Bangun dengan CometAPIButuh satu API untuk banyak model?Uji alur kerja di Playground, lalu buat API key saat model dan biayanya sesuai dengan use case Anda.
Hy4 Flash: Apa Itu dan Bagaimana Cara Menggunakannya?
Gunakan Hy4 Flash melalui CometAPI dengan contoh Python untuk teks, streaming, gambar, ekstraksi JSON, dan pemanggilan alat, serta penanganan kesalahan dan tips penagihan.
Hy4 flash dari Tencent (dirilis 16 November 2026) adalah model paling hemat biaya dalam keluarga Hy (Hunyuan). Model ini memuat total 224 miliar parameter (termasuk 64B Engram) namun hanya mengaktifkan 12B per token, mendukung multimodal native (teks + gambar) dan jendela konteks penuh 1 juta token, serta dihargai sekitar $0,070 input / $0,281 output / $0,003 cached per juta token. Pada WorkIndex internal Tencent untuk tugas kantor sehari-hari, model ini mencapai biaya sekitar 1/13 dari Hy4 Preview dan 1/20 dari Hy4 penuh sambil menyamai atau sedikit melampaui kualitas Preview dan mendekati Claude Haiku 5.5 dalam kepuasan pengguna buta.
Untuk pekerjaan produktivitas volume tinggi, ini adalah salah satu proposisi nilai terkuat saat ini. CometAPI menawarkan cara paling sederhana yang kompatibel dengan OpenAI untuk memanggil Hy4 flash bersama Claude, GPT, dan model lain di bawah satu kunci.
Key Takeaways
Tanggal rilis: 16 November 2026 (API + produk); bobot terbuka menyusul tak lama kemudian.
Ditinjau untuk kejelasan, atribusi sumber, dan terminologi API terkini.
Arsitektur: 224B total (64B Engram) / 12B aktif, atensi hibrida + LatentMoE, dirancang untuk efisiensi ekstrem dan konteks panjang.
Harga (daftar): $0,070 / $0,281 / $0,003 (input / output / cached) per 1M token — sekitar 1/10–1/12 dari Hy4 penuh.
Fokus kinerja: Agen kantor sehari-hari (slide, dokumen, spreadsheet, pencarian, pemahaman visual, penggunaan komputer ringan). Biaya per tugas dan kecepatan kuat; Hy4 penuh tetap lebih baik untuk rekayasa perangkat lunak horizon panjang.
Ketersediaan: Tencent Cloud TokenHub (hy4-flash), WorkBuddy (gratis hingga 30 Nov), Yuanbao, WeCom, QQ, ima, Marvis, OpenRouter; bobot terbuka di Hugging Face / ModelScope / GitCode.
Kasus penggunaan terbaik: Otomasi produktivitas volume tinggi yang mengutamakan biaya dan latensi daripada kecerdasan frontier absolut.
Rekomendasi: Rute pekerjaan rutin ke Hy4 flash dan pengkodean/agen kompleks ke Hy4 atau model kelas Claude Opus melalui gateway terpadu seperti CometAPI.
What Exactly Is Hy4 Flash?
Hy4 flash adalah anggota berfokus efisiensi dari generasi Hy4 milik Tencent. Sementara Hy4 penuh (dirilis awal November 2026) menargetkan kapabilitas maksimum, Hy4 flash direkayasa secara sengaja untuk kualitas-per-dolar setinggi mungkin pada beban kerja berulang, multimodal, dan konteks panjang yang mendominasi pipeline kantor dan agen nyata.
Spesifikasi inti (resmi):
Total parameter: 224B (termasuk tabel memori n-gram 64B Engram)
Parameter aktif per token: 12B
Jendela konteks: 1.048.576 token
Modalitas: Input teks + gambar → output teks
Dukungan native untuk function calling, JSON terstruktur, dan penggunaan alat
Kecepatan decode yang diklaim: >150 token/detik di bawah serving teroptimalkan (megakernels + kuantisasi 4-bit + DFly speculative decoding)
Desainnya mewarisi dan memurnikan teknik yang pertama kali dipratinjau di model Hy sebelumnya: atensi hibrida sparse/sliding-window, pakar LatentMoE yang beroperasi di ruang laten terkompresi, dan tabel lookup Engram besar yang menggantikan komputasi dense dengan retrieval memori. Hasilnya adalah KV cache yang secara dramatis lebih kecil (dilaporkan 1/6 dari Hy4 dan 1/24 dari Hy3) dan biaya serving yang jauh lebih rendah dalam skala besar.
How Hy4 flash work
Tencent mengoptimalkan Hy4 flash berdasarkan tiga pilar:
Efisiensi sparse: Hanya 12B parameter yang aktif per token. Model menggunakan 512 expert ter-routing (16 aktif) plus expert bersama di sebagian besar layer, dikombinasikan dengan atensi hibrida yang menyisipkan seleksi sparse (hingga ~2k token) dengan jendela geser pendek.
Memori Engram: Tabel n-gram (bigram/trigram) 64B-parameter yang diambil melalui hash. Penyimpanan pengetahuan eksternal ini mengurangi kebutuhan jaringan dense untuk menghafal pola sering, menurunkan biaya pelatihan dan inferensi.
Tumpukan serving: Megakernels, kuantisasi 4-bit, dan drafter spekulatif DFly2 kecil memungkinkan klaim >150 tok/det dan menjaga latensi tetap rendah bahkan pada konkruensi tinggi.
Pilihan ini membuat Hy4 flash sangat cocok untuk dokumen panjang, loop agen multi-giliran dengan caching prompt berat, dan tugas kantor multimodal di mana model harus berulang kali membaca gambar, grafik, atau file besar.
Pricing and Cost-Per-Task Reality
Harga daftar resmi di Tencent Cloud TokenHub (ekuivalen USD):
Jenis token
Hy4 flash
Hy4 penuh
Rasio perkiraan
Input cache
$0,003
$0,042
~1/14
Input
$0,070
$0,834
~1/12
Output
$0,281
$2,501
~1/9
Hingga 30 November 2026 TokenHub menawarkan diskon 50% dari harga daftar, dan akses WorkBuddy gratis.
Lebih penting daripada harga daftar adalah biaya per tugas yang diselesaikan. Pada WorkIndex internal Tencent (pembuatan/penyuntingan PowerPoint, penyuntingan dokumen, perbaikan spreadsheet, pemrosesan audio/video, pemahaman visual, dll.):
Evaluasi
Hasil yang dilaporkan
Kecepatan decoding
Lebih dari 150 token/detik
Kinerja keseluruhan
Sedikit lebih baik daripada Hy4 Preview, kata Tencent
Biaya tugas WorkIndex vs Hy4 Preview
Sekitar 1/13
Biaya tugas WorkIndex vs Hy4
Sekitar 1/20
Biaya tugas WorkIndex vs DeepSeek-V4.1-Flash-1017
Sekitar 1/8
Pengurangan panjang output
Sekitar 50% melalui reinforcement learning
How to interpret these results
Evaluasi WorkIndex adalah tolok ukur internal Tencent yang dibangun di sekitar tugas produktivitas WorkBuddy tipikal. Evaluasi ini mempertimbangkan kualitas output, panjang output, dan waktu penyelesaian end-to-end.
Rasio biaya yang dilaporkan sangat penting:
Dibandingkan dengan Hy4 Preview, Hy4 Flash dilaporkan mengurangi biaya tugas sekitar 92,3%.
Dibandingkan dengan Hy4, dilaporkan mengurangi biaya tugas sekitar 95%.
Dibandingkan dengan DeepSeek-V4.1-Flash-1017, dilaporkan mengurangi biaya tugas sekitar 87,5%.
Ini adalah perbandingan biaya tugas internal, bukan peningkatan akurasi tolok ukur standar. Hasil ini tidak boleh disajikan sebagai bukti langsung bahwa Hy4 Flash 13 atau 20 kali lebih cerdas atau lebih cepat.
Dalam evaluasi buta dengan 85 pengguna WorkBuddy internal di 259 tugas dalam 27 kategori, Hy4 flash memberikan skor kepuasan pengguna hampir identik dengan Claude Haiku 5.5 sambil mencatat biaya terendah dan waktu penyelesaian end-to-end terpendek dari model mana pun yang diuji.
Hy4 Flash Performance Benchmarks
Tencent mempublikasikan tolok ukur agen publik dan WorkIndex internal. Angka yang dilaporkan sendiri (pengaturan penalaran tertinggi) yang representatif:
Tolok ukur
Hy4 flash
Hy4 penuh
Catatan
DeepSWE v1.1
64,6
74,9
Kuat namun tertinggal dari flagship
Terminal-Bench 4.0
19,2
44,4
Kesenjangan jelas pada kerja terminal berat
OSWorld 2.1 (parsial)
68,1
78,9
Penggunaan komputer kompetitif
APEX-Agents
63,1
75,2
Skor agen solid
WorkIndex (internal)
42,1
51,4
Trade-off biaya/kualitas terbaik
How to Use Hy4 Flash
1. Via Tencent products (easiest for Chinese users / WorkBuddy)
Buka WorkBuddy → pilih Hy4 flash (gratis hingga 30 Nov).
Tersedia di dalam Yuanbao, asisten AI WeCom, QQ, ima, Marvis.
2. Via Tencent Cloud TokenHub API
Model ID: hy4-flash
Endpoint chat completions standar yang kompatibel dengan OpenAI. Prompt caching didukung dan sangat direkomendasikan untuk multi-giliran atau loop agen.
3. Via CometAPI
Slug model umumnya hy4-flash. Harga tetap sangat kompetitif. Function calling dan output terstruktur didukung.
4. Local / self-hosted (open weights)
Bobot untuk model instruct, FP8, dan base tersedia di Hugging Face, ModelScope, dan GitCode di bawah Tencent Hy License. Image vLLM dan SGLang resmi tersedia; dukungan llama.cpp masih matang pada pertengahan November 2026. Persyaratan hardware signifikan (ratusan GB untuk presisi penuh; versi terkuantisasi lebih praktis).
Practical tips for best results
Selalu aktifkan prompt caching pada sistem prompt berulang atau dokumen panjang.
Gunakan model untuk tugas dengan panjang output moderat — fokus pascapelatihan pada jawaban ringkas membantu menjaga biaya tetap rendah.
Untuk pipeline hibrida, rute tugas sederhana/menengah ke Hy4 flash dan eskalasi tugas pengkodean atau riset sulit ke Hy4 penuh atau model tertutup yang lebih kuat.
Multimodal: masukkan tangkapan layar, grafik, atau PDF secara langsung; encoder visi siap produksi untuk kasus penggunaan kantor.
What Do You Need Before Calling the Hy4 Flash API?
Gunakan Python 3.10 atau lebih baru dan simpan file berikut dalam satu folder proyek. Antarmuka CometAPI Chat Completions menggunakan OpenAI Python SDK dengan kunci dan endpoint CometAPI. SDK adalah pustaka klien; Hy4 Flash adalah model yang melayani permintaan.
Prepare your account and API key
Sebelum memulai, siapkan Python 3.10 atau lebih baru, pip, akun CometAPI dengan akses Hy4 Flash dan kredit tersedia, serta koneksi ke endpoint API. Simpan semua file contoh dalam satu folder proyek.
Buat akun di CometAPI, buka konsol API, dan buat kunci API.
Pilih perintah untuk terminal Anda dan ganti YOUR_COMETAPI_KEY dengan kunci Anda. Jalankan perintah berikutnya dalam sesi terminal yang sama.
Jalankan perintah lainnya dalam sesi terminal yang sama. Jika Anda menggunakan lingkungan virtual, aktifkan sebelum memasang SDK.
How to Use the Hy4 Flash API with Python
Mulailah dengan satu permintaan teks pendek. Anda akan mengonfigurasi klien, mengirim tiket dukungan, dan memeriksa klasifikasi yang dikembalikan sebelum menambahkan streaming, gambar, atau alat.
Step 1: Configure the model and client
Simpan berikut ini sebagai hy4_client.py. Setiap contoh di bawah mengimpor klien ini, jadi Anda hanya perlu mengonfigurasi kunci, endpoint, timeout, dan kebijakan retry sekali.
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,
)
Step 2: Send a text request
Simpan ini sebagai first_request.py. Skrip ini mengirim tugas klasifikasi kecil dan mencetak jawaban, status penyelesaian, dan detail penggunaan. Jawaban yang dikembalikan memverifikasi koneksi sebelum Anda menambahkan gambar atau alat.
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())
Step 3: Run the script and check the result
python first_request.py
Jalankan python first_request.py dari folder proyek. Hasil yang sukses mengidentifikasi tiket sebagai masalah penagihan, melaporkan alasan selesai stop, dan menyertakan penggunaan token ketika disediakan oleh layanan. Jika jawaban kosong atau permintaan gagal, gunakan bagian pemecahan masalah sebelum menambahkan kapabilitas lain.
Extend the first request when needed
Kapabilitas
Perubahan pada permintaan
Apa yang perlu diperiksa
Streaming
Setel stream=True; baca delta.content setiap chunk.
Lewati event kosong dan periksa finish_reason sebelum menganggap jawaban selesai.
Input gambar
Kirim teks dan item image_url, gunakan URL yang dapat diakses atau data URL base64 berlabel benar.
Gunakan gambar yang terbaca dan ajukan pertanyaan tentang label atau wilayah tertentu.
Ekstraksi JSON
Minta field secara eksplisit dan setel response_format ke {"type":"json_object"}.
Parsing hasil, validasi nama dan tipe field, dan periksa nilai terhadap sumbernya.
Add a tool only when external information is needed
Definisikan fungsi yang diizinkan dan skema argumennya di tools. Saat model memintanya, pertahankan pesan assistant, validasi argumen dan akses pengguna, lalu jalankan fungsi di backend Anda. Lampirkan hasilnya dengan tool_call_id yang cocok dan kirim kembali pesan yang diperbarui untuk jawaban akhir. Batasi putaran alat tambahan; model juga dapat menjawab tanpa memanggil alat.
Untuk pencarian pelanggan, urutan esensialnya adalah: definisikan fungsi, biarkan model memintanya, jalankan di aplikasi Anda, dan kembalikan hasil agar model dapat menjawab. Model mengusulkan panggilan; aplikasi Anda mengontrol eksekusi.
Definisikan lookup. Jelaskan get_customer_info di tools, dengan customer_id sebagai string wajib. Simpan implementasinya di backend Anda.
Tanya model. Kirim pertanyaan pengguna, pesan, dan tools dengan tool_choice="auto". Jika model menjawab langsung, periksa status penyelesaian dan tampilkan jawabannya.
Tangani panggilan yang diminta. Pertahankan pesan assistant, validasi nama fungsi dan argumen JSON, dan periksa akses sebelum menjalankan lookup. Tambahkan setiap hasil sebagai pesan tool dengan tool_call_id yang cocok.
Selesaikan respons. Kirim kembali pesan yang diperbarui ke model. Untuk catatan fiktif di sini, jawaban akhir harus mengidentifikasi pelanggan 10086 memiliki paket Pro dan status aktif. Batasi putaran alat tambahan.
Hasil lookup harus mengarah pada jawaban yang mengidentifikasi paket Pro dan status aktif. Saat mengganti kamus lokal dengan layanan nyata, periksa izin pengguna yang masuk sebelum mengembalikan catatan pelanggan. Tambahkan operation ID yang stabil sebelum memperkenalkan alat yang membuat atau memodifikasi catatan.
Kompatibilitas Hy4 Flash dengan protokol OpenAI Chat Completions, OpenAI Responses, dan Anthropic Messages.
Hy4 Flash API Price
Bandingkan tarif input tak-tercache, output, dan cache-hit secara terpisah. Tabel di bawah menggunakan CNY per juta token dari halaman harga Tencent dan tabel perbandingan CNY di halaman Hy4 Flash CometAPI, diperiksa pada 17 November 2026. Penawaran peluncuran 50% Tencent berlaku untuk penggunaan sebelum 30 November 2026 pukul 12:00 waktu Beijing.
Penggunaan per 1M token
Daftar Tencent (CNY)
Peluncuran Tencent (CNY)
Tabel CNY CometAPI*
Input tak-tercache
¥0,50
¥0,25
¥0,40
Output
¥2,00
¥1,00
¥1,60
Input cache
¥0,02
¥0,01
¥0,016
Untuk 100 juta token input tak-tercache dan 10 juta token output, total harga daftar Tencent adalah ¥70; total harga peluncuran adalah ¥35. Pertahankan periode penagihan dan basis harga pada setiap estimasi.
Untuk 100 juta token input tak-tercache dan 10 juta token output, beban kerja yang sama memberikan:
CometAPI, menggunakan tabel CNY-nya: 100 × ¥0,40 + 10 × ¥1,60 = ¥56, bergantung pada apakah tarif CNY tersebut berlaku untuk akun Anda.
Berdasarkan CNY tersebut, CometAPI berada ¥14 di bawah contoh harga daftar Tencent, tetapi ¥21 di atas contoh harga peluncuran Tencent. Diskon 20% yang diiklankan adalah terhadap harga daftar; diskon ini tidak ditumpuk dengan promosi 50% Tencent. Jika akun CometAPI Anda justru menagih tarif numerik tersebut dalam USD, perhitungan yang sama adalah $56, yang bukan kuotasi ¥56.
Best Use Cases for Hy4 Flash
Kasus penggunaan
Alasan Hy4 flash cocok
Agen AI volume tinggi
Biaya tugas yang dilaporkan lebih rendah dan function calling
Asisten pengkodean
Konteks panjang, penalaran, dan integrasi alat
Pemrosesan dokumen
Konteks besar dan pemahaman gambar
Produktivitas enterprise
Output terstruktur dan eksekusi alur kerja
Ekstraksi data
Pemrosesan konteks panjang dan output JSON
Asisten multimodal
Input teks dan gambar
Riset otomatis
Penalaran multi-langkah dan pemanggilan alat eksternal
Rekomendasi keseluruhan: Hy4 Flash sangat menarik bagi pengembang yang perlu menerapkan agen AI berkemampuan penalaran dalam skala tanpa membayar biaya inferensi model flagship untuk setiap permintaan.
Conclusion
Hy4 Flash layak dievaluasi ketika pengkodean sehari-hari, pekerjaan dokumen, atau tugas agen membutuhkan model ekonomis dengan dukungan teks, gambar, dan alat. Mulailah dengan satu permintaan yang berfungsi, lalu tambahkan kapabilitas yang diperlukan tugas Anda. Biarkan kualitas dan biaya pekerjaan yang selesai—bukan ukuran model atau angka token manis—yang menentukan apakah model ini layak berada di aplikasi Anda.
FAQ
How should Hy4 Flash handle scanned PDFs?
Konversikan halaman PDF yang relevan menjadi gambar yang jelas dan kirim melalui input gambar, atau ekstrak teks yang dapat dibaca sebelum membuat permintaan teks. Simpan nomor halaman pada setiap potongan dan minta bukti bersama nilai yang diekstrak. Bagi dokumen panjang per bagian agar jawaban tetap dapat ditelusuri ke sumber yang terkelola, alih-alih mengirim seluruh arsip dalam satu permintaan.
How should I save Hy4 Flash conversation history?
Simpan pesan yang dibutuhkan aplikasi Anda untuk melanjutkan percakapan, termasuk panggilan alat assistant dan hasil alat yang dipasangkan. Kirim riwayat yang relevan dengan permintaan Chat Completions berikutnya. Sebelum memangkas konten lama, pertahankan tugas saat ini, fakta penting, dan tindakan yang belum terselesaikan; jangan memisahkan panggilan alat yang tertunda dari hasilnya.
How do I prepare a Hy4 Flash batch job?
Jalankan sampel kecil yang berisi input tipikal dan kasus kegagalan yang diketahui. Beri setiap item ID stabil dan simpan statusnya, hasil tervalidasi, dan penggunaan secara terpisah. Batasi jumlah permintaan konkuren, retry hanya item yang gagal dalam anggaran tetap, dan rekonsiliasi ID yang selesai sebelum memulai ulang pekerjaan. Ini membuat kegagalan parsial dapat dipulihkan tanpa mengulang seluruh batch.
Is Hy4 flash open source?
Ya. Bobot instruct, FP8, dan base dirilis di bawah Tencent Hy License dan tersedia di hub model utama.
How does it compare to Claude Haiku 5.5?
Dalam pengujian internal buta Tencent, model ini menyamai tingkat kepuasan Haiku dengan biaya yang jauh lebih rendah dan waktu penyelesaian lebih cepat pada beban kerja kantor. Tolok ukur pengkodean horizon panjang independen masih memihak model yang lebih kuat.