數。結論是:幻燈片共寫、Markdown、視覺問答、電腦操作等日常任務可以考慮它;複雜 PPT 修復、終端長任務和長程軟件工程,仍然建議用 Hy4 或 DeepSeek-V4.1-Flash-1017。

先給結論。如果你要爲日常辦公或輕量 Agent 選模型,Hy4 flash 適合幻燈片共寫、Markdown 共寫、視覺問答和電腦操作這類日常任務。修復複雜 PPT、跑終端長任務、做長程軟件工程時,不建議從 Hy4 或 DeepSeek-V4.1-Flash-1017 換過來。

騰訊混元在 2026-11-16 發佈了研究頁和官方帖,稱 Hy4 flash 在日常工作的人工盲測中接近 Claude Haiku 5.5,任務成本低得多。這不是“一個便宜模型通喫”的故事。 同一份研究頁的附錄顯示,它在終端和長程編碼基準上明顯落後於 Hy4。本文引用的盲測、WorkIndex、附錄和產品證言,全部是騰訊官方自報或研究頁原文,沒有第三方復現。

核心價值:讀完本文,你會得到一張按任務劃分的選擇表,並清楚 Hy4 flash 強在哪裏、弱在哪裏、什麼情況下不該換。

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


Hy4 flash 有多強:先看按任務分的選擇

下表按任務類型整理,依據是研究頁的推薦用途和附錄分數。“傾向選擇”只是選型判斷,不代表某個模型在該類任務上全面領先。

任務類型 傾向選擇 依據(研究頁原文/附錄)
人機共寫幻燈片 Hy4 flash PPTCoEditBench 74.0,Hy4 爲 78.9,單任務成本約爲 Hy4 的 1/16
Markdown 人機共寫 Hy4 flash MdCoEditBench 56.9,與 Hy4 的 57.7 接近,明顯高於 DeepSeek 的 29.2
視覺問答(無工具) Hy4 flash 可用,不是最高 BuddyVQA 48.5,高於 DeepSeek 的 43.7,低於 Hy4 的 55.5
電腦操作 Hy4 flash 可用 OSWorld 2.1 爲 68.1,與 DeepSeek 的 68.4 接近,Hy4 爲 78.9
修復複雜 PPT Hy4 或 DeepSeek-V4.1-Flash-1017 PPTFixBench 23.7,Hy4 爲 45.6,DeepSeek 爲 45.3
終端長任務 Hy4 或 DeepSeek-V4.1-Flash-1017 Terminal-Bench 4.0 僅 19.2,Hy4 爲 44.4
長程軟件工程 Hy4 研究頁明確建議,ProgramBench 16.0 對 Hy4 的 30.0

這張表的思路很簡單。交付物短、來回輪次多、對成本敏感的任務,交給 Hy4 flash。步驟鏈長、需要持續推理和反覆修復的任務,交給智能上限更高的模型。研究頁自己也這樣建議:深度搜索、文檔處理、做幻燈片、簡單前端 demo 和電腦操作用 Hy4 flash,長程軟件工程繼續用 Hy4。

Hy4 flash 選型裏最容易踩的坑

最常見的誤讀,是把“接近 Haiku”理解成“全面勝過 Haiku”。盲測裏 Hy4 flash 的滿意度比 Haiku 低 0.02 分,研究頁用的詞是 close to。第二個誤讀,是把幾組成本倍數混在一起。WorkIndex 的 1/8、1/13、1/20 是一套口徑,盲測表裏的人民幣單任務成本是另一套,二者不能互相替換。


Hy4 flash 核心功能與規格

研究頁給出的規格如下。它沒有給出 API 模型 ID,所以本文不編造型號名。要調用的話,以騰訊雲 TokenHub 控制檯顯示的名稱爲準。

項目 Hy4 flash(研究頁原文)
總參數 224B,其中 64B 爲 Engram 參數
每 token 激活 12B
模態 原生多模態,與 Hy4 相同
上下文 1M token
KV cache Hy3 的 1/24,Hy4 的 1/6
解碼速度 超過 150 tokens/s
渠道 騰訊雲 TokenHub、WorkBuddy、元寶、企業微信、QQ、ima、Marvis;OpenRouter 即將上線
權重 計劃開源,頁面未說明已放出

Hy4 flash 的訓練與推理路線

預訓練階段用了 hybrid attention、LatentMoE 和 Engram 三項設計,這是 KV cache 大幅縮小的主要原因。後訓練從 Hy4 自蒸餾,再用強化學習把端到端平均輸出 token 減少了 50%。對日常辦公來說,這一點很關鍵:任務成本不只取決於單價,還取決於模型說了多少話、走了多少步。

推理側用了 megakernel、4-bit 量化和 DFly,研究頁稱解碼速度超過 150 tokens/s。評測方面,騰訊沒有用公開榜名次說話,而是自建了 WorkIndex,並配合人工評測。考察的是交付質量、單輪輸出長度和任務耗時。這個口徑更接近“能不能把活幹完、花多少錢”,但它是騰訊內部集,外部無法直接復現。

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


Hy4 flash 實測數據一:人工盲測對比 Haiku

“接近 Haiku”這個說法來自人工盲測。研究頁稱參與者是 85 名內部 WorkBuddy 用戶,覆蓋 259 個任務、27 個類別。以下數據爲騰訊官方自報。

模型 滿意度(4 分制) 中位端到端時間 單任務成本(人民幣)
DeepSeek-V4.1-Flash-1017 3.09 10.3 分鐘 1.20 元
Hy4 flash 2.79 6.7 分鐘 0.26 元
Claude-Haiku-5.5 2.81 6.8 分鐘 4.73 元
GLM-5.3-Flash 2.53 7.6 分鐘 0.81 元

讀這張表要注意三點。第一,滿意度最高的是 DeepSeek-V4.1-Flash-1017 的 3.09,不是 Hy4 flash。第二,Hy4 flash 比 Haiku 低 0.02 分,只能說接近,不能說超過。第三,外部模型用的都是 high 檔,而 Hy4 flash 這一行沒有標註檔位。

Hy4 flash 的真正優勢在時間和成本。它的中位完成時間最短,單任務成本是表中最低。官方帖裏說的“18 倍任務成本降幅”,就是 4.73 元除以 0.26 元,約等於 18.2,比較對象是 Haiku。這個倍數不適用於 DeepSeek,也不適用於 Hy4。


Hy4 flash 實測數據二:WorkIndex 成本口徑

研究頁對 WorkIndex 的總體判斷是:Hy4 flash 的整體任務表現略高於 Hy4 preview。單任務平均成本方面,它是 Hy4 preview 的 1/13、Hy4 的 1/20,以及 DeepSeek-V4.1-Flash-1017(Max 檔、高峯價)的 1/8。

這三個比例只屬於 WorkIndex。WorkIndex 由 8 個內部集組成,覆蓋幻燈片生成、幻燈片編輯、人機共寫幻燈片、Markdown 人機共寫、文檔編輯、表格修復、音視頻處理和視覺理解。它和上面那張 85 人盲測表是兩套任務、兩套成本算法。所以不能拿 1/8 去套盲測表裏 DeepSeek 的 1.20 元,也不能拿 18 倍去套 WorkIndex。

“略高於 Hy4 preview”同樣要謹慎理解。它說明 Hy4 flash 在日常活上追上了上一代預覽版,不代表追上了正式版 Hy4。下一節的附錄會把這段差距展示出來。


Hy4 flash 實測數據三:附錄中對 Hy4 與 preview 的落差

研究頁附錄列出了 Hy4 flash、Hy4、Hy4 preview、DeepSeek-V4.1-Flash-1017、Qwen3.8-Flash-Next、GLM-5.3-Flash 和 GPT-6 Luna 的分數,以及按人民幣計的單任務成本。下表只摘出與選型最相關的四列。所有模型都取各自的最高推理檔,內部 buddy index 在 workbuddy cli 上評測。Claude Haiku 5.5 不在這張表中,因此不要用它推斷 Haiku 的分數。

基準(研究頁附錄原文) 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 無 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

對比 preview,Hy4 flash 在共寫類和自動化類任務上大多持平或更高。MdCoEditBench 從 49.2 提到 56.9,AutomationBench 從 36.3 提到 52.2。但在 PPTFixBench 和 DeepSWE 上,它與 preview 基本持平。在 ProgramBench 和 Terminal-Bench 4.0 上,它甚至低於 preview。

對比正式版 Hy4,差距隨任務難度拉大。共寫類只差幾分,修復類和終端類則差一倍左右。成本方面,Hy4 flash 在 PPTCoEditBench 上每任務約 0.105 元,Hy4 約 1.714 元。這些人民幣按各模型官方價、1 美元兌 7.2 人民幣計算,其中 DeepSeek 用的是高峯價。它們是騰訊製表用的數字,不能當作你的實際賬單。

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

Hy4 flash 短板:Terminal-Bench 4.0 與 ProgramBench

這兩項必須單獨說明,因爲它們正是 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,連 preview 的 26.3 都比它高。該項使用 Claude Code harness,最多 500 輪,單次最長 13 小時。這類長鏈條終端任務,恰恰最依賴模型的智能上限。

ProgramBench 的 almost solved 指標上,Hy4 flash 是 16.0,Hy4 是 30.0,DeepSeek 是 29.0。研究頁自己也寫明,長程軟件工程應繼續用 Hy4。WorkBuddy 的證言中也提到“長程編碼略降”。如果你的 Agent 主要在終端裏改代碼、跑測試、反覆修復,就不要因爲單價低而換成 Hy4 flash。


Hy4 flash 產品方證言:各家各說各的

研究頁附有多家內部產品的證言。以下均爲產品方自述,各自的對照對象和口徑不同,不能合併成“全面領先”的結論。

  • WorkBuddy(Anne):相對 Hy4,平均任務時間少 70%,成本約爲 1/15;日常任務質量與 Hy4 相當,長程編碼略降。這個 1/15 是 WorkBuddy 自己的評估,與 WorkIndex 的 1/20 不是同一個數。
  • 元寶(Logan):相對 Hy3,agent 表現高 13.6%,人工 side-by-side 高 7.56%;通用對話比 GLM-5.3-Flash 高 2.52%,多輪對話提升最明顯。
  • 微信支付(Yilin 與 Simba):相對 DeepSeek-V4.1-Flash-1017,四條工作流的平均分持平或更高,執行步數約少 6%,單輪輸出長度約少 29%;靜態代碼掃描完成時間少 37%,token 少 46%,推理表現持平。
  • 企業微信(Dylan):相對 Hy4,輸出速度高 88%,思考模式輸出 token 約少 60%。
  • 王者榮耀(TH):相對 DeepSeek-V4.1-Flash-1017 和 GLM-5.3-Flash,根因定位能力接近,模型請求少 22.0% 到 39.1%,token 少 40.5% 到 61.2%;但工具調用分別多 51.2% 和 7.7%。
  • ima(Kaycee):相對上述兩家,平均等待少 18% 到 35%,回覆評分高 1.8%,內容質量高 8.1%。
  • QQ(Red 與 Look):相對 DeepSeek-V4.1-Flash(原文未寫 1017),多個場景的滿意回覆率高 0.92 到 6.16 個百分點;頻道助手的意圖分類準確率持平,P90 評論延遲少 39%。
  • Marvis(Baihan):相對 DeepSeek-V4.1-Flash-1017,裝應用、系統設置、文檔研究等細分項的滿意度更高,總體滿意度持平。

這些證言的共同點是“更快、更省 token、質量持平或略好”,對照場景大多是對話、客服、工作流和日常 Agent。沒有一家拿它去做長程軟件工程並聲稱更好。這與附錄的結論一致。


Hy4 flash 價格與協議:怎麼查型號、怎麼對價

研究頁刊例(美元每百萬 token):Hy4 flash 緩存輸入 0.003、輸入 0.070、輸出 0.281;Hy4 分別爲 0.042、0.834、2.501。到 2026-11-30 之前,騰訊雲 TokenHub 的 API 打五折,WorkBuddy 內可免費使用。研究頁沒有單獨列出折後價。如果按刊例除以 2 推算,輸入約 0.035、輸出約 0.1405;11 月 30 日之後恢復刊例價。

在 API易 上,Hy4 flash 暫未上架,我們會盡快上架這個模型;型號與價格以平臺型號列表爲準。目前平臺上的 hy4 是正式版 Hy4,不是 flash。下表把已上架型號的 API易 總表價與官方價分開列出(美元每百萬 token,順序爲輸入、輸出、緩存讀)。

型號 API易 總表價(apiyi.com 型號列表) 官方/研究頁價 端點
Hy4 flash 暫未上架 0.070 / 0.281 / 0.003(研究頁刊例) —
hy4 0.85 / 2.55 / 0.045 0.834 / 2.501 / 0.042(研究頁刊例) chat
deepseek-v4.1-flash-1017 0.30 / 1.20 / 0.006 高峯 0.30 / 1.20 / 0.006;空閒減半 chat、messages
claude-haiku-5-5 0.10 / 0.50 / 0.01 ≤10 萬 token:0.10 / 0.50 / 0.01;>10 萬:0.50 / 2.50 / 0.05 chat、messages
glm-5.3-flash 0.15 / 0.50 / 0.03 — 僅 Chat Completions

幾個細節要單獨說明。DeepSeek 在 API易 上的 deepseek-v4.1-flash、deepseek-v4.1-flash-1017 和 deepseek-flash 三個名字價格相同,對應官方高峯價;deepseek-v4-1-flash-260910 和 deepseek-v4-1-flash-economy-261017 是另外的通道,價格不同,不能代表整個 V4.1 Flash 系列。Haiku 在官方規則中,提示超過 10 萬 token 時整次請求都按高檔計費;API易 總表腳註只寫了輸入第二檔 0.50,長提示任務調用前請在 apiyi.com 型號頁確認輸出檔位。

已上架的型號用 apiyi.com 的密鑰調用。請求發到 https://api.apiyi.com/v1,按 OpenAI 兼容格式填寫 base_url 和 model,例如 hy4 或 deepseek-v4.1-flash-1017。需要 Anthropic Messages 格式時,選擇支持 messages 端點的型號。glm-5.3-flash 只支持 Chat Completions,deepseek-v4.1-flash-1017 不在 CodexResponses 分組中,接入 Codex 類工具前要先覈對分組。


Hy4 flash 優缺點分析

優勢

  • 日常任務性價比高:盲測滿意度接近 Haiku,單任務成本 0.26 元,約爲 Haiku 的 1/18(官方自報)。
  • 速度快:盲測中位完成時間最短;研究頁稱解碼超過 150 tokens/s。
  • 輸出精簡:強化學習後平均輸出 token 減半,多家產品證言也提到 token 和步數減少。
  • 共寫類能力紮實:Markdown 共寫與 Hy4 幾乎持平,幻燈片共寫差距只有幾分。

侷限

  • 終端與長程編碼弱:Terminal-Bench 4.0 和 ProgramBench 明顯落後於 Hy4,甚至低於 preview。這類任務請繼續用 Hy4 或 DeepSeek-V4.1-Flash-1017。
  • 修復類任務喫力:PPTFixBench、ExcelFixBench 只有 Hy4 的一半左右。修復複雜文檔時,不建議用它替換原有模型。
  • 證據來源單一:WorkIndex 是內部集,盲測參與者是內部用戶,目前沒有第三方復現,模型 ID 也尚未在研究頁給出。
  • 視覺不是最強項:BuddyVQA 和 MMMU-Pro 都不是表中最高,適合“夠用”的視覺問答場景。

常見問題 FAQ

Q1:Hy4 flash 是什麼?

Hy4 flash 是騰訊混元於 2026-11-16 發佈的輕量模型,總參數 224B,每 token 激活 12B,原生多模態,上下文 1M。它從 Hy4 自蒸餾而來,定位是日常生產力任務。

Q2:Hy4 flash 真的比 Claude Haiku 5.5 強嗎?

不能這麼說。官方盲測中,它的滿意度爲 2.79,Haiku 爲 2.81,研究頁用的詞是“接近”。它的優勢在於完成時間略短、單任務成本低得多。此外,盲測滿意度最高的是 DeepSeek-V4.1-Flash-1017。

Q3:Hy4 flash 什麼時候可以用?

研究頁顯示,它已在騰訊雲 TokenHub、WorkBuddy、元寶等渠道提供,OpenRouter 即將上線。WorkBuddy 內免費、TokenHub API 五折的優惠截至 2026-11-30。權重計劃開源,但目前尚未放出。

Q4:哪些任務不該從 Hy4 換成 Hy4 flash?

終端長任務、長程軟件工程、複雜 PPT 和表格修復。附錄中這幾類任務的分數大約只有 Hy4 的一半,研究頁也建議長程軟件工程繼續用 Hy4。

Q5:現在能通過 API易 調用 Hy4 flash 嗎?

暫時不能,平臺目前只有正式版 `hy4`,上架後請以 apiyi.com 型號列表中的名稱和價格爲準。在此之前,可以先用同一個密鑰調用 `hy4`、`deepseek-v4.1-flash-1017` 和 `claude-haiku-5-5`,搭建好對比流程。

Q6:盲測的 18 倍和 WorkIndex 的 1/20 能互相換算嗎?

不能。18 倍來自盲測表中 Haiku 與 Hy4 flash 的人民幣單任務成本之比;1/8、1/13、1/20 來自 WorkIndex,對照對象分別是 DeepSeek、Hy4 preview 和 Hy4。WorkBuddy 證言中的 1/15 又是另一套評估。三者的任務集和成本口徑都不同。


Hy4 flash 核心要點 Key Takeaways

  • 定位清晰:Hy4 flash 是面向日常辦公與輕量 Agent 的低成本模型。
  • 接近而非超過:盲測滿意度 2.79,Haiku 爲 2.81,DeepSeek 爲 3.09 最高。
  • 成本口徑分開看:18 倍對應 Haiku,1/20 對應 WorkIndex 中的 Hy4。
  • 共寫類可直接用:Markdown 與幻燈片共寫接近 Hy4。
  • 明確短板:Terminal-Bench 4.0 得分 19.2,ProgramBench 得分 16.0。
  • 接入狀態:API易 暫未上架 Hy4 flash,已上架型號統一走 OpenAI 兼容接口。

總結

Hy4 flash 有多強,取決於你交給它什麼任務:

  1. 日常任務:幻燈片共寫、Markdown、視覺問答、電腦操作,它能以很低的成本給出接近 Haiku 的滿意度(官方盲測)。
  2. 複雜任務:複雜 PPT 修復、終端長任務、長程軟件工程,它與 Hy4 差距明顯,應繼續用 Hy4 或 DeepSeek-V4.1-Flash-1017。
  3. 證據性質:所有數據都來自騰訊官方自報,適合作爲選型參考,上線前仍需用你自己的任務驗證。

比較務實的做法是按任務分流:把日常任務的流量先切一部分到 Hy4 flash,長程任務保持不變。Hy4 flash 在 API易 上架後,可以在 apiyi.com 上用同一個密鑰對比它與 hy4、deepseek-v4.1-flash-1017 的實際表現。


📚 參考資料

  1. 騰訊混元 Hy4 flash 研究頁:規格、盲測、WorkIndex、附錄與產品證言

    • 鏈接:hy.tencent.ai/research/hy4-flash
    • 說明:本文全部評測數據的原始出處,頁面日期爲 2026-11-16
  2. 騰訊混元官方發佈帖:18 倍任務成本與 API 刊例價

    • 鏈接:x.com/TencentHunyuan/status/2122217770314301469
    • 說明:官方對外口徑,比較對象爲 Claude Haiku 5.5
  3. DeepSeek 官方定價頁:V4.1 Flash 高峯與空閒價格

    • 鏈接:api-docs.deepseek.com/quick_start/pricing
    • 說明:可查看高峯時段的定義與調用名對應關係
  4. Claude Haiku 5.5 官方文檔:模型 ID 與兩檔計費規則

    • 鏈接:platform.claude.com/docs/en/models/haiku-5-5/overview
    • 說明:說明了提示超過 10 萬 token 時按整次請求計價的規則

作者:APIYI 技術團隊
技術交流:歡迎在 API易 網站首頁聯繫我們,型號與端點說明可查閱 docs.apiyi.com 文檔中心

延伸閱讀

Similar Posts