TLDR
Hy4 flash de Tencent (publié le 16 novembre 2026) est le modèle le plus économique de la famille Hy (Hunyuan). Il comprend 224 milliards de paramètres au total (dont 64B Engram) mais n’active que 12B par token, offre une prise en charge multimodale native (texte + image) et une fenêtre de contexte d’un million de tokens, et est proposé à environ $0.070 en entrée / $0.281 en sortie / $0.003 en cache par million de tokens. Sur le WorkIndex interne de Tencent pour des tâches bureautiques quotidiennes, il atteint environ 1/13 du coût de Hy4 Preview et 1/20 du coût de Hy4 complet tout en égalant ou dépassant légèrement la qualité de Preview, et en se rapprochant de Claude Haiku 5.5 en satisfaction utilisateur à l’aveugle.
Pour les workloads de productivité à grande échelle, c’est l’une des propositions de valeur les plus solides actuellement disponibles. CometAPI offre la manière la plus simple, compatible OpenAI, d’appeler Hy4 flash aux côtés de Claude, GPT et d’autres modèles sous une clé unique.
Points clés
- Date de sortie : 16 novembre 2026 (API + produits) ; les poids ouverts ont suivi peu après.
- Architecture : 224B au total (64B Engram) / 12B actifs, attention hybride + LatentMoE, conçu pour une efficacité extrême et un long contexte.
- Tarification (liste) : $0.070 / $0.281 / $0.003 (entrée / sortie / mis en cache) par 1M de tokens — environ 1/10–1/12 de Hy4 complet.
- Focalisation performance : Agents bureautiques du quotidien (présentations, documents, feuilles de calcul, recherche, compréhension visuelle, usage léger de l’ordinateur). Excellent rapport coût/tâche et vitesse ; Hy4 complet reste meilleur pour l’ingénierie logicielle à long horizon.
- Disponibilité : Tencent Cloud TokenHub (
hy4-flash), WorkBuddy (gratuit jusqu’au 30 nov.), Yuanbao, WeCom, QQ, ima, Marvis, OpenRouter ; poids ouverts sur Hugging Face / ModelScope / GitCode. - Meilleurs cas d’usage : Automatisation de productivité à grand volume où le coût et la latence priment sur l’intelligence de pointe absolue.
- Recommandation : Router le travail routinier vers Hy4 flash et les tâches de codage/agents complexes vers Hy4 ou des modèles de classe Claude Opus via une passerelle unifiée telle que CometAPI.
Qu’est-ce que Hy4 Flash exactement ?
Hy4 flash est le membre axé sur l’efficacité de la génération Hy4 de Tencent. Alors que Hy4 complet (publié plus tôt en novembre 2026) vise la capacité maximale, Hy4 flash est délibérément conçu pour offrir le meilleur rapport qualité/prix sur les charges de travail répétitives, multimodales et à long contexte qui dominent les pipelines réels de bureau et d’agents.
Spécifications principales (officielles) :
- Paramètres totaux : 224B (incluant une table mémoire n-gram de 64B Engram)
- Paramètres actifs par token : 12B
- Fenêtre de contexte : 1 048 576 tokens
- Modalités : Entrée texte + image → sortie texte
- Prise en charge native de l’appel de fonctions, du JSON structuré et de l’utilisation d’outils
- Vitesse de décodage revendiquée : >150 tokens/s en serving optimisé (megakernels + quantification 4 bits + décodage spéculatif DFly)
La conception hérite et affine des techniques préfigurées dans les modèles Hy précédents : attention hybride clairsemée/fenêtre glissante, experts LatentMoE opérant dans un espace latent compressé, et une grande table de consultation Engram qui remplace le calcul dense par de la mémoire. Le résultat est un cache KV nettement plus petit (annoncé à 1/6 de Hy4 et 1/24 de Hy3) et un coût de serving bien plus faible à l’échelle.
Comment Hy4 flash fonctionne
Tencent a optimisé Hy4 flash autour de trois piliers :
- Efficacité clairsemée : seulement 12B de paramètres s’activent par token. Le modèle utilise 512 experts routés (16 actifs) plus des experts partagés dans la plupart des couches, combinés à une attention hybride qui entrelace sélection clairsemée (jusqu’à ~2k tokens) et courtes fenêtres glissantes.
- Mémoire Engram : une table n-gram (bigramme/trigramme) de 64B de paramètres, consultée par hachage. Ce magasin de connaissances externe réduit le besoin pour le réseau dense de mémoriser des motifs fréquents, diminuant les coûts d’entraînement et d’inférence.
- Pile de serving : megakernels, quantification 4 bits et un petit drafteur spéculatif DFly2 permettent la revendication de >150 tok/s et maintiennent une faible latence même à forte concurrence.
Ces choix rendent Hy4 flash particulièrement adapté aux longs documents, aux boucles d’agents multi-tours avec fort caching de prompt, et aux tâches bureautiques multimodales où le modèle doit relire à plusieurs reprises des images, des graphiques ou de gros fichiers.
Tarification et réalité du coût par tâche
Tarifs officiels (équivalent USD) sur Tencent Cloud TokenHub :
| Type de token | Hy4 flash | Hy4 complet | Rapport approximatif |
|---|---|---|---|
| Entrée mise en cache | $0.003 | $0.042 | ~1/14 |
| Entrée | $0.070 | $0.834 | ~1/12 |
| Sortie | $0.281 | $2.501 | ~1/9 |
Jusqu’au 30 novembre 2026, TokenHub propose 50% de réduction sur les tarifs catalogue, et l’accès WorkBuddy est gratuit.
Plus important que le prix catalogue, c’est le coût par tâche terminée. Sur le WorkIndex interne de Tencent (création/édition de PowerPoint, édition de documents, corrections de feuilles de calcul, traitement audio/vidéo, compréhension visuelle, etc.) :
| Évaluation | Résultat rapporté |
|---|---|
| Vitesse de décodage | Plus de 150 tokens/seconde |
| Performance globale | Légèrement meilleure que Hy4 Preview, selon Tencent |
| Coût des tâches WorkIndex vs Hy4 Preview | Environ 1/13 |
| Coût des tâches WorkIndex vs Hy4 | Environ 1/20 |
| Coût des tâches WorkIndex vs DeepSeek-V4.1-Flash-1017 | Environ 1/8 |
| Réduction de la longueur de sortie | Environ 50% via apprentissage par renforcement |
Comment interpréter ces résultats
Le WorkIndex est un benchmark interne de Tencent, construit autour de tâches de productivité typiques WorkBuddy. Il prend en compte la qualité de sortie, la longueur de sortie et le temps de complétion de bout en bout.
Les ratios de coût rapportés sont particulièrement importants :
- Par rapport à Hy4 Preview, Hy4 Flash réduirait les coûts par tâche d’environ 92,3%.
- Par rapport à Hy4, il réduirait les coûts par tâche d’environ 95%.
- Par rapport à DeepSeek-V4.1-Flash-1017, il réduirait les coûts par tâche d’environ 87,5%.
Ce sont des comparaisons internes de coût par tâche, pas des améliorations standardisées de précision sur benchmark. Elles ne doivent pas être présentées comme la preuve directe que Hy4 Flash est 13 ou 20 fois plus intelligent ou plus rapide.
Dans une évaluation à l’aveugle auprès de 85 utilisateurs internes de WorkBuddy sur 259 tâches dans 27 catégories, Hy4 flash a livré des scores de satisfaction quasiment identiques à Claude Haiku 5.5 tout en affichant le coût le plus bas et le temps de complétion de bout en bout le plus court de tous les modèles testés.

Benchmarks de performance Hy4 Flash
Tencent publie à la fois des benchmarks d’agents publics et le WorkIndex interne. Chiffres représentatifs auto-déclarés (réglage de raisonnement le plus élevé) :
| Benchmark | Hy4 flash | Hy4 complet | Notes |
|---|---|---|---|
| DeepSWE v1.1 | 64.6 | 74.9 | Solide mais en retrait du fleuron |
| Terminal-Bench 4.0 | 19.2 | 44.4 | Écart net sur le travail terminal lourd |
| OSWorld 2.1 (partiel) | 68.1 | 78.9 | Compétitif en usage ordinateur |
| APEX-Agents | 63.1 | 75.2 | Bon score agent |
| WorkIndex (interne) | 42.1 | 51.4 | Meilleur compromis coût/qualité |
Comment utiliser Hy4 Flash
1. Via les produits Tencent (le plus simple pour les utilisateurs chinois / WorkBuddy)
- Ouvrir WorkBuddy → sélectionner Hy4 flash (gratuit jusqu’au 30 nov.).
- Disponible dans Yuanbao, l’assistant IA WeCom, QQ, ima, Marvis.
2. Via l’API Tencent Cloud TokenHub
ID du modèle : hy4-flash
Endpoint de chat completions compatible OpenAI standard. Le caching de prompt est pris en charge et fortement recommandé pour les multi-tours ou les boucles d’agents.
3. Via CometAPI
Slug du modèle généralement hy4-flash. La tarification reste extrêmement compétitive. L’appel de fonctions et les sorties structurées sont pris en charge.
4. Local / auto-hébergé (poids ouverts)
Des poids pour instruct, FP8 et base sont disponibles sur Hugging Face, ModelScope et GitCode sous la licence Tencent Hy. Des images officielles vLLM et SGLang existent ; le support llama.cpp était encore en maturation à la mi-novembre 2026. Les exigences matérielles sont substantielles (plusieurs centaines de Go en pleine précision ; les versions quantifiées sont plus pratiques).
Conseils pratiques pour de meilleurs résultats
- Activez toujours le caching de prompt sur les prompts système répétés ou les longs documents.
- Utilisez le modèle pour des tâches où la longueur de sortie est modérée — le post-entraînement axé sur des réponses concises aide à maintenir les coûts bas.
- Pour des pipelines hybrides, orientez les tâches simples/moyennes vers Hy4 flash et escaladez les tâches de codage ou de recherche difficiles vers Hy4 complet ou un modèle fermé plus puissant.
- Multimodal : fournissez directement des captures d’écran, graphiques ou PDF ; l’encodeur de vision est prêt pour la production sur les cas d’usage bureautiques.
De quoi avez-vous besoin avant d’appeler l’API Hy4 Flash ?
Utilisez Python 3.10 ou plus et conservez les fichiers suivants dans un même dossier de projet. L’interface Chat Completions de CometAPI utilise le SDK Python OpenAI avec une clé CometAPI et un endpoint CometAPI. Le SDK est la bibliothèque cliente ; Hy4 Flash est le modèle qui sert la requête.
Préparez votre compte et votre clé API
Avant de commencer, munissez-vous de Python 3.10 ou supérieur, pip, d’un compte CometAPI avec accès à Hy4 Flash et du crédit disponible, ainsi que d’une connexion à l’endpoint API. Conservez tous les fichiers d’exemple dans un même dossier de projet.
Créez un compte sur CometAPI, ouvrez la console API et générez une clé API.
Choisissez la commande pour votre terminal et remplacez YOUR_COMETAPI_KEY par votre clé. Exécutez les commandes suivantes dans la même session de terminal.
export COMETAPI_KEY="YOUR_COMETAPI_KEY"$env:COMETAPI_KEY="YOUR_COMETAPI_KEY"
Installez la bibliothèque cliente Python
python -m pip install --upgrade openai
Exécutez les commandes restantes dans la même session de terminal. Si vous utilisez un environnement virtuel, activez-le avant d’installer le SDK.
Comment utiliser l’API Hy4 Flash avec Python
Commencez par une courte requête texte. Vous allez configurer le client, envoyer un ticket d’assistance et inspecter la classification renvoyée avant d’ajouter le streaming, des images ou des outils.
Étape 1 : Configurer le modèle et le client
Enregistrez ce qui suit sous hy4_client.py. Tous les exemples ci-dessous importent ce client, vous n’avez donc à configurer la clé, l’endpoint, le timeout et la stratégie de retry qu’une seule fois.
import os
from openai import OpenAI
MODEL = "hy4-flash"
client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1",
timeout=120.0,
max_retries=2,
)
Étape 2 : Envoyer une requête texte
Enregistrez ceci sous first_request.py. Il envoie une petite tâche de classification et affiche la réponse, le statut d’achèvement et les détails d’usage. Une réponse renvoyée vérifie la connexion avant d’ajouter des images ou des outils.
from hy4_client import client, MODEL
response = client.chat.completions.create(
model=MODEL,
messages=[
{"role": "system", "content": "Classify tickets as billing, bug, or feature."},
{"role": "user", "content": "I was charged twice for my subscription."},
],
)
choice = response.choices[0]
print(choice.message.content or "")
print("Finish reason:", choice.finish_reason)
if response.usage:
print("Usage:", response.usage.model_dump())
Étape 3 : Exécuter le script et vérifier le résultat
python first_request.py
Exécutez python first_request.py depuis le dossier du projet. Un résultat réussi identifie le ticket comme un problème de facturation, signale une raison d’arrêt “stop” et inclut l’usage de tokens lorsqu’il est fourni par le service. Si la réponse est vide ou si la requête échoue, utilisez la section de dépannage avant d’ajouter une autre capacité.
Étendre la première requête si nécessaire
| Capacité | Modification de la requête | Ce qu’il faut vérifier |
|---|---|---|
| Streaming | Définir stream=True ; lire le delta.content de chaque chunk. | Ignorer les événements vides et inspecter finish_reason avant de considérer la réponse comme complète. |
| Entrée image | Envoyer du texte et un élément image_url, en utilisant une URL accessible ou une URL de données base64 correctement étiquetée. | Utiliser une image lisible et poser des questions sur des libellés ou des régions spécifiques. |
| Extraction JSON | Demander explicitement les champs et définir response_format sur {"type":"json_object"}. | Analyser le résultat, valider les noms et types de champs et vérifier les valeurs par rapport à la source. |
N’ajoutez un outil que lorsque des informations externes sont nécessaires
Définissez une fonction autorisée et son schéma d’arguments dans tools. Lorsque le modèle la demande, conservez le message assistant, validez les arguments et les accès utilisateur, puis exécutez la fonction dans votre backend. Ajoutez son résultat avec le tool_call_id correspondant et renvoyez les messages mis à jour pour la réponse finale. Limitez les tours d’outils supplémentaires ; le modèle peut aussi répondre sans appeler d’outil.
Connecter l’application et gérer les échecs
Conservez la clé API sur votre backend. Authentifiez l’utilisateur, appliquez des limites d’usage et renvoyez la réponse ou streamez-la vers l’interface. Enregistrez l’état d’achèvement et l’usage facturé sans consigner les clés ni les entrées privées.
Pour les 401/403, vérifiez les identifiants et l’accès ; pour les 400, simplifiez la requête ; pour les 429 ou erreurs serveur temporaires, utilisez des retries bornés et un backoff. Marquez les réponses tronquées ou déconnectées comme incomplètes. Le client partagé utilise déjà un timeout de 120 secondes et deux retries SDK, évitez donc d’ajouter une boucle de retry illimitée.
Comment ajouter des outils à un agent Hy4 Flash
Une application avec outils envoie des définitions de fonctions, reçoit l’appel demandé par le modèle, exécute une fonction autorisée et renvoie le résultat avec le tool_call_id correspondant. Le flux d’appel d’outils Chat Completions préserve le message assistant avant d’ajouter les résultats d’outils.
Pour une recherche client, la séquence essentielle est : définir la fonction, laisser le modèle la demander, l’exécuter dans votre application, et renvoyer le résultat afin que le modèle puisse répondre. Le modèle propose un appel ; votre application contrôle l’exécution.
- Définir la recherche. Décrivez get_customer_info dans tools, avec customer_id comme chaîne requise. Conservez l’implémentation dans votre backend.
- Interroger le modèle. Envoyez la question de l’utilisateur, les messages et tools avec tool_choice="auto". Si le modèle répond directement, vérifiez l’état d’achèvement et affichez la réponse.
- Gérer un appel demandé. Conservez le message assistant, validez le nom de la fonction et les arguments JSON, et vérifiez l’accès avant d’exécuter la recherche. Ajoutez chaque résultat comme message tool avec son tool_call_id correspondant.
- Finaliser la réponse. Renvoyez les messages mis à jour au modèle. Pour l’enregistrement fictif utilisé ici, la réponse finale devrait identifier le client 10086 comme ayant le plan Pro et un statut actif. Bornez tout tour d’outil supplémentaire.
Le résultat de la recherche devrait mener à une réponse identifiant le plan Pro et le statut actif. En remplaçant le dictionnaire local par un service réel, vérifiez l’autorisation de l’utilisateur connecté avant de renvoyer une fiche client. Ajoutez un ID d’opération stable avant d’introduire des outils qui créent ou modifient des enregistrements.
Compatibilité Hy4 Flash avec les protocoles OpenAI Chat Completions, OpenAI Responses et Anthropic Messages.
Prix de l’API Hy4 Flash
Comparez séparément les taux d’entrée non mise en cache, de sortie et de succès de cache. Le tableau ci-dessous utilise le CNY par million de tokens depuis la page de tarification de Tencent et le tableau CNY sur la page Hy4 Flash de CometAPI, vérifiés le 17 novembre 2026. L’offre de lancement de 50% de Tencent s’applique à l’usage avant le 30 novembre 2026 à 12:00 (heure de Pékin).
| Usage par 1M de tokens | Liste Tencent (CNY) | Lancement Tencent (CNY) | Tableau CometAPI CNY* |
|---|---|---|---|
| Entrée non mise en cache | ¥0.50 | ¥0.25 | ¥0.40 |
| Sortie | ¥2.00 | ¥1.00 | ¥1.60 |
| Entrée mise en cache | ¥0.02 | ¥0.01 | ¥0.016 |
Pour 100 millions de tokens d’entrée non mise en cache et 10 millions de tokens de sortie, le total au prix catalogue Tencent est de ¥70 ; le total au prix de lancement est de ¥35. Conservez la période de facturation et la base de prix attachées à chaque estimation.
Pour 100 millions de tokens d’entrée non mise en cache et 10 millions de tokens de sortie, la même charge donne :
- Tencent (liste) : 100 × ¥0.50 + 10 × ¥2.00 = ¥70.
- Tencent (lancement) : 100 × ¥0.25 + 10 × ¥1.00 = ¥35.
- CometAPI, en utilisant son tableau CNY : 100 × ¥0.40 + 10 × ¥1.60 = ¥56, sous réserve que ces taux CNY s’appliquent à votre compte.
Sur cette base en CNY, CometAPI est ¥14 en dessous de l’exemple au prix catalogue de Tencent, mais ¥21 au-dessus de l’exemple au prix de lancement de Tencent. Sa remise annoncée de 20% est appliquée au prix catalogue ; elle ne se cumule pas avec la promotion de 50% de Tencent. Si votre compte CometAPI facture plutôt ces taux numériques en USD, le même calcul est $56, ce qui n’est pas un devis à ¥56.
Meilleurs cas d’usage pour Hy4 Flash
| Cas d’usage | Pourquoi Hy4 Flash convient |
|---|---|
| Agents IA à grand volume | Coûts par tâche plus bas rapportés et appel de fonctions |
| Assistants de codage | Long contexte, raisonnement et intégration d’outils |
| Traitement de documents | Grand contexte et compréhension d’images |
| Productivité en entreprise | Sorties structurées et exécution de workflows |
| Extraction de données | Traitement long contexte et sortie JSON |
| Assistants multimodaux | Entrées texte et image |
| Recherche automatisée | Raisonnement multi-étapes et appel d’outils externes |
Recommandation générale : Hy4 Flash est particulièrement attractif pour les développeurs qui doivent déployer des agents IA à capacité de raisonnement à l’échelle, sans payer les coûts d’inférence des modèles phares pour chaque requête.
Conclusion
Hy4 Flash mérite une évaluation lorsque le codage quotidien, le travail sur documents ou les tâches d’agent nécessitent un modèle économique avec support du texte, des images et des outils. Commencez par une requête fonctionnelle, puis ajoutez la capacité dont votre tâche a besoin. Laissez la qualité et le coût du travail accompli — et non la taille du modèle ou un taux de tokens en vitrine — décider s’il a sa place dans votre application.
FAQ
Comment Hy4 Flash doit-il gérer les PDF scannés ?
Convertissez les pages PDF pertinentes en images claires et soumettez-les via l’entrée image, ou extrayez un texte lisible avant d’envoyer une requête texte. Conservez les numéros de page avec chaque fragment et demandez des preuves en plus des valeurs extraites. Scindez les longs documents par section afin qu’une réponse reste traçable à une source gérable, plutôt que d’envoyer une archive entière en une seule fois.
Comment dois-je enregistrer l’historique de conversation Hy4 Flash ?
Stockez les messages dont votre application a besoin pour reprendre la conversation, y compris les appels d’outils de l’assistant et leurs résultats appariés. Envoyez l’historique pertinent avec la prochaine requête Chat Completions. Avant de purger du contenu plus ancien, préservez la tâche en cours, les faits essentiels et les actions non résolues ; ne séparez pas un appel d’outil en attente de son résultat.
Comment préparer un job batch Hy4 Flash ?
Exécutez un petit échantillon contenant des entrées typiques et des cas d’échec connus. Attribuez à chaque élément un ID stable et enregistrez séparément son statut, le résultat validé et l’usage. Limitez le nombre de requêtes concurrentes, ne refaites des retries que sur les éléments échoués dans un budget fixé, et rapprochez les IDs complétés avant de redémarrer un job. Cela rend les échecs partiels récupérables sans répéter l’ensemble du batch.
Hy4 flash est-il open source ?
Oui. Les poids instruct, FP8 et base ont été publiés sous la licence Tencent Hy et sont disponibles sur les principaux hubs de modèles.
Comment se compare-t-il à Claude Haiku 5.5 ?
Dans les tests internes à l’aveugle de Tencent, il a égalé le niveau de satisfaction de Haiku à des coûts sensiblement plus faibles et des temps de complétion plus rapides sur des workloads bureautiques. Des benchmarks indépendants de codage à long horizon favorisent encore des modèles plus puissants.



