Кратко
Hy4 flash от Tencent (релиз 16 ноября 2026) — самая выгодная по стоимости модель в семейства Hy (Hunyuan). Она включает 224 млрд общих параметров (включая 64B Engram), при этом активирует только 12 млрд на токен, поддерживает нативную мультимодальность (текст + изображение) и полное окно контекста на 1 миллион токенов, а также оценивается примерно в $0.070 за вход / $0.281 за выход / $0.003 за кэш на каждый миллион токенов. По внутреннему WorkIndex Tencent для повседневных офисных задач она достигает примерно 1/13 стоимости Hy4 Preview и 1/20 стоимости полного Hy4, при этом соответствует или слегка превосходит качество Preview и приближается к Claude Haiku 5.5 в слепой оценке удовлетворенности пользователей.
Для высокообъемной продуктивной работы это одно из самых сильных предложений по соотношению цены и качества на данный момент. CometAPI предлагает самый простой способ в OpenAI-совместимом формате вызывать Hy4 flash наряду с Claude, GPT и другими моделями под одним ключом.
Ключевые выводы
- Дата релиза: 16 ноября 2026 (API + продукты); открытые веса вышли вскоре после.
- Архитектура: 224B всего (64B Engram) / 12B активных; гибридное внимание + LatentMoE, спроектировано для экстремальной эффективности и длинного контекста.
- Цены (лист): $0.070 / $0.281 / $0.003 (вход / выход / кэш) за 1M токенов — примерно 1/10–1/12 от полного Hy4.
- Фокус на производительности: повседневные офисные агенты (слайды, документы, таблицы, поиск, визуальное понимание, легкое использование компьютера). Сильное соотношение стоимости/задачу и скорости; полный Hy4 по-прежнему лучше для длинных сценариев в разработке ПО.
- Доступность: Tencent Cloud TokenHub (hy4-flash), WorkBuddy (бесплатно до 30 ноября), Yuanbao, WeCom, QQ, ima, Marvis, OpenRouter; открытые веса на Hugging Face / ModelScope / GitCode.
- Лучшие сценарии: высокообъемная автоматизация продуктивности, где стоимость и задержка важнее, чем абсолютный фронтирный интеллект.
- Рекомендация: направляйте рутинную работу в Hy4 flash, а сложные задачи по кодированию/агентам — в Hy4 или модели класса Claude Opus через единый шлюз вроде CometAPI.
Что такое Hy4 Flash?
Hy4 flash — это ориентированный на эффективность представитель поколения Hy4. В то время как полный Hy4 (выпущен ранее в ноябре 2026) нацелен на максимальные возможности, Hy4 flash преднамеренно спроектирован для наилучшего качества за доллар на повторяющихся, мультимодальных, длинноконтекстных рабочих нагрузках, доминирующих в реальных офисных и агентных пайплайнах.
Основные спецификации (официальные):
- Общее число параметров: 224B (включая 64B Engram — n-граммную память)
- Активных параметров на токен: 12B
- Окно контекста: 1,048,576 токенов
- Модальности: ввод текст + изображение → вывод текст
- Нативная поддержка function calling, структурированного JSON и инструментов
- Заявленная скорость декодирования: >150 ток/с при оптимизированной подаче (megakernels + 4-битная квантизация + DFly спекулятивное декодирование)
Дизайн наследует и дорабатывает техники, впервые показанные в ранних моделях Hy: гибридное разрежённое/скользящее внимание, эксперты LatentMoE, работающие в сжатом латентном пространстве, и крупная таблица Engram, которая заменяет плотные вычисления на извлечение из памяти. Итог — драматически меньший KV-кэш (сообщается как 1/6 от Hy4 и 1/24 от Hy3) и значительно более низкая стоимость обслуживания в масштабе.
Как работает Hy4 flash
Tencent оптимизировала Hy4 flash вокруг трех столпов:
- Разрежённая эффективность: Активируется лишь 12B параметров на токен. Модель использует 512 маршрутизируемых экспертов (16 активных) плюс общих экспертов в большинстве слоёв, в сочетании с гибридным вниманием, которое чередует разрежённый отбор (до ~2k токенов) с короткими скользящими окнами.
- Память Engram: 64B-параметрическая n-граммная (би-/триграммная) таблица, извлекаемая по хэшу. Это внешнее хранилище знаний снижает необходимость плотной сети запоминать частые шаблоны, уменьшая стоимость как обучения, так и инференса.
- Стек обслуживания: Megakernels, 4-битная квантизация и небольшой спекулятивный драфтер DFly2 обеспечивают заявленные >150 ток/с и сохраняют низкую задержку даже при высокой конкуррентности.
Эти решения делают Hy4 flash особенно пригодным для длинных документов, многошаговых циклов агента с активным кэшированием подсказок, а также мультимодальных офисных задач, где модели приходится многократно читать изображения, диаграммы или крупные файлы.
Цены и реальность стоимости на задачу
Официальные лист-цены на Tencent Cloud TokenHub (в эквиваленте USD):
| Тип токенов | Hy4 flash | Полный Hy4 | Приблизительное соотношение |
|---|---|---|---|
| Кэшированный вход | $0.003 | $0.042 | ~1/14 |
| Вход | $0.070 | $0.834 | ~1/12 |
| Выход | $0.281 | $2.501 | ~1/9 |
До 30 ноября 2026 TokenHub предлагает скидку 50% от лист-цен, а доступ в WorkBuddy бесплатен.
Более важно, чем лист-цены, — это стоимость завершенной задачи. На внутреннем WorkIndex Tencent (создание/редактирование PowerPoint, редактирование документов, ремонт таблиц, обработка аудио/видео, визуальное понимание и т. п.):
| Оценка | Сообщенный результат |
|---|---|
| Скорость декодирования | Более 150 токенов/сек |
| Общая производительность | Чуть лучше, чем Hy4 Preview, по данным Tencent |
| Стоимость задач WorkIndex vs Hy4 Preview | Примерно 1/13 |
| Стоимость задач WorkIndex vs Hy4 | Примерно 1/20 |
| Стоимость задач WorkIndex vs DeepSeek-V4.1-Flash-1017 | Примерно 1/8 |
| Сокращение длины вывода | Примерно на 50% благодаря обучению с подкреплением |
Как интерпретировать эти результаты
WorkIndex — это внутренний бенчмарк Tencent, построенный вокруг типичных задач продуктивности WorkBuddy. Он учитывает качество вывода, длину вывода и сквозное время завершения.
Сообщенные соотношения стоимости особенно важны:
- По сравнению с Hy4 Preview, Hy4 Flash reportedly снижает стоимость задач примерно на 92.3%.
- По сравнению с Hy4, reportedly снижает стоимость задач примерно на 95%.
- По сравнению с DeepSeek-V4.1-Flash-1017, reportedly снижает стоимость задач примерно на 87.5%.
Это внутренние сравнения стоимости задач, а не стандартизированные улучшения точности бенчмарков. Их не следует представлять как прямые доказательства того, что Hy4 Flash в 13 или 20 раз умнее или быстрее.
В слепой оценке с участием 85 внутренних пользователей WorkBuddy по 259 задачам в 27 категориях Hy4 flash обеспечил почти идентичные показатели удовлетворенности пользователей с Claude Haiku 5.5 при наименьшей стоимости и наименьшем сквозном времени завершения среди всех протестированных моделей.

Бенчмарки производительности Hy4 Flash
Tencent публикует как публичные агентные бенчмарки, так и внутренний WorkIndex. Репрезентативные собственные цифры (максимальный режим рассуждений):
| Бенчмарк | Hy4 flash | Полный Hy4 | Примечания |
|---|---|---|---|
| DeepSWE v1.1 | 64.6 | 74.9 | Сильный, но уступает флагману |
| Terminal-Bench 4.0 | 19.2 | 44.4 | Явный разрыв на тяжёлой терминальной работе |
| OSWorld 2.1 (частично) | 68.1 | 78.9 | Конкурентоспособное использование ПК |
| APEX-Agents | 63.1 | 75.2 | Уверенный агентный результат |
| WorkIndex (внутренний) | 42.1 | 51.4 | Лучший компромисс цены/качества |
Как использовать Hy4 Flash
1. Через продукты Tencent (проще для китайских пользователей / WorkBuddy)
- Откройте WorkBuddy → выберите Hy4 flash (бесплатно до 30 ноября).
- Доступен внутри Yuanbao, WeCom AI assistant, QQ, ima, Marvis.
2. Через Tencent Cloud TokenHub API
Model ID: hy4-flash
Стандартная конечная точка OpenAI-совместимых chat completions. Поддерживается кэширование подсказок и настоятельно рекомендуется для многошаговых или агентных циклов.
3. Через CometAPI
Идентификатор модели обычно hy4-flash. Цены остаются чрезвычайно конкурентными. Поддерживаются function calling и структурированные выводы.
4. Локально / на своей инфраструктуре (открытые веса)
Веса для instruct, FP8 и base доступны на Hugging Face, ModelScope и GitCode под лицензией Tencent Hy. Существуют официальные образы для vLLM и SGLang; поддержка в llama.cpp по состоянию на середину ноября 2026 ещё дозревала. Требования к железу значительны (сотни ГБ для полной точности; квантизованные версии более практичны).
Практические советы для наилучших результатов
- Всегда включайте кэширование подсказок для повторяющихся системных подсказок или длинных документов.
- Используйте модель для задач с умеренной длиной вывода — постобучение на лаконичные ответы помогает держать стоимость низкой.
- В гибридных пайплайнах направляйте простые/средние задачи в Hy4 flash, а сложные задачи по кодингу или исследованиям — в полный Hy4 либо более сильную закрытую модель.
- Мультимодальность: передавайте скриншоты, диаграммы или PDF напрямую; vision-энкодер готов к продакшн-использованию в офисных сценариях.
Что нужно перед вызовом Hy4 Flash API?
Используйте Python 3.10 или новее и храните следующие файлы в одном проектном каталоге. Интерфейс CometAPI Chat Completions использует OpenAI Python SDK с ключом и конечной точкой CometAPI. SDK — это клиентская библиотека; Hy4 Flash — модель, обслуживающая запрос.
Подготовьте аккаунт и API-ключ
Перед началом работы у вас должны быть Python 3.10 или новее, pip, аккаунт CometAPI с доступом к Hy4 Flash и достаточным балансом, а также подключение к конечной точке API. Храните все примеры файлов в одном проектном каталоге.
Создайте аккаунт на CometAPI, откройте консоль API и сгенерируйте ключ API.
Выберите команду для вашего терминала и замените YOUR_COMETAPI_KEY на ваш ключ. Выполняйте последующие команды в той же сессии терминала.
export COMETAPI_KEY="YOUR_COMETAPI_KEY"$env:COMETAPI_KEY="YOUR_COMETAPI_KEY"
Установите клиентскую библиотеку Python
python -m pip install --upgrade openai
Оставшиеся команды запускайте в той же сессии терминала. Если вы используете виртуальное окружение, активируйте его перед установкой SDK.
Как использовать Hy4 Flash API с Python
Начните с одного короткого текстового запроса. Вы настроите клиент, отправите тикет в поддержку и проверите полученную классификацию, прежде чем добавлять стриминг, изображения или инструменты.
Шаг 1: Настройте модель и клиент
Сохраните следующее как hy4_client.py. Все примеры ниже импортируют этот клиент, поэтому вам нужно один раз настроить ключ, конечную точку, таймаут и политику повторов.
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,
)
Шаг 2: Отправьте текстовый запрос
Сохраните это как first_request.py. Он отправляет небольшую задачу классификации и печатает ответ, статус завершения и детали использования. Возврат ответа подтверждает подключение перед добавлением изображений или инструментов.
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())
Шаг 3: Запустите скрипт и проверьте результат
python first_request.py
Запустите python first_request.py из проектного каталога. Успешный результат определит тикет как вопрос биллинга, сообщит стоп-причину завершения и включит использование токенов, когда оно предоставляется сервисом. Если ответ пуст или запрос завершился ошибкой, используйте раздел устранения неполадок перед добавлением новой возможности.
Расширяйте первый запрос по мере необходимости
| Возможность | Изменение в запросе | Что проверить |
|---|---|---|
| Streaming | Set stream=True; читать delta.content каждого чанка. | Пропускайте пустые события и проверяйте finish_reason перед принятием ответа. |
| Image input | Отправьте текст и элемент image_url, используя доступный URL или корректно подписанный base64 data URL. | Используйте читаемое изображение и спрашивайте о конкретных метках или областях. |
| JSON extraction | Явно запросите поля и установите response_format в {"type":"json_object"}. | Разберите результат, проверьте имена и типы полей и сопоставьте значения с источником. |
Добавляйте инструмент только при необходимости внешней информации
Опишите разрешенную функцию и схему её аргументов в tools. Когда модель запросит её, сохраните сообщение ассистента, валидируйте аргументы и доступ пользователя, затем выполните функцию в вашем бэкенде. Добавьте её результат с соответствующим tool_call_id и отправьте обновленные сообщения обратно для финального ответа. Ограничивайте дополнительные раунды инструментов; модель может ответить и без их вызова.
Подключите приложение и обрабатывайте сбои
Держите ключ API на бэкенде. Аутентифицируйте пользователя, применяйте лимиты использования и возвращайте ответ или стрим в интерфейс. Записывайте статус завершения и тарифицируемое использование, не логируя ключи или приватный ввод.
Для 401/403 проверьте учетные данные и доступ; для 400 упростите запрос; для 429 или временных ошибок сервера используйте ограниченные повторы и backoff. Помечайте усеченные или разорванные ответы как незавершенные. Общий клиент уже использует таймаут 120 секунд и два повтора SDK, поэтому избегайте бесконечных циклов повторов.
Как добавить инструменты в агента Hy4 Flash
Приложение с поддержкой инструментов отправляет определения функций, получает запрошенный моделью вызов, выполняет разрешенную функцию и возвращает результат с соответствующим tool_call_id. Поток вызова инструментов в Chat Completions сохраняет сообщение ассистента перед добавлением результатов инструмента.
Для поиска клиента базовая последовательность такая: определите функцию, позвольте модели запросить её, выполните её в вашем приложении и верните результат, чтобы модель могла ответить. Модель предлагает вызов; ваше приложение контролирует выполнение.
- Определите поиск. Опишите get_customer_info в tools, с обязательной строкой customer_id. Реализацию держите в бэкенде.
- Спросите модель. Отправьте вопрос пользователя, сообщения и tools с tool_choice="auto". Если модель отвечает напрямую, проверьте статус завершения и покажите ответ.
- Обработайте запрошенный вызов. Сохраните сообщение ассистента, проверьте имя функции и JSON-аргументы и проверьте доступ перед выполнением. Добавляйте каждый результат как tool-сообщение с соответствующим tool_call_id.
- Завершите ответ. Отправьте обновленные сообщения обратно модели. Для фиктивной записи здесь финальный ответ должен указать, что у клиента 10086 тариф Pro и активный статус. Ограничьте дополнительные раунды инструментов.
Результат поиска должен привести к ответу, идентифицирующему тариф Pro и активный статус. При замене локального словаря реальным сервисом проверьте права вошедшего пользователя перед возвратом записи клиента. Добавьте стабильный operation ID перед внедрением инструментов, создающих или изменяющих записи.
Совместимость Hy4 Flash с протоколами OpenAI Chat Completions, OpenAI Responses и Anthropic Messages.
Цена Hy4 Flash API
Сравнивайте нес-кэшированный вход, выход и ставки при попадании в кэш отдельно. Таблица ниже использует CNY за миллион токенов с страницы цен Tencent и таблицы сравнения CNY на странице CometAPI о Hy4 Flash, проверенных 17 ноября 2026. Пятипроцентное предложение Tencent применяется к использованию до 30 ноября 2026 12:00 по пекинскому времени.
| Использование на 1M токенов | Лист Tencent (CNY) | Запуск Tencent (CNY) | Таблица CometAPI CNY* |
|---|---|---|---|
| Нес-кэшированный вход | ¥0.50 | ¥0.25 | ¥0.40 |
| Выход | ¥2.00 | ¥1.00 | ¥1.60 |
| Кэшированный вход | ¥0.02 | ¥0.01 | ¥0.016 |
Для 100 миллионов нес-кэшированных входных токенов и 10 миллионов выходных токенов сумма по лист-ценам Tencent составляет ¥70; по ценам запуска — ¥35. Привязывайте период биллинга и ценовую базу к каждой оценке.
Для 100 миллионов нес-кэшированных входных токенов и 10 миллионов выходных токенов тот же рабочий объем дает:
- Tencent (лист): 100 × ¥0.50 + 10 × ¥2.00 = ¥70.
- Tencent (запуск): 100 × ¥0.25 + 10 × ¥1.00 = ¥35.
- CometAPI, используя свою таблицу CNY: 100 × ¥0.40 + 10 × ¥1.60 = ¥56, при условии, что эти ставки CNY применяются к вашему аккаунту.
На этой базе CNY CometAPI на ¥14 ниже приведенного лист-примера Tencent, но на ¥21 выше примера по запускной цене Tencent. Его объявленная скидка 20% относится к лист-цене; она не суммируется с 50% промо Tencent. Если ваш аккаунт CometAPI вместо этого тарифицирует те же численные ставки в USD, тот же расчет дает $56, что не является котировкой в ¥56.
Лучшие сценарии использования Hy4 Flash
| Сценарий | Почему подходит Hy4 Flash |
|---|---|
| Высокообъемные AI-агенты | Более низкая заявленная стоимость задач и функции |
| Ассистенты кодинга | Длинный контекст, рассуждения и интеграция инструментов |
| Обработка документов | Большой контекст и понимание изображений |
| Корпоративная продуктивность | Структурированные выводы и выполнение workflow |
| Извлечение данных | Длинный контекст и JSON-вывод |
| Мультимодальные ассистенты | Ввод текст и изображений |
| Автоматизированные исследования | Многошаговые рассуждения и вызов внешних инструментов |
Общая рекомендация: Hy4 Flash особенно привлекателен для разработчиков, которым нужно разворачивать способных к рассуждению AI-агентов в масштабе без платы за инференс флагманского уровня за каждый запрос.
Заключение
Hy4 Flash стоит оценивать, когда повседневные задачи по кодингу, работе с документами или агенты требуют экономичной модели с поддержкой текста, изображений и инструментов. Начните с одного рабочего запроса, затем добавляйте нужные вашей задаче возможности. Пусть качество и стоимость завершенной работы — а не размер модели или заголовочная скорость токенов — решают, подходит ли она вашему приложению.
FAQ
Как Hy4 Flash обрабатывать сканированные PDF?
Преобразуйте соответствующие страницы PDF в четкие изображения и отправляйте их через ввод изображения, либо извлеките читаемый текст перед текстовым запросом. Сохраняйте номера страниц для каждого чанка и просите доказательства вместе с извлеченными значениями. Делите длинные документы по разделам, чтобы ответ можно было отследить до управляемого источника, вместо отправки всего архива одним запросом.
Как сохранять историю разговора Hy4 Flash?
Сохраняйте те сообщения, которые вашему приложению нужны для возобновления диалога, включая вызовы инструментов ассистента и их парные результаты. Отправляйте релевантную историю со следующим запросом Chat Completions. Перед очисткой старого контента сохраните текущую задачу, ключевые факты и незавершенные действия; не отделяйте незавершенный вызов инструмента от его результата.
Как подготовить пакетную задачу Hy4 Flash?
Запустите небольшой образец с типичными входами и известными случаями отказов. Присвойте каждому элементу стабильный ID и сохраняйте его статус, валидированный результат и использование отдельно. Ограничьте число параллельных запросов, повторно отправляйте только упавшие элементы в пределах фиксированного бюджета и согласуйте завершенные ID перед рестартом задания. Это делает частичные сбои восстанавливаемыми без повторения всего батча.
Открыт ли Hy4 flash?
Да. Веса instruct, FP8 и base выпущены под лицензией Tencent Hy и доступны на основных хабах моделей.
Как он сравним с Claude Haiku 5.5?
В слепых внутренних тестах Tencent он обеспечил удовлетворенность на уровне Haiku при существенно меньшей стоимости и более быстрых временах завершения на офисных нагрузках. Независимые бенчмарки долгого горизонта в кодинге по-прежнему благоволят более сильным моделям.



