腾讯混元 Hy4 flash 技术文档:¥0.5/¥2 的 12B 激活模型,够用在哪、不够用在哪
224B/12B 激活 · 1M 上下文 · ¥0.5/¥2 · 缓存 ¥0.02 · 单任务 0.26 元实测
读这篇只需要记住一句:选型依据不是「谁更强」,而是「这个任务失败一次的代价有多大」。
一、它是什么
2026-11-16 腾讯混元发布 Hy4 flash(媒体也写作 Hy4flash),定位是同代里的高性价比档: 总参 224B(其中 64B 为 Engram 参数)、激活参数仅 12B,支持多模态与 1M 上下文。发布当天已上线腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis, 官方称即将接入 OpenRouter,并计划开源、高频迭代。
它和 8 月那版 Hy4 preview 的关系容易搞混:preview 是 770B 总参 / 49B 激活, flash 是另一个模型(更小、更快、更便宜),官方说法是 flash 综合效果略优于 preview, 但成本显著更低。也就是说,这不是「小一号的 preview」,而是同代里性价比单独拉出来的一条产品线。
二、参数与价格一览
| 项目 | Hy4 flash | Hy4(preview 口径) |
|---|---|---|
| 发布时间 | 2026-11-16 | 2026-08-28 |
| 总参数 | 224B(含 64B Engram) | 770B |
| 激活参数 | 12B | 49B |
| 上下文 | 1M | 1M |
| 多模态 | 支持 | 支持 |
| 解码速度 | >150 tps | 官方未公开 |
| KV cache | Hy4 的 1/6、Hy3 的 1/24 | 基准 |
| 输入价(每百万 tokens) | ¥0.5 | 官方未公布 |
| 输出价(每百万 tokens) | ¥2 | 官方未公布 |
| 缓存命中 | ¥0.02 | 官方未公布 |
| 开源 | 计划开源(尚未) | Apache 2.0 已开源 |
三、架构:省下来的钱从哪来
三个阶段的改动都指向同一件事:把「每次推理要动的参数」压到最少。
- 预训练 · 混合注意力 + LatentMoE + Engram。混合注意力降低长序列的注意力开销; LatentMoE 是稀疏专家路由的变体;Engram 则是把一部分参数当作「可检索的记忆」而不是每步都要算的权重。 直接的工程结果是 KV cache 缩到 Hy4 的 1/6 —— 长上下文场景下,显存与带宽才是真瓶颈。
- 后训练 · 自蒸馏 + 强化学习。用 Hy4 做教师把综合能力蒸馏下来,再用 RL 把端到端输出长度压掉约 50%。 这一点对账单的影响常被低估:输出 token 单价是输入的 4 倍,输出短一半,等于账单再打一次折。
- 推理 · megakernel + 4bit 量化 + DFly。解码 >150 tps 的实际意义是「端到端等待时间」下降, 对 Agent 这种多轮调用的形态,比单轮质量更影响体感。
四、成本:把它算成一个任务,而不是一个 token
本站的立场一直是「不看排行榜,先算账」,所以这一节直接给数。
1. 单次调用的账
假设一次典型调用:输入 2 万 tokens(含文档与检索片段)、输出 5 千 tokens。
| 项目 | 用量 | 单价 | 本次成本 |
|---|---|---|---|
| 输入 | 0.02 M tokens | ¥0.5 / M | ¥0.010 |
| 输出 | 0.005 M tokens | ¥2 / M | ¥0.010 |
| 合计 | — | — | 约 ¥0.02 / 次 |
一千次这样的调用约 ¥20。这就是它真正的卖点:很多团队不是付不起贵模型,而是付不起试错 —— 当一次调用的成本低到可以忽略,产品形态才敢做「多试几轮再选最好的」。
2. 官方给的比例,怎么读
- 单任务成本 ≈ Hy4 的 1/20、Hy4 preview 的 1/13;
- 对比 DeepSeek-V4.1-Flash-1017(Max 档、忙时价)约为 1/8;
- 腾讯内部 85 位 WorkBuddy 用户盲测(27 类共 259 个任务):单任务成本 ¥0.26, 端到端时长中位数 6.7 分钟,满意度接近 Claude Haiku 5.5。
五、评测口径:WorkIndex 是什么
这次发布最值得注意的不是分数,而是评测集的选法。腾讯没有主打公开榜单排名,而是自建了 WorkIndex,按日常工作任务切分:
- 8 个内部评测集:PPT 制作、PPT 修改、PPT 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。
- 7 个公开 Agent 评测集:DeepSWE、ProgramBench、Terminal-Bench 4.0、APEX-Agents、 AutomationBench、HLE、OSWorld 2.1。
关注点从「远离日常工作的公开榜单分数」转向「产物效果 / 单轮输出长度 / 端到端用时」。 这个转向本身值得记一笔:它恰好承认了当前 Agent 的真实痛点 —— 不是答不对,而是答得太长、太慢、太贵。
六、获取方式与定价
| 渠道 | 状态 | 价格 |
|---|---|---|
| 腾讯云 TokenHub(API) | 已上线 | 刊例 ¥0.5 / ¥2 / 缓存 ¥0.02;限时 5 折至 11-30 |
| WorkBuddy | 已上线 | 11-30 前限时免费(平台赠额度) |
| 元宝 / 企业微信 / QQ / ima / Marvis | 已上线 | 随各产品套餐 |
| OpenRouter | 即将接入 | 以其上架价格为准 |
| 开源自部署 | 尚未开源(官方称计划) | — |
接入方式与其它混元模型一致(OpenAI 兼容形态),换模型只需改 model 名。 按量计费口径与其它腾讯云模型相同,细节见 大模型 API 接入教程; 想先比价再决定,直接看 完整比价页或 混元 Hy4 flash 模型页。
七、什么时候该用 flash,什么时候不该
官方给的推荐清单是「深度搜索、文档处理、PPT 生成、简单前端展示、Computer Use」, 长程软件工程用 Hy4。把这句话翻译成可执行的判据,是下面这张表:
| 任务特征 | 选 flash | 理由 |
|---|---|---|
| 产出可肉眼验收(文档、PPT、页面) | ✅ 首选 | 错了立刻看得出来,返工成本低,便宜就够 |
| 多轮工具调用、单步都不难 | ✅ 首选 | 成本与延迟按调用次数线性放大,小激活模型优势最明显 |
| 一次跑几十步的自动化流水线 | ⚠️ 先测 | 单步 95% 正确率,30 步后只剩 21%;错一步要重跑整条 |
| 长程软件工程 / 大仓重构 | ❌ 用 Hy4 | 失败代价是「改坏代码」,省下的钱不够回滚 |
| 需要长上下文稳定召回关键条款 | ⚠️ 先测 | 召回不稳时,便宜等于白跑 |
八、风险与边界
- 价格是阶段性的。5 折与 WorkBuddy 免费都截止 2026-11-30。做年度预算请用刊例价,别用促销价。
- 开源尚未发生。「计划开源」不等于可自部署。在权重真正放出前,不能用它做「数据不出内网」的方案。
- 发布未满月,第三方实测样本少。本文所有能力结论都来自官方口径,仅供参考;自家任务必须自测。
- 1M 上下文不等于该塞满。长上下文会同时抬高单次成本与不稳定风险,先检索压缩再喂,是更稳的工程习惯。
- 真实成本由缓存命中率决定。缓存命中 ¥0.02 与输入 ¥0.5 差 25 倍,把稳定的系统提示与文档做成前缀缓存, 账单差别可能比换模型更大。
九、常见问题
Hy4 flash 和 Hy4 是什么关系?我该选哪个?
同代的两个档位,不是替代关系。Hy4 总参 770B、激活 49B,能力上限更高;Hy4 flash 总参 224B(含 64B Engram 参数)、激活仅 12B,代价是上限,换来的是价格与速度。官方给出的分工很明确:深度搜索、文档处理、PPT 生成、简单前端展示、Computer Use 这类日常任务用 flash;长程软件工程等复杂任务仍建议用 Hy4。选择依据不是「哪个强」,而是「这个任务失败一次的代价有多大」。
¥0.5/¥2 是最终价吗?5 折和免费用到什么时候?
¥0.5 输入 / ¥2 输出 / ¥0.02 缓存命中是每百万 tokens 的刊例价。腾讯云 TokenHub 目前限时 5 折至 2026-11-30,折后约 ¥0.25/¥1;WorkBuddy 端在 11-30 前限时免费。两项都是阶段性权益,到期恢复刊例价,所以做成本测算时应当用刊例价,而不是用促销价去推长期账单。
WorkBuddy 上免费用,为什么本站不把它标成「免费模型」?
因为这是平台赠额度,不是模型免费。本站的免费口径分三类:云端额度(real)与自部署(self)计入免费,付费订阅内含的额度(sub)不计入。「WorkBuddy 限时免费」属于第三类 —— 你并没有获得一个可以随意调用的免费 API,只是某个产品替你付了钱,且有时限。把它标成免费,会让真正按量付费的人误判预算。
224B 总参只有 12B 激活,能力够用吗?
「总参大、激活小」是 MoE 的常态,不是缩水。它意味着每次推理只走一小部分专家,所以解码能超过 150 tps、单任务成本能压到 Hy4 的 1/20。官方口径是综合效果略优于 770B 的 Hy4 preview —— 注意这是腾讯自己的评测结论(WorkIndex + 7 个公开 Agent 榜),不是第三方复现。判断够不够用只有一个办法:拿你自己的真实任务跑一遍,看返工率。
1M 上下文能真的塞满吗?
能塞进去不等于能稳定用好。长上下文的实际表现取决于两件事:模型在中段信息上的召回是否稳定,以及你的账单是否承受得住 —— 1M 输入按 ¥0.5/百万算约 ¥0.5/次,看起来便宜,但并发和重试会乘上去。工程上的稳妥做法是:先做检索把上下文压到十万级,把 1M 留给「确实无法切分」的场景,而不是默认全文灌入。
十、参考链接
- 腾讯混元官网:hunyuan.tencent.com
- 本站模型页:混元 Hy4 flash 参数与价格 · 混元 Hy4
- 同代横向:大模型价格完整比价 · 混元 Hy4 preview 技术文档
- 接入与成本:大模型 API 接入教程 · 免费 Token 套餐全景
十一、一句话总结
Hy4 flash 的真正意义不是「又一个便宜模型」,而是腾讯把任务成本当成产品指标在做: 输出长度砍一半、KV cache 砍到 1/6、激活压到 12B,全部指向同一个目标 —— 让「多试几次」这件事变得免费。 你该不该用它,取决于你的任务错了要不要命,而不是它比谁强。