TLDR
Hy4 flash di Tencent (rilasciato il 16 novembre 2026) è il modello più conveniente della famiglia Hy (Hunyuan). Integra 224 miliardi di parametri totali (inclusi 64B di Engram) ma ne attiva solo 12B per token, offre supporto multimodale nativo (testo + immagine) e una finestra di contesto completa da 1 milione di token, ed è proposto a circa $0.070 input / $0.281 output / $0.003 cached per milione di token. Sull’indice interno WorkIndex di Tencent per attività d’ufficio quotidiane, raggiunge un costo circa 1/13 rispetto a Hy4 Preview e 1/20 rispetto al full Hy4, mantenendo o superando leggermente la qualità di Preview e avvicinandosi a Claude Haiku 5.5 nella soddisfazione utente in cieco.
Per lavoro produttivo ad alto volume è una delle migliori proposte di valore oggi disponibili. CometAPI offre il modo più semplice, compatibile con OpenAI, per chiamare Hy4 flash insieme a Claude, GPT e altri modelli con una singola chiave.
Key Takeaways
- Release date: 16 novembre 2026 (API + prodotti); i pesi aperti sono seguiti a breve.
- Architecture: 224B totali (64B Engram) / 12B attivi, attenzione ibrida + LatentMoE, progettata per efficienza estrema e contesto lungo.
- Pricing (list): $0.070 / $0.281 / $0.003 (input / output / cached) per 1M token — circa 1/10–1/12 del full Hy4.
- Performance focus: Agenti d’ufficio quotidiani (presentazioni, documenti, fogli di calcolo, ricerca, comprensione visiva, uso leggero del computer). Forte costo-per-attività e velocità; il full Hy4 resta migliore per l’ingegneria del software a lungo orizzonte.
- Availability: Tencent Cloud TokenHub (
hy4-flash), WorkBuddy (gratuito fino al 30 novembre), Yuanbao, WeCom, QQ, ima, Marvis, OpenRouter; pesi aperti su Hugging Face / ModelScope / GitCode. - Best use cases: Automazione della produttività ad alto volume dove costi e latenza contano più dell’intelligenza di frontiera assoluta.
- Recommendation: Instradare il lavoro routinario su Hy4 flash e il coding/agent complesso su Hy4 o modelli classe Claude Opus tramite un gateway unificato come CometAPI.
What Exactly Is Hy4 Flash?
Hy4 flash è il membro della generazione Hy4 orientato all’efficienza. Mentre il full Hy4 (rilasciato all’inizio di novembre 2026) punta alla massima capacità, Hy4 flash è deliberatamente ingegnerizzato per il miglior rapporto qualità-prezzo su carichi ripetitivi, multimodali e a lungo contesto che dominano pipeline reali di ufficio e agent.
Specifiche principali (ufficiali):
- Parametri totali: 224B (incluso un lookup table Engram n-gram da 64B)
- Parametri attivi per token: 12B
- Finestra di contesto: 1.048.576 token
- Modalità: Input testo + immagine → output testo
- Supporto nativo per function calling, JSON strutturato e uso di tool
- Velocità di decodifica dichiarata: >150 token/s in serving ottimizzato (megakernels + quantizzazione a 4 bit + draft speculativo DFly)
Il design eredita e perfeziona tecniche già anticipate nei modelli Hy precedenti: attenzione ibrida sparsa/finestra scorrevole, esperti LatentMoE operanti in uno spazio latente compresso, e un ampio lookup table Engram che sostituisce computazione densa con recupero di memoria. Il risultato è una cache KV drasticamente più piccola (riportata come 1/6 di Hy4 e 1/24 di Hy3) e costi di serving molto più bassi su larga scala.
How Hy4 flash work
Tencent ha ottimizzato Hy4 flash su tre pilastri:
- Sparse efficiency : Solo 12B di parametri si attivano per token. Il modello usa 512 esperti instradati (16 attivi) più esperti condivisi nella maggior parte dei layer, combinati con attenzione ibrida che interleva selezione sparsa (fino a ~2k token) con brevi finestre scorrevoli.
- Engram memory : Una tabella n-gram (bigrammi/trigrammi) da 64B parametrizzata e recuperata via hash. Questo store di conoscenza esterno riduce la necessità per la rete densa di memorizzare pattern frequenti, tagliando i costi di training e inferenza.
- Serving stack : Megakernels, quantizzazione a 4 bit e un piccolo drafter speculativo DFly2 abilitano la dichiarazione >150 tok/s e mantengono bassa la latenza anche ad alta concorrenza.
Queste scelte rendono Hy4 flash particolarmente adatto a documenti lunghi, loop agent multi-turn con forte caching del prompt e compiti d’ufficio multimodali in cui il modello deve leggere ripetutamente immagini, grafici o file di grandi dimensioni.
Pricing and Cost-Per-Task Reality
Prezzi ufficiali di listino su Tencent Cloud TokenHub (equivalente USD):
| Token type | Hy4 flash | Full Hy4 | Approximate ratio |
|---|---|---|---|
| Cached input | $0.003 | $0.042 | ~1/14 |
| Input | $0.070 | $0.834 | ~1/12 |
| Output | $0.281 | $2.501 | ~1/9 |
Fino al 30 novembre 2026 TokenHub offre il 50% di sconto sui prezzi di listino, e l’accesso WorkBuddy è gratuito.
Più importante del prezzo di listino è il costo per attività completata. Sul WorkIndex interno di Tencent (creazione/modifica di PowerPoint, editing documenti, riparazione fogli di calcolo, elaborazione audio/video, comprensione visiva, ecc.):
| Evaluation | Reported result |
|---|---|
| Decoding speed | Oltre 150 token/secondo |
| Overall performance | Leggermente migliore di Hy4 Preview, secondo Tencent |
| WorkIndex task cost vs Hy4 Preview | Circa 1/13 |
| WorkIndex task cost vs Hy4 | Circa 1/20 |
| WorkIndex task cost vs DeepSeek-V4.1-Flash-1017 | Circa 1/8 |
| Output length reduction | Circa 50% tramite apprendimento per rinforzo |
How to interpret these results
Il WorkIndex è un benchmark interno Tencent costruito su tipiche attività di produttività WorkBuddy. Considera qualità dell’output, lunghezza dell’output e tempo di completamento end-to-end.
I rapporti di costo riportati sono particolarmente importanti:
- Rispetto a Hy4 Preview, Hy4 Flash riduce i costi per attività di circa il 92,3%.
- Rispetto a Hy4, li riduce di circa il 95%.
- Rispetto a DeepSeek-V4.1-Flash-1017, li riduce di circa l’87,5%.
Si tratta di confronti interni del costo per attività, non di miglioramenti standardizzati di accuratezza su benchmark. Non vanno presentati come prove dirette che Hy4 Flash sia 13 o 20 volte più intelligente o più veloce.
In una valutazione in cieco con 85 utenti interni WorkBuddy su 259 attività in 27 categorie, Hy4 flash ha fornito punteggi di soddisfazione quasi identici a Claude Haiku 5.5 registrando il costo più basso e il tempo di completamento end-to-end più breve tra tutti i modelli testati.

Hy4 Flash Performance Benchmarks
Tencent pubblica sia benchmark pubblici per agent sia il WorkIndex interno. Numeri auto-riportati rappresentativi (impostazione di ragionamento più elevata):
| Benchmark | Hy4 flash | Full Hy4 | Notes |
|---|---|---|---|
| DeepSWE v1.1 | 64.6 | 74.9 | Forte ma dietro al flagship |
| Terminal-Bench 4.0 | 19.2 | 44.4 | Gap netto su lavoro terminale pesante |
| OSWorld 2.1 (partial) | 68.1 | 78.9 | Uso del computer competitivo |
| APEX-Agents | 63.1 | 75.2 | Solido punteggio per agent |
| WorkIndex (internal) | 42.1 | 51.4 | Miglior trade-off costo/qualità |
How to Use Hy4 Flash
1. Via Tencent products (easiest for Chinese users / WorkBuddy)
- Apri WorkBuddy → seleziona Hy4 flash (gratuito fino al 30 novembre).
- Disponibile in Yuanbao, assistente AI WeCom, QQ, ima, Marvis.
2. Via Tencent Cloud TokenHub API
Model ID: hy4-flash
Endpoint standard di chat completions compatibile con OpenAI. Il caching del prompt è supportato e fortemente consigliato per loop multi-turn o agent.
3. Via CometAPI
Lo slug del modello è tipicamente hy4-flash. I prezzi restano estremamente competitivi. Sono supportati function calling e output strutturati.
4. Local / self-hosted (open weights)
I pesi per i modelli instruct, FP8 e base sono disponibili su Hugging Face, ModelScope e GitCode sotto la Tencent Hy License. Esistono immagini ufficiali vLLM e SGLang; il supporto llama.cpp era ancora in maturazione a metà novembre 2026. I requisiti hardware sono sostanziosi (centinaia di GB per piena precisione; le versioni quantizzate sono più pratiche).
Practical tips for best results
- Abilita sempre il caching del prompt su prompt di sistema ripetuti o documenti lunghi.
- Usa il modello per compiti con lunghezze di output moderate — il focus post-training su risposte concise aiuta a mantenere bassi i costi.
- Per pipeline ibride, instrada i compiti semplici/medi su Hy4 flash ed eleva il coding o i compiti di ricerca complessi su Hy4 o su un modello chiuso più forte.
- Multimodale: fornisci direttamente screenshot, grafici o PDF; l’encoder visivo è pronto per casi d’uso d’ufficio.
What Do You Need Before Calling the Hy4 Flash API?
Usa Python 3.10 o successivo e mantieni i seguenti file in una cartella di progetto. L’interfaccia CometAPI Chat Completions utilizza l’SDK Python di OpenAI con una chiave CometAPI e un endpoint. L’SDK è la libreria client; Hy4 Flash è il modello che serve la richiesta.
Prepare your account and API key
Prima di iniziare, procurati Python 3.10 o successivo, pip, un account CometAPI con accesso a Hy4 Flash e credito disponibile, e una connessione all’endpoint API. Tieni tutti gli esempi nella stessa cartella di progetto.
Crea un account su CometAPI, apri la console API e genera una chiave API.
Scegli il comando per il tuo terminale e sostituisci YOUR_COMETAPI_KEY con la tua chiave. Esegui i comandi successivi nella stessa sessione di terminale.
export COMETAPI_KEY="YOUR_COMETAPI_KEY"$env:COMETAPI_KEY="YOUR_COMETAPI_KEY"
Install the Python client library
python -m pip install --upgrade openai
Esegui i comandi rimanenti nella stessa sessione di terminale. Se usi un ambiente virtuale, attivalo prima di installare l’SDK.
How to Use the Hy4 Flash API with Python
Inizia con una breve richiesta testuale. Configurerai il client, invierai un ticket di supporto e ispezionerai la classificazione restituita prima di aggiungere streaming, immagini o tool.
Step 1: Configure the model and client
Salva quanto segue come hy4_client.py. Ogni esempio qui sotto importa questo client, quindi devi configurare chiave, endpoint, timeout e policy di retry una sola volta.
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
Salva questo come first_request.py. Invia un piccolo compito di classificazione e stampa la risposta, lo stato di completamento e i dettagli d’uso. Una risposta restituita verifica la connessione prima di aggiungere immagini o tool.
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
Esegui python first_request.py dalla cartella del progetto. Un risultato corretto identifica il ticket come un problema di fatturazione, riporta una finish reason di tipo stop e include l’uso dei token quando fornito dal servizio. Se la risposta è vuota o la richiesta fallisce, usa la sezione di troubleshooting prima di aggiungere un’altra funzionalità.
Extend the first request when needed
| Capability | Change to the request | What to check |
|---|---|---|
| Streaming | Set stream=True; read each chunk’s delta.content. | Salta gli eventi vuoti e ispeziona la finish_reason prima di considerare completa la risposta. |
| Image input | Invia testo e un elemento image_url, usando un URL accessibile o un data URL base64 etichettato correttamente. | Usa un’immagine leggibile e chiedi di etichette o regioni specifiche. |
| JSON extraction | Richiedi esplicitamente i campi e imposta response_format su {"type":"json_object"}. | Analizza il risultato, valida nomi e tipi dei campi e verifica i valori rispetto alla fonte. |
Add a tool only when external information is needed
Definisci una funzione consentita e il suo schema di argomenti in tools. Quando il modello la richiede, preserva il messaggio dell’assistente, valida gli argomenti e l’accesso dell’utente, quindi esegui la funzione nel tuo backend. Aggiungi il risultato con il tool_call_id corrispondente e invia di nuovo i messaggi aggiornati per la risposta finale. Limita i round di tool aggiuntivi; il modello può anche rispondere senza chiamare un tool.
Connect the application and handle failures
Mantieni la chiave API sul tuo backend. Autentica l’utente, applica limiti d’uso e restituisci la risposta o lo stream all’interfaccia. Registra lo stato di completamento e l’uso fatturato senza loggare chiavi o input privati.
Per 401/403, verifica credenziali e accesso; per 400, semplifica la richiesta; per 429 o errori temporanei del server, usa retry limitati e backoff. Segna le risposte troncate o disconnesse come incomplete. Il client condiviso usa già un timeout di 120 secondi e due retry dell’SDK, quindi evita di aggiungere un loop di retry illimitato.
How to Add Tools to a Hy4 Flash Agent
Un’applicazione con tool invia definizioni di funzione, riceve la chiamata richiesta dal modello, esegue una funzione consentita e restituisce il risultato con il tool_call_id corrispondente. Il flusso di tool-calling delle Chat Completions preserva il messaggio dell’assistente prima di aggiungere i risultati dei tool.
Per una ricerca cliente, la sequenza essenziale è: definisci la funzione, lascia che il modello la richieda, eseguila nella tua applicazione e restituisci il risultato così che il modello possa rispondere. Il modello propone una chiamata; la tua applicazione controlla l’esecuzione.
- Define the lookup. Descrivi get_customer_info in tools, con customer_id come stringa obbligatoria. Mantieni l’implementazione nel tuo backend.
- Ask the model. Invia la domanda dell’utente, i messaggi e i tools con tool_choice="auto". Se il modello risponde direttamente, verifica lo stato di completamento e mostra la risposta.
- Handle a requested call. Preserva il messaggio dell’assistente, valida il nome della funzione e gli argomenti JSON, e verifica l’accesso prima di eseguire la lookup. Aggiungi ciascun risultato come messaggio tool con il tool_call_id corrispondente.
- Finish the response. Invia di nuovo i messaggi aggiornati al modello. Per il record fittizio usato qui, la risposta finale dovrebbe identificare il cliente 10086 come con piano Pro e stato attivo. Limita eventuali round di tool aggiuntivi.
Il risultato della lookup dovrebbe portare a una risposta che identifica il piano Pro e lo stato attivo. Quando sostituisci il dizionario locale con un servizio reale, verifica i permessi dell’utente autenticato prima di restituire un record cliente. Aggiungi un ID operazione stabile prima di introdurre tool che creano o modificano record.
Compatibilità di Hy4 Flash con i protocolli OpenAI Chat Completions, OpenAI Responses e Anthropic Messages.
Hy4 Flash API Price
Confronta separatamente i tassi di input non in cache, output e cache-hit. La tabella seguente usa CNY per milione di token dalla pagina prezzi di Tencent e la tabella di confronto CNY sulla pagina Hy4 Flash di CometAPI, verificate il 17 novembre 2026. L’offerta lancio al 50% di Tencent si applica all’uso prima del 30 novembre 2026 alle 12:00 ora di Pechino.
| Usage per 1M tokens | Tencent list (CNY) | Tencent launch (CNY) | CometAPI CNY table* |
|---|---|---|---|
| Uncached input | ¥0.50 | ¥0.25 | ¥0.40 |
| Output | ¥2.00 | ¥1.00 | ¥1.60 |
| Cached input | ¥0.02 | ¥0.01 | ¥0.016 |
Per 100 milioni di token di input non in cache e 10 milioni di token di output, il totale a prezzo di listino Tencent è ¥70; il totale a prezzo lancio è ¥35. Mantieni il periodo di fatturazione e la base prezzo associati a ciascuna stima.
Per 100 milioni di token di input non in cache e 10 milioni di token di output, lo stesso carico fornisce:
- Tencent list: 100 × ¥0.50 + 10 × ¥2.00 = ¥70.
- Tencent launch: 100 × ¥0.25 + 10 × ¥1.00 = ¥35.
- CometAPI, usando la sua tabella CNY: 100 × ¥0.40 + 10 × ¥1.60 = ¥56, subordinato all’applicazione di tali tariffe CNY al tuo account.
Su tale base CNY, CometAPI è ¥14 sotto l’esempio a prezzo di listino di Tencent, ma ¥21 sopra l’esempio a prezzo lancio di Tencent. Il suo sconto pubblicizzato del 20% è rispetto al prezzo di listino; non si cumula con la promozione al 50% di Tencent. Se invece il tuo account CometAPI fattura quei valori numerici in USD, lo stesso calcolo è $56, che non è un preventivo di ¥56.
Best Use Cases for Hy4 Flash
| Use case | Why Hy4 Flash fits |
|---|---|
| High-volume AI agents | Costi per attività riportati inferiori e function calling |
| Coding assistants | Contesto lungo, ragionamento e integrazione tool |
| Document processing | Grande contesto e comprensione delle immagini |
| Enterprise productivity | Output strutturati ed esecuzione di workflow |
| Data extraction | Elaborazione a lungo contesto e output JSON |
| Multimodal assistants | Input testo e immagine |
| Automated research | Ragionamento multi-step e chiamata di strumenti esterni |
Overall recommendation: Hy4 Flash è particolarmente attraente per sviluppatori che devono distribuire agent AI con capacità di ragionamento su larga scala senza pagare i costi di inferenza dei modelli di punta per ogni richiesta.
Conclusion
Hy4 Flash merita una valutazione quando attività quotidiane di coding, lavoro documentale o agent richiedono un modello economico con supporto per testo, immagini e tool. Inizia con una richiesta funzionante, poi aggiungi la funzionalità necessaria al tuo compito. Lascia che la qualità e il costo del lavoro completato—non la dimensione del modello o un tasso di token in evidenza—decidano se debba entrare nella tua applicazione.
FAQ
How should Hy4 Flash handle scanned PDFs?
Converti le pagine PDF rilevanti in immagini chiare e inviale tramite input immagine, oppure estrai testo leggibile prima di inviare una richiesta testuale. Mantieni i numeri di pagina con ciascun blocco e chiedi evidenza insieme ai valori estratti. Dividi documenti lunghi per sezione affinché una risposta rimanga tracciabile a una fonte gestibile, invece di inviare un intero archivio in un’unica richiesta.
How should I save Hy4 Flash conversation history?
Archivia i messaggi di cui la tua applicazione ha bisogno per riprendere la conversazione, inclusi le chiamate di tool dell’assistente e i loro risultati associati. Invia la cronologia rilevante con la successiva richiesta Chat Completions. Prima di potare contenuti più vecchi, preserva il task corrente, i fatti essenziali e le azioni non risolte; non separare una chiamata di tool in sospeso dal suo risultato.
How do I prepare a Hy4 Flash batch job?
Esegui un piccolo campione contenente input tipici e casi di errore noti. Assegna a ciascun elemento un ID stabile e salva separatamente stato, risultato validato e uso. Limita il numero di richieste concorrenti, ritenta solo gli elementi falliti entro un budget fisso e riconcilia gli ID completati prima di riavviare un job. Questo rende i fallimenti parziali recuperabili senza ripetere l’intero batch.
Is Hy4 flash open source?
Sì. I pesi Instruct, FP8 e base sono stati rilasciati sotto la Tencent Hy License e sono disponibili sui principali hub di modelli.
How does it compare to Claude Haiku 5.5?
Nei test interni in cieco di Tencent ha eguagliato la soddisfazione a livello Haiku con costi sostanzialmente inferiori e tempi di completamento più rapidi su carichi di lavoro d’ufficio. Benchmark indipendenti di coding a lungo orizzonte favoriscono ancora modelli più forti.



