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

核心结论:Hy4 flash 是腾讯把「够用」这件事直接标价的一次尝试 —— 224B 总参只激活 12B,换来解码 >150 tps 和 ¥0.5/¥2 的刊例价,官方口径单任务成本降到 Hy4 的 1/20。 它不是 Hy4 的替代品,而是把「不值得用 Hy4 的那 80% 任务」单独切出来卖。

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 flashHy4(preview 口径)
发布时间2026-11-162026-08-28
总参数224B(含 64B Engram)770B
激活参数12B49B
上下文1M1M
多模态支持支持
解码速度>150 tps官方未公开
KV cacheHy4 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
⚠ 一列「官方未公布」不要当成零 Hy4 的 API 单价至今没有公开刊例,所以「flash 比 Hy4 便宜多少」只能用官方给的比例 (单任务成本 1/20)来理解,不能用价格相减。本站模型库里 Hy4 的价格位目前是空的, 就是因为核不到官方定价页 —— 宁可留空,也不填估值。

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。

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

⚠ 读比例要先问「分母是什么」 这里的「单任务成本」是按腾讯自己的 WorkIndex 任务集折算的,不是单 token 价格之比。 任务集越偏「短输出、多轮工具调用」,小激活模型的优势越明显;如果你的任务偏偏是「一次生成两万字长文」, 比例会明显不如宣传好看。所以这些比例的用途是判断量级(差一个数量级,而不是差 20%), 不是拿来承诺预算。

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:

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。

⚠ 厂商自建评测集的固有局限 任务集由厂商定义,天然偏向自家模型的强项(这里就是「办公产物 + 短输出」)。 它的价值在于给出一个与产品形态对齐的坐标系,而不是一个可以横向比较的绝对分数。 本站没有复现代理这些数字,也没有把它们写进模型库的评分。

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
✅ 一句话判据 任务是「看一眼就知道对不对」的,用 flash;任务是「错了要花几小时收拾」的,用贵的。 这条判据比任何 benchmark 都稳定,因为它不随模型迭代而失效。

八、风险与边界

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

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。

混元 Hy4 flash 模型页 » · 完整比价 » · 返回 AI 技术文档 »