腾讯混元Hy4 flash单任务成本仅1/20

腾讯混元Hy4 flash单任务成本仅1/20

腾讯混元11月16日发布最高性价比语言模型Hy4 flash:总参数224B激活仅12B,支持多模态与1M上下文,单任务成本仅Hy4的1/20,解码超150tps,已接入元宝与企业微信并计划开源。

一场把价格”打下来”的发布

11月16日,腾讯混元正式推出新一代语言模型Hy4 flash,并用一句话概括它的定位:迄今性价比最高的Hy模型。这份”性价比”不是营销话术,而是一组可以逐项验证的数字——总参数量224B,其中包含64B Engram参数;每次推理的激活参数只有12B;支持多模态输入,上下文长度最高达到1M Token。

价格层面,腾讯混元给出的定价是每百万Token输入0.5元、输出2元,而一旦命中缓存,输入价格骤降至0.02元。这意味着在大量重复上下文的场景里,比如长文档反复问答、智能体多轮调用、企业知识库检索,实际成本可以压到极低的水平。官方测算显示,腾讯混元Hy4 flash的单任务成本仅为Hy4的1/20,也只相当于DeepSeek-V4.1-Flash-1027(Max档位、忙时价格)的1/8。

更值得注意的是,这不是一款”为了便宜牺牲智力”的模型。按照腾讯混元内部评测集WorkIndex的综合测算,Hy4 flash在整体效果上甚至略优于总参数770B、激活参数49B的Hy4 preview,而成本只有后者的1/13。小模型在综合效果上反超大模型,这正是轻量旗舰路线最受行业关注的地方,也是腾讯混元敢于把定价压到这个量级的底气所在。

参数与价格横向对比

把腾讯混元Hy4家族与同档竞品放在一起看,各家定位差异一目了然。

模型 总参数 激活参数 上下文 输入价(每百万Token) 输出价(每百万Token) 解码速度
腾讯混元 Hy4 flash(新) 224B(含64B Engram参数) 12B 1M 0.5元(缓存命中0.02元) 2元 超150tps
腾讯混元 Hy4 preview 770B 49B 1M — — —
DeepSeek V4.1-Flash-1017 — — 1M 约0.28元 约3.5元 —
智谱 GLM 5.3 Flash — — 1M 约0.28元 约0.56元 —
小米 MiMo-V2.6-Flash — — 1.1M 约0.7元 约2元 —

说明:表中人民币价格按官方公告或OpenRouter展示价换算,带”—”处为官方未完整披露、或本文引用信源未列出的字段,仅供量级参考。可以看到,腾讯混元Hy4 flash是目前少数同时把输入价格、缓存价格和上下文长度三项指标全部拉到第一梯队的模型。对于按调用量计费的开发者来说,缓存命中0.02元的输入价尤其关键——在智能体工作流里,同一份长提示词往往会被反复调用,缓存价值的差异会随调用量放大。

架构拆解:三项关键设计

腾讯混元Hy4 flash能同时做到”小激活、大能力、低缓存”,核心在于预训练阶段引入的三项架构特性。

混合注意力

传统注意力机制下,上下文越长,KV cache越大,推理成本和显存占用都会水涨船高。腾讯混元在Hy4 flash中采用混合注意力设计,让网络中不同的层使用不同的注意力策略,大幅压缩长上下文场景下的缓存开销。官方数据显示,其KV cache大小仅为Hy3的1/24、Hy4的1/6。缓存变小,意味着同样的硬件可以服务更多并发请求,单位Token的服务成本随之下降,这也是低定价能够在商业上成立的物理基础。团队还通过大量scaling ladder实验,确保架构改动之后的效果符合预期。

LatentMoE

混合专家思路是用大量专家参数换取”每次只激活一小部分”的稀疏计算。腾讯混元Hy4 flash在此基础上引入LatentMoE,配合224B总参数中仅12B的激活参数,让单次推理的计算量保持在很小的量级,而模型的知识容量依然庞大。简单说,参数总量决定了模型”懂多少”,激活参数决定了每次推理”花多少”,LatentMoE让这两个数字解耦,前者做大、后者做小,性价比由此而来。

Engram

Engram是Hy4家族中颇具辨识度的新组件。在腾讯混元Hy4 flash里,64B的Engram参数被纳入总参数盘子,负责强化记忆与检索类的表达能力,但并不显著推高每次推理的激活开销。官方尚未公开Engram的全部技术细节,不过从参数配比可以推测:它让模型在”记得更多、查得更快”的同时,把日常推理的计算负担留给那12B的激活主干。对用户而言,Engram带来的最直接体验可能是长文档、长对话场景下更稳定的事实性与一致性。

训练与推理:从自蒸馏到超150tps

架构之外,腾讯混元在训练与推理两端的工程化处理同样值得关注。

后训练:自蒸馏加强化学习

腾讯混元Hy4 flash在后训练阶段通过自蒸馏Hy4获得较强的综合智能水平,相当于让旗舰模型当”老师”,把能力压缩进轻量的”学生”体内。随后再通过强化学习,把端到端任务的输出长度降低了50%。输出更短,意味着任务完成更快、计费更少,对于按Token计费的商业化场景,这是一条非常实在的降本路径。

评估:围绕真实工作而非榜单

腾讯混元为这批模型构建了内部评测集WorkIndex,覆盖PowerPoint制作与修改、PowerPoint人机双写、Markdown人机双写、文档编辑、表格修复、音视频处理、视觉理解等8类WorkBuddy典型任务,并结合人工评审,聚焦实际产出质量、单轮输出长度与端到端用时,而不是与日常工作脱节的公开榜单分数。这种评估取向解释了官方为何敢直接给出”单任务成本”这类贴近用户体感的指标。在内部85位WorkBuddy用户的盲测中,腾讯混元Hy4 flash在27类共259个任务上取得了接近Claude Haiku 5.5的用户满意度,单任务成本0.26元,端到端时长中位数6.7分钟,短于参与对比的其他模型。

推理:megakernel、4bit量化与DFly

在推理侧,腾讯混元结合megakernel、4bit量化与DFly等技术手段进行极限优化,使Hy4 flash的解码速度超过150tps,并具备大规模低成本部署的运营能力。解码速度直接影响交互体感——超过150tps已经接近多数旗舰模型的响应速度,用户几乎感觉不到”这是一款轻量模型”。速度与成本双优,是它敢于定位”日常任务主力模型”的底气。

价格、接入与限时优惠

落地方面,腾讯混元Hy4 flash目前已接入腾讯云TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis等产品,即将接入OpenRouter。对普通用户来说,这几乎不需要任何技术门槛:在元宝里提问、在企业微信与QQ里处理消息、在WorkBuddy里生成PPT和编辑文档,背后都会是这款模型。对企业客户而言,通过腾讯云TokenHub调用接口,就能在自有系统里获得同等的推理能力。

官方同步推出限时活动:即日起至11月30日,用户可以在WorkBuddy上免费使用Hy4 flash,并通过腾讯云TokenHub以标准定价5折的方式调用接口。对开发者和企业用户来说,这是一个低成本试水的好窗口——先用真实业务流量跑一遍成本模型,再决定是否迁移。

在任务推荐上,腾讯混元团队建议用户在深度搜索、文档处理、PPT生成、简单前端展示、Computer Use等大部分日常任务中使用Hy4 flash;而在长程软件工程等复杂任务中,则应转向智能上限更高的Hy4。这种”日常用flash、复杂上旗舰”的分工,正在成为各家模型家族的通用产品策略,腾讯混元只是把它执行得更加彻底。

调用量榜单位置:一周冲进全球前二

Hy4 flash发布之前,Hy家族的市场热度已经先一步得到验证。根据每日经济新闻基于OpenRouter数据的测算,在11月9日至15日的一周内,腾讯混元Hy4升至全球大模型调用量第二位,周调用量达18.1万亿Token,环比增长42%,仅次于连续四周蝉联第一的DeepSeek V4.1-Flash-1017(59.2万亿Token),领先于智谱GLM 5.3 Flash的11.9万亿Token。当周全球大模型总调用量为211万亿Token,前四名全部为中国模型,中国大模型周调用量合计达119.1万亿Token,已连续二十九周超过美国,稳居全球首位。

一款11月4日才正式发布的模型,两周之内就把周调用量做到全球第二、环比增速42%,说明市场对”高智力、低价格、长上下文”这一组合的真实需求非常旺盛。OpenRouter上的调用量往往来自全球开发者社区的Agent应用与工作流,这个位置含金量不低。而定位更便宜、更快的腾讯混元Hy4 flash接棒上线,大概率会把这条增长曲线继续推高。

轻量旗舰为何成为行业共识

把镜头拉远一点看,腾讯混元Hy4 flash的发布并非孤立事件。DeepSeek V4.1-Flash、智谱GLM 5.3 Flash、小米MiMo-V2.6-Flash,各家不约而同地把”flash”后缀的产品推向调用量榜单前排。原因不难理解:在智能体工作流里,单个任务往往要调用模型几十上百次,任何一次使用旗舰模型都会让成本失控;而绝大多数中间步骤——检索改写、格式转换、摘要提炼——并不需要最强的智能上限。轻量旗舰恰好卡在这个甜点上:智力足够完成日常任务,价格低到可以放心大量调用。

腾讯混元的打法在这个共识之上又加了两条差异化筹码。其一是架构层面的深度改造:混合注意力、LatentMoE与Engram的组合不是简单砍参数,而是重新分配了”记忆、知识、计算”三种资源的开销方式,让KV cache降到Hy4的六分之一,从源头压低服务成本。其二是生态层面的就地接入:元宝、企业微信、QQ这些拥有数亿用户的产品本身就是现成的调用入口,模型发布即触达终端用户,不需要等待第三方应用生态慢慢搭建。前者决定了成本曲线,后者决定了放量速度,两者叠加,才有了Hy4两周冲到全球调用量第二的成绩,也才有了腾讯混元Hy4 flash接棒之后的想象空间。

开发者视角:三种典型场景怎么用

对个人开发者,最直接的用法是把腾讯混元Hy4 flash当作智能体的默认推理引擎。以0.5元的输入价和0.02元的缓存价,一个每天调用数千次的工作流,月成本可能只是过去用旗舰模型的几十分之一,很多此前”算不过账”的想法都可以落地试验。

对企业用户,腾讯云TokenHub提供了标准的接口通道,结合限时5折活动,可以把客服机器人、内部知识库问答、合同初审这类高频业务先迁过去做A/B对比。企业微信与QQ的接入则让一线员工无需改造系统就能用上:在群聊里@机器人整理会议纪要、生成周报初稿,都是即开即用的场景。

对内容与办公人群,WorkBuddy加上元宝的组合已经覆盖了PPT制作、文档编辑、表格修复等高频任务。盲测数据显示,腾讯混元Hy4 flash在这些任务上的单任务成本仅0.26元、完成时长中位数6.7分钟,用户满意度接近同档国际模型——对这个价格而言,体验已经超出多数人的预期。

开源计划与行业影响

腾讯混元团队明确表示,计划开源Hy4 flash并进行高频迭代。回顾Hy4在11月4日发布后的表现——在Artificial Analysis智能指数中位列中国模型第二,在Agent Arena榜单上位居开源模型第一——开源策略显然已经为Hy家族积累了大量开发者口碑。如果腾讯混元Hy4 flash如约开源,以其12B激活参数的体量,本地化部署和微调门槛都会相当友好,一台多卡服务器就能跑起接近旗舰体验的服务,有望成为智能体与办公自动化场景的热门基座模型。

对整个行业而言,这款模型把”旗舰级智力体验”的门槛进一步拉低:0.5元每百万Token的输入价、0.02元的缓存价、超过150tps的解码速度,叠加元宝、企业微信、QQ等国民级应用的直接接入,意味着大模型正在从”尝鲜工具”变成”日常基础设施”。对每天要跑成千上万次调用的开发者与企业来说,推理价格每下降一个量级,原来不划算的应用场景就会多出一批:客服坐席辅助、批量文档处理、代码审查、数据清洗,这些此前因成本受限的场景都值得重新算一遍账。

当然,性价比不等于全能。腾讯混元自己也强调,在长程软件工程等需要更强智能上限的任务上,用户仍应选择Hy4。合理的期望是:把重复、高频、流程化的工作交给Hy4 flash,把攻坚型的复杂任务留给旗舰。这种分层使用方式,可能正是未来一年大模型应用的主流形态。

写在最后

过去两年,大模型行业的故事大多围绕”更强”展开;而这一轮,故事的焦点正在转向”更划算”。腾讯混元Hy4 flash给出的答案相当完整:224B总参数、12B激活参数的架构组合,1M上下文与超150tps的解码速度,0.5元的输入定价与0.02元的缓存价,再加上WorkIndex这种贴近真实工作的评估方式。它未必是榜单上最聪明的模型,但很可能是普通用户和企业此刻最”用得起也用得好”的选择。至于开源后的表现如何,不妨等高频迭代几个版本后再回头检验。

常见问题

腾讯混元Hy4 flash是什么时候发布的?

官方于2026年11月16日正式发布,定位为Hy模型家族中迄今性价比最高的一款。

Hy4 flash的参数规模有多大?

总参数量为224B,其中包含64B Engram参数,每次推理的激活参数仅为12B,支持多模态输入与最长1M Token的上下文。

定价是多少?

每百万Token输入0.5元、输出2元,命中缓存时输入仅需0.02元。官方测算单任务成本为Hy4的1/20、DeepSeek-V4.1-Flash-1027忙时价格的1/8。

解码速度怎么样?

结合megakernel、4bit量化与DFly等优化手段,解码速度超过150tps,可支撑大规模低成本部署。

KV cache压缩效果如何?

得益于混合注意力等架构特性,KV cache大小仅为Hy3的1/24、Hy4的1/6,显著降低了长上下文推理的显存与成本压力。

它和Hy4应该怎么选?

深度搜索、文档处理、PPT生成、简单前端展示、Computer Use等日常任务推荐使用Hy4 flash;长程软件工程等复杂任务建议使用智能上限更高的Hy4。

在哪些产品里可以用到?

目前已接入腾讯云TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis,即将接入OpenRouter。11月30日前WorkBuddy限时免费,TokenHub接口限时5折。

会开源吗?

会。腾讯混元团队表示计划开源Hy4 flash,并进行高频迭代。此前Hy4已在开源模型智能体榜单排名第一,开源策略预计延续。

市场表现如何?

根据OpenRouter数据测算,发布于11月4日的腾讯混元Hy4上周周调用量达18.1万亿Token,环比增长42%,升至全球第二,仅次于DeepSeek V4.1-Flash-1017。

THE END
喜欢就支持一下吧
点赞78 分享
评论 抢沙发
头像-知了AI
欢迎您留下宝贵的见解!
提交
头像-知了AI

昵称

取消
昵称表情代码快捷回复

    暂无评论内容