CometAPI ile geliştirinBirden çok model için tek bir API mi gerekiyor?İş akışını Playground'da test edin, ardından model ve maliyet kullanım senaryonuza uyduğunda bir API anahtarı oluşturun.
Hy4 Flash'ı CometAPI üzerinden kullanma: metin, akış, görseller, JSON çıkarımı ve araç çağırma için Python örnekleri; ayrıca hata işleme ve faturalandırma ipuçları.
Tencent’in Hy4 flash’ı (16 Kasım 2026’da yayımlandı) Hy (Hunyuan) ailesindeki maliyet-etkinliği en yüksek modeldir. Toplam 224 milyar parametreye (64B Engram dahil) sahip olmasına rağmen token başına yalnızca 12B’yi etkinleştirir, yerel çoklu-mod (metin + görsel) desteği ve tam 1 milyon token bağlam penceresi sunar ve yaklaşık olarak milyon token başına $0.070 giriş / $0.281 çıkış / $0.003 önbellek fiyatlandırmasına sahiptir. Tencent’in günlük ofis görevleri WorkIndex’inde, Hy4 Preview maliyetinin yaklaşık 1/13’üne ve tam Hy4’ün maliyetinin 1/20’sine ulaşırken, kalite olarak Preview ile eşleşir veya biraz üzerine çıkar ve kör kullanıcı memnuniyetinde Claude Haiku 5.5’e yaklaşır.
Yüksek hacimli üretkenlik işleri için şu anda mevcut en güçlü değer önerilerinden biridir. CometAPI, Hy4 flash’ı Claude, GPT ve diğer modellerle birlikte tek bir anahtar altında çağırmanın OpenAI uyumlu en basit yolunu sunar.
Key Takeaways
Yayın tarihi: 16 Kasım 2026 (API + ürünler); kısa süre sonra açık ağırlıklar yayımlandı.
Netlik, kaynak ataması ve güncel API terminolojisi açısından gözden geçirildi.
Mimari: 224B toplam (64B Engram) / 12B etkin, hibrit dikkat + LatentMoE, aşırı verimlilik ve uzun bağlam için tasarlandı.
Fiyatlandırma (liste): 1M token başına $0.070 / $0.281 / $0.003 (girdi / çıktı / önbellek) — tam Hy4’ün yaklaşık 1/10–1/12’si.
Performans odağı: Gündelik ofis ajanları (slaytlar, belgeler, elektronik tablolar, arama, görsel anlama, hafif bilgisayar kullanımı). Görev başına maliyette ve hızda güçlü; uzun ufuklu yazılım mühendisliğinde tam Hy4 daha iyidir.
Erişilebilirlik: Tencent Cloud TokenHub (hy4-flash), WorkBuddy (30 Kasım’a kadar ücretsiz), Yuanbao, WeCom, QQ, ima, Marvis, OpenRouter; Hugging Face / ModelScope / GitCode üzerinde açık ağırlıklar.
En iyi kullanım senaryoları: Mutlak sınır zekasından ziyade maliyet ve gecikmenin önemli olduğu yüksek hacimli üretkenlik otomasyonu.
Öneri: Rutin işleri Hy4 flash’a yönlendirin; karmaşık kodlama/ajanları tam Hy4 veya Claude Opus sınıfı modellere CometAPI gibi birleşik bir ağ geçidiyle gönderin.
What Exactly Is Hy4 Flash?
Hy4 flash, Hy4 neslinin verimliliğe odaklı üyesidir. Tam Hy4 (Kasım 2026’da daha önce yayımlandı) maksimum yeteneği hedeflerken, Hy4 flash tekrar eden, çoklu-mod, uzun bağlam iş yüklerinde dolar başına en yüksek kaliteyi sağlamak üzere özellikle mühendislenmiştir; bunlar gerçek ofis ve ajan hatlarında baskındır.
Temel teknik özellikler (resmi):
Toplam parametre: 224B (64B Engram n-gram bellek tablosu dahil)
Token başına etkin parametre: 12B
Bağlam penceresi: 1.048.576 token
Modaliteler: Metin + görsel girdi → metin çıktı
Fonksiyon çağırma, yapılandırılmış JSON ve araç kullanımı için yerel destek
İddia edilen çözümleme (decode) hızı: optimize edilmiş sunum altında >150 token/sn (megakernels + 4-bit kuantizasyon + DFly spekülatif çözümleme)
Tasarım, önceki Hy modellerinde önizlenen teknikleri devralır ve rafine eder: hibrit seyrek/kayan pencere dikkat, sıkıştırılmış latent uzayda çalışan LatentMoE uzmanları ve yoğun hesaplamayı bellek geri getirimiyle ikame eden büyük bir Engram arama tablosu. Sonuç, dramatik şekilde daha küçük bir KV önbelleği (Hy4’ün 1/6’sı ve Hy3’ün 1/24’ü olarak raporlanır) ve ölçekli sunum maliyetlerinde ciddi düşüştür.
How Hy4 flash work
Tencent, Hy4 flash’ı üç sütun etrafında optimize etti:
Sparse efficiency : Token başına yalnızca 12B parametre tetiklenir. Model, çoğu katmanda paylaşılan uzmanların yanı sıra 512 yönlendirilmiş uzman (16 etkin) kullanır ve hibrit dikkat ile (yaklaşık ~2k token’a kadar) seyrek seçimleri kısa kayan pencerelerle iç içe geçirir.
Engram memory : Hash ile geri getirilen 64B parametreli bir n-gram (bigram/trigram) tablosu. Bu harici bilgi deposu, yoğun ağın sık görülen kalıpları ezberleme ihtiyacını azaltır; hem eğitim hem de çıkarım maliyetini düşürür.
Serving stack : Megakernels, 4-bit kuantizasyon ve küçük bir DFly2 spekülatif taslakçısı, >150 tok/sn iddiasını mümkün kılar ve yüksek eşzamanlılıkta dahi gecikmeyi düşük tutar.
Bu seçimler, Hy4 flash’ı uzun belgeler, ağır istem önbelleklemesi olan çok turlu ajan döngüleri ve modelin tekrar tekrar görsellere, çizelgelere veya büyük dosyalara bakması gereken çoklu-mod ofis görevleri için özellikle uygun kılar.
Pricing and Cost-Per-Task Reality
Tencent Cloud TokenHub’daki resmi liste fiyatlandırması (USD karşılığı):
Token türü
Hy4 flash
Tam Hy4
Yaklaşık oran
Önbellekli girdi
$0.003
$0.042
~1/14
Girdi
$0.070
$0.834
~1/12
Çıktı
$0.281
$2.501
~1/9
30 Kasım 2026’ya kadar TokenHub liste fiyatlarında %50 indirim sunar ve WorkBuddy erişimi ücretsizdir.
Liste fiyatından daha önemlisi, tamamlanan görev başına maliyettir. Tencent’in dahili WorkIndex’inde (PowerPoint oluşturma/düzenleme, belge düzenleme, elektronik tablo onarımı, ses/video işleme, görsel anlama vb.):
Değerlendirme
Raporlanan sonuç
Çözümleme hızı
Saniyede 150 token’ın üzerinde
Genel performans
Tencent’e göre Hy4 Preview’den biraz daha iyi
WorkIndex görev maliyeti vs Hy4 Preview
Yaklaşık 1/13
WorkIndex görev maliyeti vs Hy4
Yaklaşık 1/20
WorkIndex görev maliyeti vs DeepSeek-V4.1-Flash-1017
Yaklaşık 1/8
Çıktı uzunluğu azaltımı
Takviye öğrenimiyle yaklaşık %50
Bu sonuçları nasıl yorumlamalı
WorkIndex değerlendirmesi, tipik WorkBuddy üretkenlik görevleri etrafında kurulu dahili bir Tencent kıyaslamasıdır. Çıktı kalitesi, çıktı uzunluğu ve uçtan uca tamamlama süresini dikkate alır.
Raporlanan maliyet oranları özellikle önemlidir:
Hy4 Preview ile karşılaştırıldığında, Hy4 Flash’ın görev maliyetlerini yaklaşık %92,3 azalttığı bildirilmektedir.
Hy4 ile karşılaştırıldığında, görev maliyetlerini yaklaşık %95 azalttığı bildirilmektedir.
DeepSeek-V4.1-Flash-1017 ile karşılaştırıldığında, görev maliyetlerini yaklaşık %87,5 azalttığı bildirilmektedir.
Bunlar standartlaştırılmış doğruluk kıyasları değil, dahili görev-maliyeti karşılaştırmalarıdır. Hy4 Flash’ın 13 veya 20 kat daha zeki ya da hızlı olduğuna dair doğrudan kanıt olarak sunulmamalıdır.
85 dahili WorkBuddy kullanıcısıyla 27 kategoride 259 görev üzerinde yapılan kör bir değerlendirmede, Hy4 flash, test edilen tüm modeller arasında en düşük maliyet ve en kısa uçtan uca tamamlama süresiyle, kullanıcı memnuniyetinde neredeyse Claude Haiku 5.5 ile aynı seviyeyi sağladı.
Hy4 Flash Performance Benchmarks
Tencent hem kamuya açık ajan kıyasları hem de dahili WorkIndex yayımlar. Temsilî, kendi raporladıkları sayılar (en yüksek muhakeme ayarı):
Kıyas
Hy4 flash
Tam Hy4
Notlar
DeepSWE v1.1
64.6
74.9
Güçlü ama amiral gemisinin gerisinde
Terminal-Bench 4.0
19.2
44.4
Ağır terminal işlerinde belirgin fark
OSWorld 2.1 (kısmi)
68.1
78.9
Rekabetçi bilgisayar kullanımı
APEX-Agents
63.1
75.2
Sağlam ajan skoru
WorkIndex (dahili)
42.1
51.4
En iyi maliyet/kalite dengesi
How to Use Hy4 Flash
1. Tencent ürünleri üzerinden (Çinli kullanıcılar için en kolay / WorkBuddy)
WorkBuddy’yi açın → Hy4 flash’ı seçin (30 Kasım’a kadar ücretsiz).
Yuanbao, WeCom AI asistanı, QQ, ima, Marvis içinde erişilebilir.
2. Tencent Cloud TokenHub API üzerinden
Model ID: hy4-flash
Standart OpenAI uyumlu chat completions uç noktası. Çok turlu veya ajan döngülerinde istem önbellekleme desteklenir ve şiddetle önerilir.
3. CometAPI üzerinden
Model slug genellikle hy4-flash. Fiyatlandırma son derece rekabetçidir. Fonksiyon çağırma ve yapılandırılmış çıktılar desteklenir.
4. Yerel / kendi barındırmalı (açık ağırlıklar)
Instruct, FP8 ve base modellerinin ağırlıkları Tencent Hy Lisansı altında yayımlandı ve başlıca model merkezlerinde mevcuttur. Resmi vLLM ve SGLang imajları vardır; llama.cpp desteği Kasım ortası 2026 itibarıyla olgunlaşma aşamasındaydı. Donanım gereksinimleri önemli düzeydedir (tam hassasiyet için yüzlerce GB; kuantize sürümler daha pratiktir).
En iyi sonuçlar için pratik ipuçları
Tekrarlanan sistem istemlerinde veya uzun belgelerde her zaman istem önbelleklemesini etkinleştirin.
Çıktı uzunluğunun orta düzeyde olduğu görevler için modeli kullanın — eğitim sonrası odak, özlü yanıtlara yöneliktir ve maliyetleri düşük tutmaya yardımcı olur.
Hibrit hatlarda, basit/orta görevleri Hy4 flash’a yönlendirin ve zor kodlama veya araştırma görevlerini tam Hy4’e veya daha güçlü kapalı bir modele yükseltin.
Çoklu-mod: ekran görüntülerini, grafikleri veya PDF’leri doğrudan besleyin; görsel kodlayıcı ofis kullanım senaryoları için üretime hazırdır.
Hy4 Flash API’sini çağırmadan önce neye ihtiyacınız var?
Python 3.10 veya daha yenisini kullanın ve aşağıdaki dosyaları tek bir proje klasöründe tutun. CometAPI Chat Completions arayüzü, OpenAI Python SDK’sını bir CometAPI anahtarı ve uç noktasıyla kullanır. SDK istemci kitaplığıdır; Hy4 Flash isteği karşılayan modeldir.
Hesabınızı ve API anahtarınızı hazırlayın
Başlamadan önce Python 3.10 veya daha yeni bir sürüm, pip, Hy4 Flash erişimi ve kullanılabilir kredisi olan bir CometAPI hesabı ve API uç noktasına bağlantınız olsun. Tüm örnek dosyaları aynı proje klasöründe tutun.
CometAPI’de bir hesap oluşturun, API konsolunu açın ve bir API anahtarı oluşturun.
Terminaliniz için komutu seçin ve YOUR_COMETAPI_KEY değerini kendi anahtarınızla değiştirin. Daha sonraki komutları aynı terminal oturumunda çalıştırın.
Kalan komutları aynı terminal oturumunda çalıştırın. Sanal ortam kullanıyorsanız, SDK’yı yüklemeden önce etkinleştirin.
Hy4 Flash API’sini Python ile nasıl kullanırsınız
Kısa bir metin isteğiyle başlayın. İstemciyi yapılandıracak, bir destek bileti gönderecek ve akış, görseller veya araçlar eklemeden önce dönen sınıflandırmayı inceleyeceksiniz.
Adım 1: Modeli ve istemciyi yapılandırın
Aşağıdakini hy4_client.py olarak kaydedin. Aşağıdaki her örnek bu istemciyi içe aktarır; bu nedenle anahtarı, uç noktayı, zaman aşımını ve yeniden deneme politikasını yalnızca bir kez yapılandırmanız gerekir.
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,
)
Adım 2: Bir metin isteği gönderin
Bunu first_request.py olarak kaydedin. Küçük bir sınıflandırma görevi gönderir ve yanıtı, tamamlama durumunu ve kullanım ayrıntılarını yazdırır. Dönen bir yanıt, görsel veya araçlar eklemeden önce bağlantıyı doğrular.
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())
Adım 3: Script’i çalıştırın ve sonucu kontrol edin
python first_request.py
Proje klasöründen python first_request.py komutunu çalıştırın. Başarılı bir sonuç, bileti faturalandırma sorunu olarak tanımlar, stop bitirme nedeni raporlar ve hizmet tarafından sağlandığında token kullanımı bilgilerini içerir. Yanıt boşsa veya istek başarısız olursa, başka bir yetenek eklemeden önce sorun giderme bölümünü kullanın.
Gerekirse ilk isteği genişletin
Yetenek
İstekte yapılacak değişiklik
Kontrol etmeniz gerekenler
Akış
stream=True olarak ayarlayın; her parçanın delta.content’ini okuyun.
Boş olayları atlayın ve yanıtı tamamlanmış saymadan önce finish_reason’u inceleyin.
Görsel girdi
Metin ve bir image_url öğesi gönderin; erişilebilir bir URL veya doğru etiketli base64 data URL kullanın.
Okunabilir bir görsel kullanın ve belirli etiketler veya bölgeler hakkında sorun.
JSON çıkarımı
Alanları açıkça isteyin ve response_format’i {"type":"json_object"} olarak ayarlayın.
Sonucu ayrıştırın, alan adlarını ve türlerini doğrulayın ve değerleri kaynağa karşı kontrol edin.
Yalnızca haricî bilgi gerektiğinde bir araç ekleyin
İzin verilen bir fonksiyonu ve argüman şemasını tools içinde tanımlayın. Model bunu talep ettiğinde, asistan mesajını koruyun, argümanları ve kullanıcı erişimini doğrulayın ve ardından fonksiyonu arka uçta yürütün. Sonucunu eşleşen tool_call_id ile ekleyin ve nihai yanıt için güncellenmiş mesajları geri gönderin. Ek araç turlarını sınırlayın; model ayrıca bir aracı çağırmadan da yanıt verebilir.
Uygulamayı bağlayın ve hataları yönetin
API anahtarını arka ucunuzda tutun. Kullanıcıyı kimlik doğrulayın, kullanım sınırları uygulayın ve yanıtı arayüze döndürün veya akışlayın. Tamamlama durumunu ve faturalandırılan kullanımı, anahtarları veya özel girdiyi kaydetmeden kayıt altına alın.
401/403 için kimlik bilgilerini ve erişimi kontrol edin; 400 için isteği basitleştirin; 429 veya geçici sunucu hataları için sınırlı yeniden denemeler ve backoff kullanın. Kırpılmış veya kopan yanıtları tamamlanmamış olarak işaretleyin. Paylaşılan istemci halihazırda 120 saniyelik bir zaman aşımı ve iki SDK yeniden denemesi kullanır; sınırsız yeniden deneme döngüsü eklemekten kaçının.
Hy4 Flash Ajanına Araçlar Nasıl Eklenir
Araç etkin bir uygulama, fonksiyon tanımlarını gönderir, modelin istediği çağrıyı alır, izin verilen bir fonksiyonu yürütür ve sonucu eşleşen tool_call_id ile geri döner. Chat Completions araç çağırma akışı, araç sonuçlarını eklemeden önce asistan mesajını korur.
Bir müşteri araması için temel sıradüzeni: fonksiyonu tanımlayın, modelin talep etmesine izin verin, uygulamanızda çalıştırın ve modelin yanıtlayabilmesi için sonucu geri döndürün. Model bir çağrı önerir; uygulamanız yürütmeyi kontrol eder.
Aramayı tanımlayın. tools içinde get_customer_info’yu, customer_id zorunlu bir string olacak şekilde tanımlayın. Uygulamayı arka ucunuzda tutun.
Modelden isteyin. Kullanıcının sorusunu, mesajları ve tools’u tool_choice="auto" ile gönderin. Model doğrudan yanıt verirse, tamamlama durumunu kontrol edin ve yanıtı gösterin.
İstlenen bir çağrıyı ele alın. Asistan mesajını koruyun, fonksiyon adını ve JSON argümanlarını doğrulayın ve aramayı çalıştırmadan önce erişimi kontrol edin. Her sonucu eşleşen tool_call_id ile bir tool mesajı olarak ekleyin.
Yanıtı bitirin. Güncellenmiş mesajları modele geri gönderin. Buradaki kurgusal kayıt için, nihai yanıtın 10086 müşterisinin Pro plan ve aktif duruma sahip olduğunu belirlemesi gerekir. Ek araç turlarını sınırlayın.
Arama sonucu, Pro plan ve aktif durumu belirleyen bir yanıta yol açmalıdır. Yerel sözlüğü gerçek bir hizmetle değiştirirken, bir müşteri kaydını döndürmeden önce oturum açmış kullanıcının iznini kontrol edin. Kayıtları oluşturan veya değiştiren araçları eklemeden önce stabilize bir işlem kimliği ekleyin.
Önbelleksiz girdi, çıktı ve önbellek isabet oranlarını ayrı ayrı karşılaştırın. Aşağıdaki tablo, Tencent’in fiyatlandırma sayfasındaki CNY başına milyon token ve CometAPI’nin Hy4 Flash sayfasındaki CNY karşılaştırma tablosunu kullanır (17 Kasım 2026’da kontrol edildi). Tencent’in %50 lansman teklifi, 30 Kasım 2026 saat 12:00 Pekin zamanından önceki kullanımlara uygulanır.
1M token başına kullanım
Tencent liste (CNY)
Tencent lansman (CNY)
CometAPI CNY tablosu*
Önbelleksiz girdi
¥0.50
¥0.25
¥0.40
Çıktı
¥2.00
¥1.00
¥1.60
Önbellekli girdi
¥0.02
¥0.01
¥0.016
100 milyon önbelleksiz girdi token’ı ve 10 milyon çıktı token’ı için Tencent liste fiyat toplamı ¥70; lansman fiyat toplamı ¥35’tir. Her tahmine faturalandırma dönemi ve fiyat bazını ekleyin.
100 milyon önbelleksiz girdi token’ı ve 10 milyon çıktı token’ı için aynı iş yükü:
Bu CNY bazında, CometAPI Tencent’in liste fiyatı örneğinden ¥14 daha düşük, ancak Tencent’in lansman fiyatı örneğinden ¥21 daha yüksektir. Reklamı yapılan %20 indirim, liste fiyatına göredir; Tencent’in %50 promosyonu ile üst üste gelmez. CometAPI hesabınız bu sayısal oranları USD olarak faturalandırıyorsa, aynı hesaplama $56’dır; bu bir ¥56 teklifi değildir.
Hy4 Flash için En İyi Kullanım Senaryoları
Kullanım senaryosu
Neden Hy4 Flash uygun
Yüksek hacimli AI ajanları
Daha düşük raporlanan görev maliyetleri ve fonksiyon çağırma
Kodlama asistanları
Uzun bağlam, muhakeme ve araç entegrasyonu
Belge işleme
Büyük bağlam ve görsel anlama
Kurumsal üretkenlik
Yapılandırılmış çıktılar ve iş akışı yürütümü
Veri çıkarımı
Uzun bağlamlı işleme ve JSON çıktısı
Çoklu-mod asistanlar
Metin ve görsel girdiler
Otomatik araştırma
Çok adımlı muhakeme ve haricî araç çağırma
Genel öneri: Hy4 Flash, her istek için amiral seviye model çıkarım maliyetlerini ödemeden, ölçekli olarak muhakeme yetenekli AI ajanları dağıtması gereken geliştiriciler için özellikle caziptir.
Sonuç
Gündelik kodlama, belge çalışması veya ajan görevleri ekonomik bir modelle metin, görsel ve araç desteği gerektirdiğinde Hy4 Flash değerlendirmeye değerdir. Tek çalışan bir istekle başlayın, ardından görevinizin ihtiyaç duyduğu yeteneği ekleyin. Modele boyutu veya başlık token oranı değil, tamamlanan işin kalite ve maliyeti karar versin; uygulamanıza uygun olup olmadığına bu şekilde karar verin.
SSS
Hy4 Flash taranmış PDF’leri nasıl ele almalı?
İlgili PDF sayfalarını net görsellere dönüştürün ve görsel girdi üzerinden gönderin veya metin istek yapmadan önce okunabilir metni çıkarın. Her parçayla birlikte sayfa numaralarını koruyun ve çıkarılan değerlerin yanında kanıt isteyin. Bir yanıtın yönetilebilir bir kaynağa izlenebilir kalması için uzun belgeleri bölümlere ayırın; tüm arşivi tek bir istekte göndermeyin.
Hy4 Flash konuşma geçmişini nasıl kaydetmeliyim?
Uygulamanızın konuşmayı sürdürmesi için gereken mesajları, asistan araç çağrılarını ve eşleştirilmiş araç sonuçlarını saklayın. İlgili geçmişi bir sonraki Chat Completions isteğiyle gönderin. Daha eski içeriği budamadan önce, mevcut görevi, temel gerçekleri ve çözülmemiş eylemleri koruyun; bekleyen bir araç çağrısını sonucundan ayırmayın.
Hy4 Flash toplu işini nasıl hazırlarım?
Tipik girdileri ve bilinen hata durumlarını içeren küçük bir örnek çalıştırın. Her öğeye kararlı bir kimlik atayın ve durumunu, doğrulanmış sonucunu ve kullanımını ayrı ayrı kaydedin. Eşzamanlı istek sayısını sınırlayın, yalnızca başarısız öğeleri sabit bir bütçe içinde yeniden deneyin ve bir işi yeniden başlatmadan önce tamamlanan kimlikleri uzlaştırın. Bu, kısmi hataları tüm partiyi tekrarlamadan kurtarılabilir kılar.
Hy4 flash açık kaynak mı?
Evet. Instruct, FP8 ve base ağırlıkları Tencent Hy Lisansı altında yayımlandı ve büyük model merkezlerinde mevcuttur.
Claude Haiku 5.5 ile nasıl karşılaştırılır?
Tencent’in dahili kör testlerinde, ofis iş yüklerinde daha düşük maliyet ve daha hızlı tamamlama süreleriyle Haiku seviyesinde memnuniyet sağladı. Bağımsız uzun ufuklu kodlama kıyasları hâlâ daha güçlü modelleri tercih etmektedir.