SolutionsChoose your path
For individualsBuild, learn, and create with simple usage-based access. For businessScale teams, billing, governance, and model workflows. guide/CometAPI 研究
Hy4 Flash:是什麼以及如何使用?
透過 CometAPI 使用 Hy4 Flash,附 Python 範例,涵蓋文字、串流、影像、JSON 擷取與工具呼叫,並包含錯誤處理與計費提示。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)
重點速覽(TLDR)
騰訊的 Hy4 flash(發布於 2026 年 11 月 16 日)是 Hy(Hunyuan)系列中最具成本效益的模型。其總參數為 2240 億(包含 640 億 Engram),但每個 token 只激活 120 億參數,原生支援多模態(文字 + 圖像)與完整 100 萬 token 的上下文視窗,定價約為每百萬 token:輸入 $0.070 / 輸出 $0.281 / 緩存命中 $0.003。根據騰訊內部的日常辦公 WorkIndex 指標,它的任務成本約為 Hy4 Preview 的 1/13、完整 Hy4 的 1/20,同時可達到或略高於 Preview 的品質,且在盲測中接近 Claude Haiku 5.5 的用戶滿意度。
對於高量生產力任務,它是目前性價比最突出的選擇之一。CometAPI 提供最簡單、與 OpenAI 相容的方式,在同一密鑰下同時調用 Hy4 flash、Claude、GPT 等模型。
關鍵要點
- 發布日期:2026 年 11 月 16 日(API + 產品);開放權重隨後發布。
- 架構:總參數 2240 億(含 640 億 Engram)/ 每 token 激活 120 億,混合注意力 + LatentMoE,面向極致效率與長上下文設計。
- 定價(標價):每百萬 token 輸入 $0.070 / 輸出 $0.281 / 緩存命中 $0.003——約為完整 Hy4 的 1/10–1/12。
- 表現重點:日常辦公代理(簡報、文檔、試算表、搜索、視覺理解、輕度電腦操作)。具有優秀的單任務成本與速度;完整 Hy4 仍在長周期軟體工程方面更強。
- 可用性:騰訊雲 TokenHub()、WorkBuddy(至 11 月 30 日免費)、元寶、企業微信、QQ、ima、Marvis、OpenRouter;開放權重可於 Hugging Face / ModelScope / GitCode 獲取。
hy4-flash
最佳使用場景:面向成本與延遲優先的高量生產力自動化,而非追求絕對前沿智能。推薦:將例行工作路由至 Hy4 flash,將複雜編碼/代理任務透過如 CometAPI 的統一閘道交由 Hy4 或 Claude Opus 級模型處理。Hy4 Flash 是什麼?
Hy4 flash 是 Hy4 世代中以效率為核心的成員。完整 Hy4(於 2026 年 11 月稍早發布)面向最大能力上限,而 Hy4 flash 則針對重複性、高多模態與長上下文的真實辦公與代理管線,刻意追求「每美元品質」最大化。
- 總參數:2240 億(包含 640 億 Engram n-gram 記憶表)
- 每 token 激活參數:120 億
- 上下文視窗:1,048,576 tokens
- 模態:文字 + 圖像輸入 → 文字輸出
- 原生支援函數調用、結構化 JSON 與工具使用
- 宣稱解碼速度:在優化服務下 >150 tokens/s(megakernels + 4-bit 量化 + DFly 推測解碼)
設計沿襲並改進早期 Hy 模型預覽的技術:混合稀疏/滑動窗注意力、在壓縮潛空間運行的 LatentMoE 專家,以及以記憶檢索替代密集計算的大型 Engram 查表。結果是顯著縮小的 KV 緩存(據稱為 Hy4 的 1/6、Hy3 的 1/24)與在大規模服務下更低的成本。
Hy4 flash 如何運作
- 稀疏效率:每個 token 僅有 120 億參數被激活。模型在大多數層中使用 512 個路由專家(激活 16 個)加共享專家,並結合混合注意力,交錯稀疏選擇(最多約 2k tokens)與短滑動窗。
- Engram 記憶:以雜湊檢索的 640 億參數 n-gram(雙/三元)表。此外部知識庫降低密集網路對常見模式的記憶需求,從而削減訓練與推理成本。
- 服務棧:Megakernels、4-bit 量化與小型 DFly2 推測 drafter 支撐 >150 tok/s 的宣稱,並在高並發下保持低延遲。
這些選擇讓 Hy4 flash 對長文檔、多輪代理循環(重度提示緩存)、以及需要反覆讀取圖片、圖表或大型文件的多模態辦公任務尤為適配。
定價與單任務成本現實
騰訊雲 TokenHub 官方標價(折合 USD):
|
| Cached input | $0.003 | $0.042 | ~1/14 |
| Input | $0.070 | $0.834 | ~1/12 |
| Output | $0.281 | $2.501 | ~1/9 |
截至 2026 年 11 月 30 日,TokenHub 提供標價 5 折,WorkBuddy 可免費使用。
比標價更重要的是「每個完成任務的成本」。在騰訊內部的 WorkIndex(PPT 製作/編輯、文檔編輯、試算表修復、音視頻處理、視覺理解等)上:
|
| Decoding speed | Over 150 tokens/second |
| Overall performance | Slightly better than Hy4 Preview, according to Tencent |
| WorkIndex task cost vs Hy4 Preview | Approximately 1/13 |
| WorkIndex task cost vs Hy4 | Approximately 1/20 |
| WorkIndex task cost vs DeepSeek-V4.1-Flash-1017 | Approximately 1/8 |
| Output length reduction | Approximately 50% through reinforcement learning |
如何解讀這些結果
WorkIndex 是騰訊基於典型 WorkBuddy 生產力任務構建的內部基準,考量輸出品質、輸出長度與端到端完成時間。
- 相較 Hy4 Preview,Hy4 Flash reportedly 將任務成本降低約 92.3%。
- 相較 Hy4,其 reportedly 將任務成本降低約 95%。
- 相較 DeepSeek-V4.1-Flash-1017,其 reportedly 將任務成本降低約 87.5%。
這些是內部任務成本對比,而非標準化基準準確度的提升證據。它們不應被解讀為 Hy4 Flash 在智力或速度上提升 13 倍或 20 倍。
在一項包含 85 位內部 WorkBuddy 用戶、橫跨 27 類別的 259 個任務的盲測中,Hy4 flash 的用戶滿意度幾乎與 Claude Haiku 5.5 相同,同時在所有測試模型中實現最低成本與最短端到端完成時間。
Hy4 Flash 性能基準
騰訊同時發布了公共代理基準與內部 WorkIndex。代表性的自報數據(最高推理設定):
|
| DeepSWE v1.1 | 64.6 | 74.9 | Strong but trails flagship |
| Terminal-Bench 4.0 | 19.2 | 44.4 | Clear gap on heavy terminal work |
| OSWorld 2.1 (partial) | 68.1 | 78.9 | Competitive computer-use |
| APEX-Agents | 63.1 | 75.2 | Solid agent score |
| WorkIndex (internal) | 42.1 | 51.4 | Best cost/quality trade-off |
如何使用 Hy4 Flash
1. 透過騰訊產品(適合中文用戶 / WorkBuddy)
- 打開 WorkBuddy → 選擇 Hy4 flash(至 11 月 30 日免費)。
- 可在元寶、企業微信 AI 助手、QQ、ima、Marvis 中使用。
2. 透過騰訊雲 TokenHub API
Model ID:hy4-flash
標準、與 OpenAI 相容的 chat completions 端點。支援提示緩存,對多輪或代理循環強烈建議啟用。
模型 slug 一般為 hy4-flash。定價極具競爭力。支援函數調用與結構化輸出。
4. 本地/自託管(開放權重)
Instruct、FP8 與 base 權重在 Tencent Hy License 下發布,可於 Hugging Face、ModelScope 與 GitCode 獲取。官方提供 vLLM 與 SGLang 映像;截至 11 月中,llama.cpp 支持仍在成熟中。硬體需求較高(全精度需數百 GB;量化版本更實用)。
實用技巧
- 對重複系統提示或長文檔務必啟用提示緩存。
- 適用於輸出長度中等的任務——後訓練對精簡回答的偏好有助於降低成本。
- 在混合管線中,將簡單/中等任務路由至 Hy4 flash,將艱難的編碼或研究任務升級至完整 Hy4 或更強的閉源模型。
- 多模態:可直接輸入截圖、圖表或 PDF;視覺編碼器已針對辦公場景達到生產可用。
使用 Hy4 Flash API 前需要準備什麼?
準備賬戶與 API 金鑰
開始前,請準備 Python 3.10 或以上版本、pip、具備 Hy4 Flash 訪問權限與餘額的 CometAPI 賬戶,以及可連線的 API 端點。將示例文件置於同一專案資料夾。
為你的終端選擇命令,將 YOUR_COMETAPI_KEY 替換為你的金鑰。後續命令在同一終端會話中執行。
export COMETAPI_KEY="YOUR_COMETAPI_KEY"$env:COMETAPI_KEY="YOUR_COMETAPI_KEY"
安裝 Python 客戶端庫
python -m pip install --upgrade openai
在同一終端會話中運行剩餘命令。若使用虛擬環境,請在安裝 SDK 前啟用。
如何用 Python 調用 Hy4 Flash API
先從一個簡短的文字請求開始。你將配置客戶端、發送一個客服工單分類,並在加入串流、圖像或工具前檢視返回的分類結果。
步驟 1:配置模型與客戶端
將以下保存為 hy4_client.py。後續示例均匯入此客戶端,因此僅需在此處配置金鑰、端點、超時與重試策略。
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,
)
步驟 2:發送文字請求
將以下保存為 first_request.py。它發送一個小型分類任務並列印答案、完成狀態與用量細節。成功返回答案可驗證連線,之後再加入圖片或工具。
from hy4_client import client, MODEL
response = client.chat.completions.create(
model=MODEL,
messages=[
{"role": "system", "content": "將工單分類為帳單、錯誤或功能需求。"},
{"role": "user", "content": "我的訂閱被重複收費了。"},
],
)
choice = response.choices[0]
print(choice.message.content or "")
print("完成原因:", choice.finish_reason)
if response.usage:
print("用量:", response.usage.model_dump())
步驟 3:運行腳本並檢查結果
python first_request.py
在專案資料夾中運行 python first_request.py。若成功,應能識別該工單為帳單問題,回報 stop 完成原因,並在服務提供時包含 token 用量。若答案為空或請求失敗,請先按疑難排解後再新增其他能力。
視需要擴展首個請求
|
| Streaming | 設定 stream=True;讀取每個分段的 delta.content。 | 跳過空事件,並在將答案視為完成前檢查 finish_reason。 |
| Image input | 傳送文字與 image_url 項,使用可訪問的 URL 或正確標記的 base64 data URL。 | 使用清晰可讀的圖片,並詢問具體標籤或區域。 |
| JSON extraction | 明確請求欄位,並將 response_format 設為 {"type":"json_object"}。 | 解析結果,驗證欄位名稱與型別,並將值對照來源檢查。 |
僅在需要外部資訊時加入工具
在 tools 中定義允許的函數與其參數綱要。當模型請求時,保留 assistant 訊息、驗證參數與使用者存取,然後在你的後端執行該函數。將結果附加為具有匹配 tool_call_id 的 tool 訊息,並將更新後的 messages 傳回以取得最終答案。限制額外的工具回合;模型也可能在不調用工具的情況下直接回答。
連接應用並處理失敗
將 API 金鑰保存在後端。驗證使用者、應用用量限制,並返回答案或進行串流至前端。記錄完成狀態與計費用量,避免記錄金鑰或私密輸入。
對於 401/403,檢查憑證與權限;對於 400,簡化請求;對於 429 或臨時伺服器錯誤,使用有界重試與退避。將被截斷或中斷的回應標記為未完成。共享客戶端已使用 120 秒超時與兩次 SDK 重試,避免加入無限重試。
如何為 Hy4 Flash 代理新增工具
針對客戶查詢,基本序列為:定義函數,讓模型請求該函數,在你的應用中執行,並返回結果以便模型作答。模型提出調用;你的應用掌控執行。
- 定義查詢。在 tools 中描述 get_customer_info,並將 customer_id 設為必填字串。實作保留在你的後端。
- 詢問模型。傳送使用者問題、messages 與 tools,tool_choice 設為 "auto"。若模型直接回答,檢查完成狀態並顯示答案。
- 處理請求的調用。保留 assistant 訊息,驗證函數名稱與 JSON 參數,並在執行前檢查存取權。以匹配的 tool_call_id 附加每個結果為 tool 訊息。
- 完成回應。將更新的 messages 傳回模型。對於本文虛構資料,最終答案應識別客戶 10086 具有 Pro 方案且狀態為 active。限制額外的工具回合。
該查詢結果應導向識別 Pro 方案與 active 狀態。當以真實服務取代本地字典時,在返回客戶記錄前檢查登入使用者的權限。引入可創建或修改記錄的工具前,新增穩定的操作 ID。
Hy4 Flash 與 OpenAI Chat Completions、OpenAI Responses 與 Anthropic Messages 協議相容。
Hy4 Flash API 價格
請分別比較未緩存輸入、輸出與緩存命中費率。下表採用 騰訊定價頁 的每百萬 token 人民幣(CNY)價格,以及 CometAPI 的 Hy4 Flash 頁面的 CNY 對照表,查驗日期為 2026 年 11 月 17 日。騰訊的 50% 上線優惠適用於北京時間 2026 年 11 月 30 日 12:00 前的用量。
|
| Uncached input | ¥0.50 | ¥0.25 | ¥0.40 |
| Output | ¥2.00 | ¥1.00 | ¥1.60 |
| Cached input | ¥0.02 | ¥0.01 | ¥0.016 |
對於 1 億未緩存輸入 token 與 1000 萬輸出 token,騰訊標價總計為 ¥70;上線價總計為 ¥35。請在每次估算中保留計費期間與價格依據。
對於 100 百萬未緩存輸入 token 與 10 百萬輸出 token,相同工作量得到:
- 騰訊標價:100 × ¥0.50 + 10 × ¥2.00 = ¥70。
- 騰訊上線價:100 × ¥0.25 + 10 × ¥1.00 = ¥35。
- CometAPI(基於其 CNY 表):100 × ¥0.40 + 10 × ¥1.60 = ¥56,前提是你的賬戶適用該 CNY 費率。
在該 CNY 基礎上,CometAPI 比騰訊標價示例低 ¥14,但比騰訊上線價示例高 ¥21。其宣稱的 20% 折扣是相對標價,不與騰訊 50% 活動疊加。若你的 CometAPI 賬戶改以上述數值按 USD 計費,相同計算為 $56,並非 ¥56。
Hy4 Flash 的最佳使用場景
|
| High-volume AI agents | 更低的單任務成本與函數調用 |
| Coding assistants | 長上下文、推理能力與工具整合 |
| Document processing | 大上下文與圖像理解 |
| Enterprise productivity | 結構化輸出與工作流執行 |
| Data extraction | 長上下文處理與 JSON 輸出 |
| Multimodal assistants | 文字與圖像輸入 |
| Automated research | 多步推理與外部工具調用 |
整體建議:Hy4 Flash 特別適合需要在規模化部署推理型 AI 代理、且不希望為每個請求支付旗艦模型推理成本的開發者。
結語
當你的日常編碼、文檔處理或代理任務需要一個經濟型、支援文字、圖像與工具的模型時,Hy4 Flash 值得評估。從一個可工作的請求開始,逐步加入任務所需能力。讓完成工作的品質與成本——而非模型大小或標稱 token 速率——決定它是否適合你的應用。
常見問題
Hy4 Flash 應如何處理掃描版 PDF?
將相關 PDF 頁面轉為清晰圖像並透過圖像輸入提交,或先提取可讀文本再發送文字請求。保留每段文本的頁碼,並在提取值時要求提供依據。將長文檔按節切分,以便答案可追溯至可管理來源,而非一次提交整個封存。
我應如何保存 Hy4 Flash 的對話歷史?
存儲你的應用恢復對話所需的 messages,包括 assistant 的工具調用及其配對的工具結果。將相關歷史與下一次 Chat Completions 請求一併發送。修剪舊內容前,保留當前任務、關鍵事實與未完成動作;不要將未決工具調用與其結果分離。
我該如何準備 Hy4 Flash 批處理作業?
先運行包含典型輸入與已知失敗案例的小樣本。為每個項目分配穩定 ID,分別保存其狀態、經驗證的結果與用量。限制併發數量,僅在固定預算內重試失敗項,並在重啟作業前對已完成 ID 做對賬。這可在不重跑整批的情況下恢復部分失敗。
Hy4 flash 是否開源?
是的。Instruct、FP8 與 base 權重以 Tencent Hy License 發布,並可在主要模型平台獲取。
它與 Claude Haiku 5.5 的比較如何?
在騰訊的內部盲測中,它在辦公工作負載上的用戶滿意度與 Haiku 幾乎一致,但成本更低、完成時間更短。獨立的長周期編碼基準仍偏向更強的模型。