腾讯混元Hy4 Flash正式发布:224B参数、150tps,单任务成本降至1/20
2026年11月16日,腾讯混元正式发布全新大模型Hy4 Flash。

新模型拥有224B总参数、12B激活参数,支持最高100万Token上下文和多模态理解,解码速度超过150 tokens/s。
但这次最吸引人的,还不是参数和速度,而是实际任务成本。
根据腾讯公布的WorkIndex评测结果,Hy4 Flash的综合效果略优于此前的Hy4 preview,但单任务成本仅为后者的1/13,相比Hy4正式版更是降低至1/20。
与此同时,API价格也直接降了下来:每百万Token输入0.5元、输出2元,缓存命中仅0.02元。
从模型架构到推理部署,腾讯这次的目标非常明确:让AI不仅能完成复杂工作,还能以更低的成本进入日常办公和高频业务场景。
01|224B总参数,只激活12B,Hy4 Flash到底升级了什么?
Hy4 Flash采用全新的高效稀疏架构。
模型总参数量为224B,其中包含64B Engram参数,每个Token实际激活约12B参数。
与此前发布的Hy4相比,Hy4 Flash的参数规模和单次计算负担都明显降低。
但模型变小,并不意味着能力只能跟着下降。
腾讯这次通过多项架构优化,让Hy4 Flash在维持较强综合能力的同时,进一步压缩了计算成本。
其中最值得关注的,是混合注意力、LatentMoE和Engram三项技术。
混合注意力:减少长上下文的计算负担
在处理长文档、代码和复杂对话时,模型需要保存大量历史信息。
随着上下文越来越长,KV Cache占用的显存也会增加。
Hy4 Flash通过混合注意力机制优化历史信息的处理方式。
根据官方公布的数据,其KV Cache大小降低至Hy3的1/24、Hy4的1/6。
这意味着,在特定模型配置下,系统可以用更少的缓存资源处理长上下文任务。
LatentMoE:让专家计算更加高效
LatentMoE通过更高效的专家组织与路由机制,优化MoE模型中的计算过程。
模型不需要让所有参数同时参与推理,而是根据输入选择相应的专家模块完成计算。
Engram:利用参数扩展模型的表达能力
Hy4 Flash还引入了Engram架构,通过可扩展的查表式参数模块,在相对较低的计算开销下增加模型容量。
三项技术结合后,Hy4 Flash的核心思路已经很清晰:
不是简单堆更多参数,而是让每一份计算资源发挥更大的价值。
02|解码速度突破150tps,输出Token减少50%
除了预训练架构,腾讯还从后训练和推理阶段继续优化。
在后训练方面,Hy4 Flash通过Hy4自蒸馏获得较强的综合能力,再结合强化学习,进一步减少任务执行过程中的冗余输出。
按照官方披露的数据,端到端任务输出长度降低约50%。
这项优化对于AI Agent尤其重要。
例如,一个AI助手需要完成文档分析、生成PPT或修改网页。
如果模型在中间步骤反复解释已经确认的信息,虽然最终结果可能没有问题,但仍然会增加Token消耗和等待时间。
减少不必要的输出,可以让模型更快进入下一步操作。
推理方面,腾讯结合Megakernel、4bit量化和DFly等技术进行优化。
最终,Hy4 Flash的解码速度超过150 tokens/s。
这里的150tps指的是官方公布的模型解码性能,不代表每一位用户、每一种任务都能获得完全相同的生成速度。
实际体验还会受到输入长度、服务器负载、工具执行和网络环境等因素影响。
不过,对于需要频繁调用模型的办公助手和AI Agent来说,更短的输出和更快的生成速度,确实有机会减少整体任务等待时间。
03|单任务成本仅Hy4的1/20,腾讯这次有点狠
相比传统模型跑分,腾讯这次更加关注真实工作场景。
为此,混元团队构建了WorkIndex内部评测集,围绕WorkBuddy中的典型任务进行测试。
评测覆盖PPT制作与修改、文档编辑、表格修复、音视频处理和视觉理解等八类任务。
与只评估模型回答准确率不同,WorkIndex更加关注三个指标:
最终交付效果、Token消耗和端到端任务耗时。
根据腾讯公布的数据:
| 对比模型 | Hy4 Flash单任务成本 |
|---|---|
| Hy4 preview | 约为其1/13 |
| Hy4正式版 | 约为其1/20 |
| DeepSeek-V4.1-Flash | 在指定Max档位、忙时价格条件下约为其1/8 |
需要注意,这些结果来自腾讯内部WorkIndex评测,并不是所有场景下的统一价格比例。
尤其是不同模型之间的比较,还受到任务类型、模型档位和实际计费规则影响。
但它展示了一个值得关注的方向:
模型不一定需要拥有最大的参数规模,才能在日常任务中实现更高的性价比。
如果一个任务能够以更少的Token完成,同时保持相近甚至更好的交付质量,实际价值可能比单纯提高某项榜单成绩更加明显。
04|85人参与盲测,任务完成速度进一步提升
除了内部基准测试,腾讯还邀请85位WorkBuddy内部用户参与实际体验盲测。
测试覆盖27类、共259项日常工作任务。
根据公开结果,Hy4 Flash的用户满意度接近Claude Haiku 5.5,并在参与比较的模型中取得较低的单任务成本和较短的任务耗时。
相关报道披露,其测试任务平均成本约0.26元,端到端任务时长中位数约6.7分钟。
这些数据主要反映指定测试任务和环境中的表现,不能理解成所有用户使用Hy4 Flash完成一次工作,都只需要0.26元或6.7分钟。
但对于真实办公场景来说,这种评测方式确实更加贴近日常体验。
因为用户最终关心的不是模型在排行榜上获得多少分,而是:
一份PPT多久能做好?一份报告需要修改几轮?一个问题能不能一次处理到位?
从这个角度来看,Hy4 Flash更强调实际生产力,而不只是模型能力的理论上限。
05|API输入0.5元/百万Token,限时五折更便宜
这次Hy4 Flash的API价格同样具有竞争力。
根据腾讯云TokenHub官方价格:
| 计费项目 | 常规价格 | 限时五折 |
|---|---|---|
| 输入Token | 0.5元/百万 | 0.25元/百万 |
| 输出Token | 2元/百万 | 1元/百万 |
| 缓存命中 | 0.02元/百万 | 0.01元/百万 |
对于需要高频调用模型的开发者来说,缓存命中价格尤其值得关注。
例如,AI编程助手和企业智能体经常需要重复使用系统提示词、工具说明和部分历史上下文。
如果这些内容能够命中缓存,就可以减少重复输入带来的费用。
不过,缓存价格并不代表所有输入都按0.02元/百万Token计费,实际账单仍取决于缓存命中率与输入输出结构。
另外,腾讯云此次提供的五折属于限时活动价格,长期接入时仍应参考常规价格和最新计费说明。
腾讯云Hy4 Flash模型详情:
https://cloud.tencent.com/tokenhub/hy4-flash腾讯云TokenHub:
https://cloud.tencent.com/product/tokenhub06|百万Token上下文,适合日常办公与Agent工作流
Hy4 Flash支持最高1M Token上下文,并具备文本、图片等多模态输入能力。
根据腾讯云模型文档,其上下文窗口为1024K,最大输入960K Token,最大输出64K Token。
这意味着模型能够一次处理更大范围的工作资料。
例如:
分析较长的产品需求文档。
整理多份会议记录。
理解包含大量内容的办公文件。
结合截图辅助分析前端页面。
处理需要多轮交互的Agent任务。
腾讯也明确给出了Hy4 Flash的推荐方向:
深度搜索、文档处理、PPT生成、简单前端展示和Computer Use等日常任务。
对于这些使用频率高、任务复杂度相对可控的场景,Hy4 Flash更容易发挥低成本与快速响应的优势。
不过,多模态理解不等于模型本身可以直接生成图片或视频;Computer Use也需要结合相应工具和授权环境才能执行实际操作。
07|日常任务用Flash,复杂编程交给Hy4
Hy4 Flash这次并没有试图在所有任务上取代旗舰版。
腾讯也明确指出,虽然Hy4 Flash的综合表现略优于Hy4 preview,但在长程Coding任务上存在小幅下降。
因此,对于复杂软件工程、长期开发和需要更高智能上限的任务,官方仍然推荐使用Hy4正式版。
这种产品分工其实很合理。
日常办公、文档整理、资料研究、简单页面制作等任务,可以优先考虑响应更快、费用更低的Flash版本。
而复杂代码库修改、多步骤软件工程和高难度推理任务,则可以根据实际效果选择Hy4。
不是每个任务都需要使用最强的模型,选对模型,往往比一味追求参数更重要。
对于AI产品开发团队来说,也可以根据任务复杂度选择不同模型,避免让简单任务长期占用高成本模型资源。
08|腾讯云、元宝、WorkBuddy已上线,11月30日前限时体验
目前,Hy4 Flash已经接入多个腾讯产品和平台,包括:
腾讯云TokenHub、WorkBuddy、腾讯元宝、企业微信、QQ、ima和Marvis。
后续还将接入OpenRouter,方便更多开发者使用。
在体验活动方面,腾讯公布:
2026年11月30日前,WorkBuddy用户可以限时免费体验Hy4 Flash,腾讯云TokenHub API提供限时五折优惠。
具体免费范围、调用额度和使用权益,以各平台活动页面为准。
WorkBuddy官方入口:
https://www.workbuddy.cn/腾讯云模型列表与API接入说明:
https://cloud.tencent.com/document/product/1823/130051此外,腾讯混元团队表示,后续计划开放Hy4 Flash模型权重,并保持高频迭代。
需要注意,计划开源不等于模型权重已经正式开放下载,目前开发者可以优先通过现有平台和API体验。
总结|大模型开始从拼参数,走向拼真实任务成本
Hy4 Flash这次最大的看点,不是224B参数,也不是150tps的速度数字。
而是腾讯将模型架构、训练方法、Token消耗和推理部署放在一起优化,尝试用更低的成本完成更多日常任务。
12B激活参数、百万Token上下文,让模型兼顾容量与效率。
强化学习减少冗余输出,底层推理优化进一步缩短响应时间。
再加上输入0.5元/百万Token的API价格,Hy4 Flash已经展现出较强的成本竞争力。
当然,WorkIndex和内部盲测仍然需要更多独立测试验证,尤其是在复杂任务稳定性和不同业务场景中的实际表现方面。
但这次产品定位已经很清楚:
高频任务交给更快、更便宜的Flash,复杂任务继续由旗舰模型承担。
未来大模型的竞争,可能不只是看谁的参数更多、榜单更高。
谁能用更少的Token、更短的时间,把用户交代的事情真正做完,谁才更容易成为日常工作中的主力工具。
标签






评论 0
最新评论登录后发布评论并参与互动。
暂无评论,欢迎抢沙发。