11 月 16 日,腾讯混元发布新模型 Hy4 flash,官方称其为”迄今性价比最高的 Hy 模型”:每百万词元输入 0.5 元、输出 2 元,命中缓存时仅 0.02 元,单任务成本仅为 Hy4 的二十分之一。为了验证这套说法,有评测者在 WorkBuddy 中把它与同定位的 DeepSeek-V4.1-Flash、旗舰 Hy4 做了办公决策、读图决策、编程修复、PPT 生成四轮对照。
背景:Agent 时代,模型开始算”用得起”的账
让模型回答一个问题,和让 Agent 接手一项工作,资源消耗模式完全不同。OpenRouter 披露,今年 2 月 6 日平台上 Agent 的词元用量首次超过人类直接调用,到 9 月底已约为后者的七倍。密歇根大学与斯坦福大学今年 4 月一项覆盖 8 款模型、500 个真实代码问题的研究发现,Agent 每次尝试处理一个问题,平均累计消耗约 417 万词元、调用费约 1.86 美元;按这个均值连续跑十次,就接近 20 美元。
任务越长,速度与价格越敏感,各家厂商的 Flash 性价比模型因此有了更大用武之地。Hy4 flash 总参数量为 224B(其中 64B Engram 参数),通过混合注意力、LatentMoE、Engram 等架构特性,实际使用时激活参数仅 12B,KV cache 大小仅为 Hy3 的 1/24、Hy4 的 1/6,支持多模态与 100 万词元上下文。
| 参数 | 数值 |
|---|---|
| 总参数 / 激活参数 | 224B(含 64B Engram)/ 12B |
| 上下文长度 | 100 万词元 |
| 每百万词元价格 | 输入 0.5 元、输出 2 元、缓存 0.02 元 |
| 解码速度 | 超过 150 tps |
| 单任务成本 | 约为 Hy4 的 1/20 |
实测一:办公决策,判断一致但快了近三分钟
题目给了一组互相矛盾的产品口径:产品同学称本月 8600 人点开产品、成功率 91%,数据同学却说每周真正使用的约 3200 人、真正完成任务的比例只有 67%,差了近 3 倍;销售给出 6 家感兴趣、1 家愿付费试点 8 万元/年,财务希望发布后 3 个月看到约 40 万元经常性年收入;法务则限定安全评估做不完,只宣布即将开放、不现场开通注册。要求模型理清口径并交出一页能投屏的决策纸。
Hy4 flash 用时 1 分 14 秒,DeepSeek-V4.1-Flash 用时 4 分 8 秒。两者都建议折中推进——发布会照开、只宣布即将开放、不现场开通注册、对外采信更严格的 3200 与 67%。区别在于 DeepSeek 建议可以收集等待名单再分批开放,而法务并未明确禁止这一点,因此不算判断错误。这一轮核心判断一致,Hy4 flash 的优势在速度:少用了 2 分 54 秒,完成时间只有对方的三成左右。
实测二:读图决策,误读更少
第二轮把同样的矛盾加工成一张投屏图片,让模型只看图做决策。图上最显眼的大卡片写着月活 8600、成功率 91%、意向客户 6 家并带”可计收入”红标,右下角对照表却是另一套更严的数字;柱状图标注 8 万与 40 万,但 8 万那根柱子实际画到了约 32 万的高度。
Hy4 flash 用时 2 分 46 秒,指出”6 家意向客户被标为可计收入、实际只有 1 家确认付费”的冲突,并把 8 万元性质、40 万元目标口径列为待确认事项,不过没有发现 8 万元柱子被画高。DeepSeek-V4.1-Flash 用时 1 分 25 秒,虽然更快,却出现两处明确误判:把红标读成”非付费”,以及称”8 与 40 的视觉比例 20%,与 ARR 进度 20% 自洽、无失真”——算对了数字关系,却忽略了图形比例的错误。
实测三:编程修复,四问全中并新增测试
第三轮让模型接手一个正在使用的库存与计价项目,线上存在 4 个问题:预占库存后数字对不上、整单出库报错、优惠券未按 50 元上限封顶、11 月报表漏掉 11 月 30 日当天出库。这次的对比对象是 Hy4 与 Hy4 flash。
Hy4 flash 用时 2 分 5 秒,四个问题全部找到并修好:预占不再误扣在库数量、取消改为释放预占、整单出库正常完成、优惠券按 50 元封顶、报表区间包含结束当天。它还为原项目新增了 5 个测试完成端到端验证,例如预占后在库仍为 10、可用为 6,400 元订单实付 350 元。这一轮两者结果相同,但 Hy4 flash 更快、更有性价比,而 Hy4 的思考相对更全面。
实测四:PPT 生成与官方口径
第四轮为 PPT 生成。在更接近日常工作的场景里,官方给出的口径是:基于 85 位 WorkBuddy 用户、27 类共 259 个任务的盲测,用户对 Hy4 flash 的满意度接近 Claude Haiku 5.5,单任务成本 0.26 元,端到端时长中位数 6.7 分钟。这些数字来自腾讯内部评测集 WorkIndex,属于官方自评,尚待第三方复核。
价格方面需要说明口径。官方称单任务成本是 DeepSeek-V4.1-Flash 的八分之一,条件是对方按 Max 思考档、忙时价格计算;若用 DeepSeek 的闲时价(工作日上午 9—12 点、下午 2—6 点之外及整个周末半价)、调低思考档并命中缓存,差距会明显收窄,轻活甚至能趋近打平。
选购建议:日常活交给 Flash,长程工程仍看旗舰
四轮测试下来,结论相当清晰。在办公决策、读图、编程这些日常生产力场景里,Flash 级模型已经能以远低于旗舰的成本拿到接近旗舰的体验;腾讯官方也建议把深度搜索、文档处理、PPT 生成、简单前端页面与 Computer Use 这类高频任务交给 Hy4 flash,而长程软件工程、多文档深度研究这类复杂工作仍交给 Hy4。
需要注意的是,11 月 16 日至 11 月 30 日 WorkBuddy 限时免费使用 Hy4 flash,腾讯云 TokenHub API 同期 5 折,之后的价格与倍率仍以平台公布为准。对普通用户而言,最实在的办法是拿自己的真实任务去试——榜单是别人的题集,手头的活才是自己的题集。
常见问题
问:Hy4 flash 免费到什么时候?
WorkBuddy 国内版与国际版在 11 月 16 日至 11 月 30 日限时免费,腾讯云 TokenHub API 同期 5 折,后续以平台公告为准。
问:它比 DeepSeek-V4.1-Flash 便宜多少?
官方口径是单任务成本约为其八分之一,但条件是按 Max 思考档、忙时价格计算;用闲时价、低思考档和缓存命中后,差距会明显收窄。
问:12B 激活参数会不会”降智”?
四轮实测中,Hy4 flash 在办公判断、读图准确率和编程修复上都达到与对比模型相当或更好的水平。官方自评称其综合效果略优于 770B 的 Hy4 preview,但这类数据仍需第三方长期验证。
信息来源
本文事实与数据参考腾讯新闻、新浪财经、公开报道及多源交叉核验;性能数据多来自厂商内部评测,以官方说明为准。








