TLDR
Hy4 flash van Tencent (uitgebracht op 16 november 2026) is het meest kostenefficiënte model binnen de Hy (Hunyuan)-familie. Het heeft in totaal 224 miljard parameters (waaronder 64B Engram), maar activeert slechts 12B per token, biedt native multimodale ondersteuning (tekst + afbeelding) en een volledig contextvenster van 1 miljoen tokens, en is geprijsd op ongeveer $0.070 input / $0.281 output / $0.003 cached per miljoen tokens. Op Tencent’s interne WorkIndex voor alledaagse kantoortaken kost het ongeveer 1/13 van Hy4 Preview en 1/20 van de volledige Hy4, terwijl het de kwaliteit van Preview evenaart of licht overtreft en in blinde gebruikersbeoordelingen de tevredenheid van Claude Haiku 5.5 benadert.
Voor grootschalig productiviteitswerk is het een van de sterkste value-proposities die momenteel beschikbaar zijn. CometAPI biedt de eenvoudigste, OpenAI-compatibele manier om Hy4 flash naast Claude, GPT en andere modellen onder één sleutel aan te roepen.
Key Takeaways
- Releasedatum: 16 november 2026 (API + producten); open gewichten volgden kort daarna.
- Architectuur: 224B totaal (64B Engram) / 12B actief, hybride attention + LatentMoE, ontworpen voor extreme efficiëntie en lange context.
- Prijzen (lijst): $0.070 / $0.281 / $0.003 (input / output / cached) per 1M tokens — ongeveer 1/10–1/12 van volledige Hy4.
- Focus op prestaties: Alledaagse kantooragents (slides, documenten, spreadsheets, zoeken, visueel begrip, lichte computerbediening). Sterke kosten-per-taak en snelheid; volledige Hy4 blijft beter voor langlopende software-engineering.
- Beschikbaarheid: Tencent Cloud TokenHub (
hy4-flash), WorkBuddy (gratis tot 30 nov), Yuanbao, WeCom, QQ, ima, Marvis, OpenRouter; open gewichten op Hugging Face / ModelScope / GitCode. - Beste toepassingsscenario’s: Grootschalige productiviteitsautomatisering waar kosten en latency zwaarder wegen dan absolute frontier-intelligentie.
- Aanbeveling: Routeer routinetaken naar Hy4 flash en complexe coding/agents naar Hy4 of Claude Opus-klasse modellen via een uniforme gateway zoals CometAPI.
Wat is Hy4 Flash precies?
Hy4 flash is het op efficiëntie gerichte lid van de Hy4-generatie van Tencent. Terwijl de volledige Hy4 (eerder in november 2026 uitgebracht) mikt op maximale capaciteit, is Hy4 flash doelbewust ontworpen voor de hoogst mogelijke kwaliteit-per-dollar op de repetitieve, multimodale, lang-context workloads die echte kantoor- en agent-pijplijnen domineren.
Kernspecificaties (officieel):
- Totale parameters: 224B (inclusief 64B Engram n-gram-geheugentabel)
- Actieve parameters per token: 12B
- Contextvenster: 1.048.576 tokens
- Modaliteiten: Tekst + afbeelding input → tekst output
- Native ondersteuning voor function calling, gestructureerde JSON en toolgebruik
- Geclaimde decodeersnelheid: >150 tokens/s onder geoptimaliseerde serving (megakernels + 4-bit quantization + DFly speculative decoding)
Het ontwerp erft en verfijnt technieken die eerder in Hy-modellen zijn voorvertoond: hybride sparse/sliding-window attention, LatentMoE-experts die opereren in een gecomprimeerde latente ruimte, en een grote Engram-lookup-tabel die dichte berekening vervangt door geheugenopvraging. Het resultaat is een dramatisch kleinere KV-cache (gerapporteerd als 1/6 van Hy4 en 1/24 van Hy3) en veel lagere servingkosten op schaal.
Hoe Hy4 flash werkt
Tencent optimaliseerde Hy4 flash rond drie pijlers:
- Sparsity-efficiëntie : Slechts 12B parameters worden per token geactiveerd. Het model gebruikt 512 gerouteerde experts (16 actief) plus gedeelde experts in de meeste lagen, gecombineerd met hybride attention die spaarzame selectie (tot ~2k tokens) afwisselt met korte sliding windows.
- Engram-geheugen : Een n-gram-tabel met 64B-parameters (bigram/trigram) opgehaald via hash. Deze externe kennisopslag vermindert de noodzaak voor het dichte netwerk om frequente patronen te memoriseren, wat zowel trainings- als inferencekosten verlaagt.
- Serving-stack : Megakernels, 4-bit quantization en een kleine DFly2 speculative drafter maken de >150 tok/s-claim mogelijk en houden de latency laag, zelfs bij hoge gelijktijdigheid.
Deze keuzes maken Hy4 flash bijzonder geschikt voor lange documenten, multi-turn agent-loops met zware prompt-caching, en multimodale kantoortaken waarbij het model herhaaldelijk afbeeldingen, grafieken of grote bestanden moet lezen.
Prijs en realiteit van kosten per taak
Officiële lijstprijzen op Tencent Cloud TokenHub (USD-equivalent):
| Tokentype | Hy4 flash | Full Hy4 | Benaderde verhouding |
|---|---|---|---|
| Cached input | $0.003 | $0.042 | ~1/14 |
| Input | $0.070 | $0.834 | ~1/12 |
| Output | $0.281 | $2.501 | ~1/9 |
Tot 30 november 2026 biedt TokenHub 50% korting op lijstprijzen, en WorkBuddy-toegang is gratis.
Belangrijker dan de lijstprijs is de kost per voltooide taak. Op Tencent’s interne WorkIndex (PowerPoint maken/bewerken, documentbewerking, spreadsheetreparatie, audio/videoverwerking, visueel begrip, etc.):
| Evaluatie | Gerapporteerd resultaat |
|---|---|
| Decodeersnelheid | Meer dan 150 tokens/seconde |
| Totale prestatie | Iets beter dan Hy4 Preview, volgens Tencent |
| WorkIndex-taakkosten vs Hy4 Preview | Ongeveer 1/13 |
| WorkIndex-taakkosten vs Hy4 | Ongeveer 1/20 |
| WorkIndex-taakkosten vs DeepSeek-V4.1-Flash-1017 | Ongeveer 1/8 |
| Reductie van uitvoerlengte | Ongeveer 50% door reinforcement learning |
Hoe deze resultaten te interpreteren
De WorkIndex-evaluatie is een interne benchmark van Tencent, opgebouwd rond typische WorkBuddy-productiviteitstaken. Hij houdt rekening met outputkwaliteit, uitvoerlengte en end-to-end voltooiingstijd.
De gerapporteerde kostenverhoudingen zijn bijzonder belangrijk:
- Vergeleken met Hy4 Preview verlaagt Hy4 Flash de taakkosten naar verluidt met ongeveer 92,3%.
- Vergeleken met Hy4 verlaagt het naar verluidt de taakkosten met ongeveer 95%.
- Vergeleken met DeepSeek-V4.1-Flash-1017 verlaagt het naar verluidt de taakkosten met ongeveer 87,5%.
Dit zijn interne vergelijkingen van taakkosten, geen gestandaardiseerde verbeteringen in benchmarknauwkeurigheid. Ze moeten niet worden gepresenteerd als direct bewijs dat Hy4 Flash 13 of 20 keer intelligenter of sneller is.
In een blinde evaluatie met 85 interne WorkBuddy-gebruikers over 259 taken in 27 categorieën leverde Hy4 flash gebruikerstevredenheidsscores die bijna identiek waren aan Claude Haiku 5.5, terwijl het de laagste kosten en kortste end-to-end voltooiingstijd noteerde van alle geteste modellen.

Hy4 Flash prestatiebenchmarks
Tencent publiceert zowel publieke agent-benchmarks als de interne WorkIndex. Representatieve zelfgerapporteerde cijfers (hoogste reasoning-instelling):
| Benchmark | Hy4 flash | Full Hy4 | Opmerkingen |
|---|---|---|---|
| DeepSWE v1.1 | 64.6 | 74.9 | Sterk maar achter het vlaggenschip |
| Terminal-Bench 4.0 | 19.2 | 44.4 | Duidelijke kloof op zwaar terminalwerk |
| OSWorld 2.1 (gedeeltelijk) | 68.1 | 78.9 | Competitief computergebruik |
| APEX-Agents | 63.1 | 75.2 | Solide agent-score |
| WorkIndex (intern) | 42.1 | 51.4 | Beste kosten/kwaliteitsafweging |
Hoe Hy4 Flash te gebruiken
1. Via Tencent-producten (het makkelijkst voor Chinese gebruikers / WorkBuddy)
- Open WorkBuddy → selecteer Hy4 flash (gratis tot 30 nov).
- Beschikbaar binnen Yuanbao, WeCom AI-assistent, QQ, ima, Marvis.
2. Via Tencent Cloud TokenHub API
Model ID: hy4-flash
Standaard OpenAI-compatibel chat completions-endpoint. Prompt-caching wordt ondersteund en is sterk aanbevolen voor multi-turn of agent-loops.
3. Via CometAPI
Model-slug doorgaans hy4-flash. Prijzen blijven uiterst competitief. Function calling en gestructureerde outputs worden ondersteund.
4. Lokaal / self-hosted (open gewichten)
Gewichten voor instruct, FP8 en basismodellen zijn beschikbaar op Hugging Face, ModelScope en GitCode onder de Tencent Hy License. Er zijn officiële vLLM- en SGLang-images; ondersteuning in llama.cpp was medio november 2026 nog in ontwikkeling. Hardwarevereisten zijn aanzienlijk (honderden GB voor volledige precisie; gequantiseerde versies zijn praktischer).
Praktische tips voor de beste resultaten
- Schakel altijd prompt-caching in bij herhaalde system-prompts of lange documenten.
- Gebruik het model voor taken waar de uitvoerlengte gematigd is — de post-training focus op beknopte antwoorden helpt de kosten laag te houden.
- Voor hybride pipelines: routeer eenvoudige/gemiddelde taken naar Hy4 flash en schaal moeilijke coding- of researchtaken op naar volledige Hy4 of een sterker gesloten model.
- Multimodaal: voer screenshots, grafieken of PDF’s rechtstreeks in; de vision-encoder is productie-klaar voor kantooruse-cases.
Wat heb je nodig voordat je de Hy4 Flash API aanroept?
Gebruik Python 3.10 of hoger en houd de volgende bestanden in één projectmap. De CometAPI Chat Completions-interface gebruikt de OpenAI Python SDK met een CometAPI-sleutel en -endpoint. De SDK is de clientbibliotheek; Hy4 Flash is het model dat de aanvraag bedient.
Bereid je account en API-sleutel voor
Voordat je begint, zorg voor Python 3.10 of hoger, pip, een CometAPI-account met Hy4 Flash-toegang en beschikbaar tegoed, en een verbinding met het API-endpoint. Houd alle voorbeeldbestanden in één projectmap.
Maak een account aan bij CometAPI, open de API-console en genereer een API-sleutel.
Kies het commando voor je terminal en vervang YOUR_COMETAPI_KEY door je sleutel. Voer latere commando’s uit in dezelfde terminalsessie.
export COMETAPI_KEY="YOUR_COMETAPI_KEY"$env:COMETAPI_KEY="YOUR_COMETAPI_KEY"
Installeer de Python-clientbibliotheek
python -m pip install --upgrade openai
Voer de resterende commando’s uit in dezelfde terminalsessie. Als je een virtuele omgeving gebruikt, activeer die dan voordat je de SDK installeert.
Hoe de Hy4 Flash API te gebruiken met Python
Begin met één korte tekstaandevraag. Je configureert de client, stuurt een supportticket en inspecteert de geretourneerde classificatie voordat je streaming, afbeeldingen of tools toevoegt.
Stap 1: Configureer het model en de client
Sla het volgende op als hy4_client.py. Elk voorbeeld hieronder importeert deze client, dus je hoeft de sleutel, endpoint, timeout en retry-policy slechts eenmaal te configureren.
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,
)
Stap 2: Stuur een tekstaandvraag
Sla dit op als first_request.py. Het stuurt een kleine classificatietaak en print het antwoord, de voltooiingsstatus en gebruiksdetails. Een geretourneerd antwoord verifieert de verbinding voordat je afbeeldingen of tools toevoegt.
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())
Stap 3: Voer het script uit en controleer het resultaat
python first_request.py
Voer python first_request.py uit vanuit de projectmap. Een succesvol resultaat identificeert het ticket als een billing-issue, meldt een stop finish reason en omvat tokengebruik wanneer dit door de service wordt geleverd. Als het antwoord leeg is of de aanvraag mislukt, gebruik dan de troubleshooting-sectie voordat je een andere capaciteit toevoegt.
Breid de eerste aanvraag uit wanneer nodig
| Mogelijkheid | Wijziging aan de aanvraag | Wat te controleren |
|---|---|---|
| Streaming | Stel stream=True in; lees elke delta.content van een chunk. | Sla lege events over en inspecteer finish_reason voordat je het antwoord als compleet ziet. |
| Afbeeldingsinput | Stuur tekst en een image_url-item, met een toegankelijke URL of een correct gelabelde base64 data URL. | Gebruik een leesbare afbeelding en vraag naar specifieke labels of regio’s. |
| JSON-extractie | Vraag de velden expliciet aan en stel response_format in op {"type":"json_object"}. | Parseer het resultaat, valideer veldnamen en -types, en controleer waarden tegen de bron. |
Voeg alleen een tool toe wanneer externe informatie nodig is
Definieer een toegestane functie en het argumentenschema in tools. Wanneer het model erom vraagt, bewaar het assistant-bericht, valideer de argumenten en gebruikerstoegang, en voer vervolgens de functie uit in je backend. Voeg het resultaat toe met de bijbehorende tool_call_id en stuur de bijgewerkte messages terug voor het definitieve antwoord. Beperk extra toolrondes; het model kan ook antwoorden zonder een tool aan te roepen.
Koppel de applicatie en behandel fouten
Bewaar de API-sleutel op je backend. Authenticeer de gebruiker, pas gebruikslimieten toe en retourneer het antwoord of stream naar de interface. Leg de voltooiingsstatus en gefactureerd gebruik vast zonder sleutels of privé-invoer te loggen.
Controleer bij 401/403 de referenties en toegang; bij 400, vereenvoudig de aanvraag; bij 429 of tijdelijke serverfouten, gebruik begrensde retries en backoff. Markeer afgekorte of onderbroken responses als onvolledig. De gedeelde client gebruikt al een timeout van 120 seconden en twee SDK-retries, dus vermijd een onbeperkte retry-loop.
Hoe tools toe te voegen aan een Hy4 Flash-agent
Een tool-enabled applicatie stuurt functiedefinities, ontvangt de door het model gevraagde call, voert een toegestane functie uit en retourneert het resultaat met de bijbehorende tool_call_id. De Chat Completions tool-calling flow bewaart het assistant-bericht voordat toolresultaten worden toegevoegd.
Voor een customer lookup is de essentiële volgorde: definieer de functie, laat het model erom vragen, voer het uit in je applicatie en retourneer het resultaat zodat het model kan antwoorden. Het model stelt een call voor; jouw applicatie controleert de uitvoering.
- Definieer de lookup. Beschrijf get_customer_info in tools, met customer_id als een vereiste string. Houd de implementatie in je backend.
- Vraag het model. Stuur de vraag van de gebruiker, messages en tools met tool_choice="auto". Als het model direct antwoordt, controleer de voltooiingsstatus en toon het antwoord.
- Behandel een aangevraagde call. Bewaar het assistant-bericht, valideer de functienaam en JSON-argumenten, en controleer toegang voordat je de lookup uitvoert. Voeg elk resultaat toe als een tool-bericht met de bijpassende tool_call_id.
- Rond het antwoord af. Stuur de bijgewerkte messages terug naar het model. Voor het fictieve record dat hier wordt gebruikt, moet het definitieve antwoord klant 10086 identificeren als met het Pro-plan en een actieve status. Beperk eventuele extra toolrondes.
Het lookup-resultaat moet leiden tot een antwoord dat het Pro-plan en de actieve status identificeert. Bij het vervangen van de lokale dictionary door een echte service, controleer de permissie van de ingelogde gebruiker voordat je een klantrecord retourneert. Voeg een stabiele operation ID toe voordat je tools introduceert die records creëren of wijzigen.
Hy4 Flash-compatibiliteit met OpenAI Chat Completions-, OpenAI Responses- en Anthropic Messages-protocollen.
Hy4 Flash API-prijs
Vergelijk ongecachte input-, output- en cache-hit-tarieven afzonderlijk. De onderstaande tabel gebruikt CNY per miljoen tokens van Tencent’s prijspagina en de CNY-vergelijkingstabel op CometAPI’s Hy4 Flash-pagina, gecontroleerd op 17 november 2026. Tencent’s 50% lanceringsaanbod geldt voor gebruik vóór 30 november 2026 om 12:00 Peking-tijd.
| Gebruik per 1M tokens | Tencent lijst (CNY) | Tencent lancering (CNY) | CometAPI CNY-tabel* |
|---|---|---|---|
| Ongecachete input | ¥0.50 | ¥0.25 | ¥0.40 |
| Output | ¥2.00 | ¥1.00 | ¥1.60 |
| Cached input | ¥0.02 | ¥0.01 | ¥0.016 |
Voor 100 miljoen ongecachete inputtokens en 10 miljoen outputtokens is het totaal tegen Tencent-lijstprijs ¥70; het totaal tegen lanceringsprijs is ¥35. Houd de factureringsperiode en prijsbasis gekoppeld aan elke schatting.
Voor 100 miljoen ongecachete inputtokens en 10 miljoen outputtokens levert dezelfde workload:
- Tencent lijst: 100 × ¥0.50 + 10 × ¥2.00 = ¥70.
- Tencent lancering: 100 × ¥0.25 + 10 × ¥1.00 = ¥35.
- CometAPI, met zijn CNY-tabel: 100 × ¥0.40 + 10 × ¥1.60 = ¥56, afhankelijk van of die CNY-tarieven op jouw account van toepassing zijn.
Op die CNY-basis ligt CometAPI ¥14 onder Tencent’s lijstprijvoorbeeld, maar ¥21 boven Tencent’s lanceringsvoorbeeldofferte. De geadverteerde korting van 20% is ten opzichte van de lijstprijs; deze stapelt niet met Tencent’s promotie van 50%. Als jouw CometAPI-account die numerieke tarieven in USD factureert, is dezelfde berekening $56, wat geen ¥56-quote is.
Beste use-cases voor Hy4 Flash
| Use-case | Waarom Hy4 Flash past |
|---|---|
| Grootschalige AI-agents | Lagere gerapporteerde taakkosten en function calling |
| Coding-assistents | Lange context, reasoning en toolintegratie |
| Documentverwerking | Grote context en begrip van afbeeldingen |
| Enterprise-productiviteit | Gestructureerde outputs en workflow-executie |
| Data-extractie | Lang-contextverwerking en JSON-output |
| Multimodale assistenten | Tekst- en afbeeldingsinput |
| Geautomatiseerd onderzoek | Meertrapsreasoning en externe tool calling |
Algemene aanbeveling: Hy4 Flash is bijzonder aantrekkelijk voor ontwikkelaars die redeneercapabele AI-agents op schaal moeten inzetten zonder voor elke aanvraag de inferencekosten van vlaggenschipmodellen te betalen.
Conclusie
Hy4 Flash is het waard om te evalueren wanneer alledaags coderen, documentwerk of agent-taken een economisch model met tekst-, afbeelding- en toolondersteuning vereisen. Begin met één werkende aanvraag, voeg vervolgens de capaciteit toe die je taak nodig heeft. Laat de kwaliteit en kosten van voltooid werk — niet de modelgrootte of een headline token rate — bepalen of het in je applicatie thuishoort.
FAQ
Hoe moet Hy4 Flash gescande PDF’s verwerken?
Zet de relevante PDF-pagina’s om naar duidelijke afbeeldingen en dien ze in via afbeeldingsinput, of extraheer leesbare tekst voordat je een tekstaandvraag indient. Houd paginanummers bij per chunk en vraag om bewijs naast geëxtraheerde waarden. Splits lange documenten per sectie, zodat een antwoord herleidbaar blijft naar een beheersbare bron, in plaats van een volledig archief in één keer te verzenden.
Hoe moet ik de gespreksgeschiedenis van Hy4 Flash opslaan?
Sla de messages op die je applicatie nodig heeft om het gesprek te hervatten, inclusief assistant tool calls en hun gekoppelde toolresultaten. Stuur de relevante geschiedenis mee met de volgende Chat Completions-aanvraag. Bewaar vóór het snoeien van oudere inhoud de huidige taak, essentiële feiten en onopgeloste acties; scheid een openstaande tool call niet van het resultaat.
Hoe bereid ik een Hy4 Flash-batchjob voor?
Voer een kleine sample uit met typische inputs en bekende failure-cases. Ken elk item een stabiele ID toe en sla status, gevalideerd resultaat en gebruik afzonderlijk op. Beperk het aantal gelijktijdige aanvragen, retry alleen mislukte items binnen een vaste budget, en reconcilieer voltooide ID’s voordat je een job herstart. Dit maakt gedeeltelijke fouten herstelbaar zonder de hele batch te herhalen.
Is Hy4 flash open source?
Ja. Instruct-, FP8- en basisgewichten zijn vrijgegeven onder de Tencent Hy License en beschikbaar op grote modelhubs.
Hoe verhoudt het zich tot Claude Haiku 5.5?
In blinde interne tests van Tencent evenaarde het Haiku-niveau van tevredenheid tegen aanzienlijk lagere kosten en snellere voltooiingstijden op kantoorworkloads. Onafhankelijke lang-horizon coding-benchmarks geven nog steeds de voorkeur aan sterkere modellen.



