首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于

腾讯混元 Hy4 flash 上线首日登顶 OpenRouter,2 毛钱就能跑完一个任务!

2026-11-19 1 阅读 约10分钟阅读 凌敏
分享:
字号:
在全球知名大模型聚合平台 OpenRouter LLM 日排行榜上,腾讯混元最新发布的 Hy4 flash 成功登顶,成为全球开发者高频调用的首选轻量模型之一。 数据显示,Hy4 flash 上线首日,Token 调用量就突破 50 万亿,创下混元系列模型首日调用量新高。 这份成绩背后的一个重要原因就是,Hy4 flash 便宜又能打。先看价格: 每百万 Token 输入 0.5 元、输出 2 元,命中缓存时仅需 0.02 元;单任务成本 0.26 元,仅为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(Max 档位,忙时价格)的 1/8。 难怪腾讯称,Hy4 flash 是迄今为止最高性价比的 Hy 模型,任谁看了这个价格都得直呼“真便宜”。 价格降下来了,能力有没有缩水?参数方面,Hy4 flash 总参数量为 224B(其中 64B 为 Engram 参数),激活参数仅为 12B,支持多模态和 1M 上下文长度。虽然 Hy4 flash 参数量约为旗舰的四分之一,但依然保持了接近旗舰开源模型的表现,在深度搜索、文档处理、PPT 生成等大部分日常办公任务上都有不错的表现。 Hy4 flash 一经发布,迅速引发海内外网友关注和讨论。有网友算起了成本账:“这性价比太狠了!日常任务表现能媲美 Claude Haiku,成本却只有后者的 1/18。对于需要高频调用模型的团队来说,实在太划算了。”也有网友给出更直接的判断:“日常办公这块,模型之间的差距已经小到普通人感觉不出来了,接下来比的就是谁便宜、谁顺手。” 目前,Hy4 flash 已在腾讯云 TokenHub 上线。 Token 调用量突破 50 万亿Hy4 flash 如何做到“又快又省”? 作为一款新发布的模型,Hy4 flash 上线首日 Token 调用量就突破 50 万亿,创混元系列模型首日调用量新高,这个战绩确实不错。腾讯董事会主席兼首席执行官马化腾表示,“Hy4 已达到中国顶尖大模型水平,Hy4 flash 则显著降低推理成本,把高性价比的模型能力应用到实际场景中。” 经常关注大模型进展的用户或许早已注意到,今年腾讯混元的发布节奏非常快,平均每两个月发布一个大版本。 11 月 4 日发布的 Hy4 定位“为真实生产力而生”,在保持与 preview 版相同参数规模的基础上,大幅扩大预训练和后训练规模,首次引入视觉理解能力,支持通过图形界面和命令行执行任务,发布时位列 Agent Arena 全球开源模型第一、中国模型第一。 最新发布的 Hy4 flash 则进一步降低了使用成本。据介绍,Hy4 flash 总参数量为 224B,激活参数仅 12B,综合效果略优于更大规模的 Hy4 preview,是迄今性价比最高的混元模型。 价格降下来了,还要看任务完成得好不好。尤其是在日常办公场景,大家关心的除了消耗多少 Token,还要看一项任务多久能完成,完成得怎么样。 为了更好地评估 Hy4 flash 效果,混元团队专门构建了一个覆盖 PPT 制作与修改、文档编辑、表格修复、音视频处理及视觉理解等典型任务的内部评测集 WorkIndex。按内部评测集 WorkIndex 测算,Hy4 flash 的单任务成本仅为 Hy4 preview 的 1/13、Hy4 的 1/20。 腾讯内部还组织了 85 位用户参与盲测,覆盖 27 类共 259 个任务。结果显示,Hy4 flash 的用户满意度接近 Claude Haiku 5.5,在参与比较的模型中,单任务成本最低,任务耗时也最短。 具体来看,Hy4 flash 的单任务成本是 0.26 元,端到端时长中位数 6.7 分钟;Claude Haiku 5.5 的成本是 4.73 元,时长 6.8 分钟。满意度几乎打平,成本差了一个数量级。 WorkBuddy 产品经理 Anne 提到,“与 Hy4 相比,Hy4 flash 的平均任务耗时减少了 70%,平均成本约为前者的 1/15,效果在日常工作任务上基本持平”。 元宝产品负责人 Logan 表示,“在元宝真实场景下,Hy4 flash 的 Agent 能力相比 Hy3 提升了 13.6%,任务完成的充分程度和信息呈现质量都有改善。在元宝通用对话任务上,Hy4 flash 相比 GLM-5.3-Flash 提升 2.52%,其中多轮对话能力提升最明显”。 在研发场景中,Hy4 flash 也展现出一定优势。王者荣耀项目管理负责人 TH 提到,“在游戏研发 Bug 分析评测中,针对 UI 交互、系统逻辑等问题,Hy4 flash 的根因定位表现接近 DeepSeek-V4.1-Flash-1017 和 GLM-5.3-Flash,但模型请求次数减少 22.0%-39.1%,按请求回执统计的 Token 消耗量减少 40.5%-61.2%”。 Hy4 flash 能够以更少的资源完成质量相近的任务,背后是混元团队在模型架构、训练方法和推理部署上的一系列优化。 在预训练阶段,Hy4 flash 的重点是压低推理时的“固定开销”。Hy4 flash 的总参数量是 224B,其中 64B 是 Engram 参数,每个 token 只激活 12B。配合混合注意力、LatentMoE 和 Engram 等架构设计,KV Cache 被压到 Hy3 的 1/24、Hy4 的 1/6。 更值得关注的,是后训练阶段的优化。过去一年,行业里越来越多的讨论集中在推理模型的过度思考上。一些模型面对极其简单的问题也会“想太多”,造成资源浪费。 Hy4 flash 的优化思路,是让模型在保证任务效果的同时,尽可能减少不必要的输出。 具体来说,混元团队先通过自蒸馏 Hy4,让 Hy4 flash 获得较强的综合能力,再利用强化学习优化任务执行过程。数据显示,经过这一轮优化,Hy4 flash 的端到端任务输出长度降低了 50%。 在推理阶段,混元团队 结合 Megakernel、4bit 量化和 DFly 等技术,对推理过程进行了进一步优化,使 Hy4 flash 的解码速度超过 150 tps,每秒可以生成超过 150 个 Token。配合前面提到的缓存压缩和输出长度优化,Hy4 flash 得以在维持日常任务效果的同时,降低部署和运行成本。 不过,模型本身便宜了,并不等于企业的 AI 使用成本就能自动降下来。当越来越多员工和业务系统开始使用 AI,企业需要面对的成本问题也更复杂。比如,不同任务应该调用哪个模型?Token 消耗集中在哪些业务环节?如何避免低价值调用持续占用预算? 模型已经足够便宜,剩下的成本花在哪里? 企业的 AI 账单正在变成一张让财务和 IT 同时皱眉的东西。 Capgemini 今年 9 月对 500 位高管的调研显示,59% 的企业过去一年 AI 支出显著超出预期或预算,超支幅度平均在 24%,60% 的组织至今没有一套企业级的 AI 成本可见性。KPMG 的数据更是直接揭露了企业 AI 账单的混乱,很多企业甚至不清楚钱究竟花在了哪里:只有 26% 的企业对自家 AI 花
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱