2026 年 11 月 16 日,騰訊在官網發布了〈Tencent Launches Hy4 flash to Power High-Speed, Cost-Efficient AI Deployment for Everyday Workflows〉,宣布推出 Hy4 flash。這次最值得注意的,是它把模型競爭拉回一張辦公室帳單:讀資料、改文件、做簡報,一件事情從開始到合格交件,究竟要花多少錢?

下面先讀懂公告提出的成本主張,再對照供應平台的現行規格與價格,最後判斷哪些證據足以支持試用、哪些還不足以支持全面替換。便宜的呼叫值得測試;便宜的合格交付,才值得擴大。
一、Hy4 flash 發布的核心:把單價、用量與完成品質放在一起
依騰訊公告,Hy4 flash 有 2,240 億總參數,其中包含 640 億 Engram 參數,每次計算啟用的參數為 120 億,支援多模態輸入與約 100 萬 Token 的上下文。Token 可先理解為模型處理內容的片段;參數則是模型內部保存、運用規律的數值。這些是騰訊公布的設計規格,不能直接換算成使用者的硬體需求或任務成功率。
這套產品定位有三個環節:每個 Token 收得少、完成任務時少產生一些 Token、交付品質仍足夠。前兩項降低推論帳單;第三項決定你是否還得重做。只摘出其中一項,會把原文的論點讀薄。
騰訊把降低開銷歸因於混合注意力、LatentMoE、Engram,以及推論端的 megakernel、4 位元量化與 DFly 等工程選擇。它還宣稱 KV cache 為 Hy3 的 1/24、Hy4 的 1/6,解碼速度超過每秒 150 Token。這些是供應商在其配置下的數字;記憶體用得少、生成得快,並不自動保證你的長文件處理更準、整段工作更快。
Reinforcement learning cuts average end-to-end task output tokens by 50 percent.
中文:騰訊表示,強化學習讓端到端任務的平均輸出 Token 減少 50%。
騰訊 Hy4 flash 發布公告,後訓練段落
這句話的重點是「整段任務的輸出用量」,這是公告中的整體摘要;要把比例套用到自己的流程,還需要同一任務、模型版本、工具與評分配置的對照,因此不能拿它預填自己的節省幅度。更短可能代表少繞路,也可能代表漏做;要把輸出長度與最後產物放在一起驗收。
二、Hy4 flash 價格怎麼讀:標準價與限時折扣分開算
騰訊英文公告列出每百萬 Token 約 US$0.070 輸入、US$0.281 輸出、US$0.003 快取命中輸入。騰訊雲 TokenHub 模型頁的人民幣牌價是輸入 0.5 元、輸出 2 元、快取命中 0.02 元,頁面另列限時五折。兩組幣別報價要各自閱讀,不必用一個即時匯率把近似美元價硬湊成精確等式。
另一條可核對的路徑來自 Vercel 11 月 16 日的上架公告:AI Gateway 提供輸入、快取輸入與輸出五折,活動寫明至 2026 年 11 月 29 日。截至 11 月 17 日,它的模型頁顯示每百萬輸入 US$0.04、輸出 US$0.14,並標示 50% off;這是折扣展示值,與騰訊公告的標準近似美元價應分欄比較。
| 報價來源與口徑 | 輸入/百萬 Token | 輸出/百萬 Token |
|---|---|---|
| 騰訊英文發布公告,近似標準美元價 | US$0.070 | US$0.281 |
| TokenHub 人民幣標準價 | 人民幣 0.5 元 | 人民幣 2 元 |
| TokenHub 頁面限時五折價 | 人民幣 0.25 元 | 人民幣 1 元 |
| Vercel 模型頁五折展示值,11 月 17 日查閱 | US$0.04 | US$0.14 |
用騰訊公告標準美元價做一個純算術例子:10 萬個未命中快取的輸入 Token,加上 1 萬個輸出 Token,模型費用是 0.1 × 0.070 + 0.01 × 0.281=US$0.00981。這個例子尚未加入搜尋、執行環境、重試及人工修正;它只告訴你模型這一欄怎麼算。
原文另稱 WorkBuddy 可免費使用至 11 月 30 日。這是應用程式的活動,Vercel 的 11 月 29 日則是另一個通路的折扣期限;不能合併成「所有入口都免費到月底」。
三、Vercel 證實了上架,並未替騰訊的品質評測背書
Vercel 的公告與模型頁確認了另一個可用入口,模型識別名稱為 tencent/hy4-flash,並列出圖片理解、工具呼叫、結構化輸出、提示快取與推理能力。它也列出約 100 萬 Token 上下文,並允許關閉不需要的推理。這些資料支持「開發者已有供應通路與相應介面」,不等於已驗證某個實際業務的準確率。
上下文像工作桌的容量。桌子放得下整疊文件,仍要檢查模型有沒有找到正確頁面、讀準表格、保留跨頁關係。TokenHub 頁面把最大輸入列為 960k Token、最大輸出列為 64k、上下文列為 1024K;Vercel 模型頁也提醒提示與回覆共用上下文。因此「1M」不是可再額外產生 1M 回覆的承諾。
同樣地,圖片輸入與工具呼叫讓模型有機會參與電腦操作,但完整的 Computer Use 系統還需要能觀察畫面、執行動作及確認結果的工具。模型能提議下一步,和系統能安全完成下一步,是兩份驗收。若要補上模型、工具與託管能力的分工,可以接著讀 DeepSeek 應用 API 的代跑與驗收分析。
四、WorkIndex 的意義:考交付,仍要看出題者與分母
騰訊以 WorkBuddy 常見工作建立內部 WorkIndex,涵蓋簡報建立與修改、共同寫作、文件編輯、試算表修復、影音處理及視覺理解;原文另展示公開 Agent 測試組合。這比只看一道短問答更接近辦公情境,也更容易受到工具、提示、步數預算與評分方式影響。

從原圖可以讀到一個有用的方向:Hy4 flash 被放在較低任務花費的位置,但部分模型在分數上更高。這支持騰訊想呈現的「日常工作取捨」,卻不足以推出「更便宜就全面更好」。公開題目的名稱,也不會讓供應商自行選擇的執行配置變成獨立審計。

還有一個值得保留的細節:公告文字與另一張成本圖的降幅表達不完全相同。文字使用相對 Hy4 Preview 約十三分之一、相對 Hy4 約二十分之一;圖中卻標示約 13.8 倍與 24.5 倍。本文不把這些比例當成可搬到任何工作流的節省承諾,更不利用四捨五入後的單筆成本反推精確倍率。
五、85 人盲測能說什麼?滿意度接近,仍不是能力等價
另一組證據是騰訊公布的內部盲測:85 位 WorkBuddy 使用者、27 類共 259 個任務。原圖顯示,四分制滿意度中 Hy4 flash 為 2.79、Claude Haiku 5.5 為 2.81;任務時間中位數分別為 6.7 與 6.8 分鐘。這些數字描述的是這組測試,不是兩個模型所有能力的排名。

盲測可以降低使用者先看到品牌就打分的偏好,卻不會自動處理任務選樣、參與者代表性與評分變異。2.79 與 2.81 很接近,但僅憑兩個分數,無法判定統計等價或對你同樣好用。6.7 與 6.8 分鐘也不宜包裝成普遍而顯著的速度差距。
圖中列出的較低單任務花費,與原文的省錢方向一致;但供應商與對手使用什麼推理檔位、是否計入快取、尖峰費率與重試,都會影響結果。原文對 DeepSeek 的比較還指定了 Max 檔位與尖峰時段,不能擴寫成對該產品所有費率的結論。
六、AlphaLab 的判讀:真正該競爭的是每件合格成果的成本
我同意:減少無效生成,可能比單純降單價更有價值
如果同一份文件能少繞三圈就交好,使用者同時省下推論費與等待。騰訊把輸出用量、產物品質和端到端時間一起談,方向合理。但成立條件始終是「交同樣合格的成果」;縮短字數本身不是改善。
我存疑:內部任務很貼近產品,也可能很貼近它的優勢
在 WorkBuddy 裡設計、調整、評估的模型,理應努力做好 WorkBuddy 的工作。這是一種產品優勢,也是一個外推限制。若你的需求是長程軟體工程、特殊產業文件,或不同語言的複雜表格,就應另出考卷。騰訊自己也建議較複雜的長程軟體工程交給 Hy4;其發布訴求本來就帶有分工。
我會先算:失敗與修正,是便宜模型最容易漏掉的帳
每件合格成果成本=這批任務的全部模型、工具與修正費用 ÷ 通過驗收的成果數。分子保留失敗嘗試,分母只算合格交付。這個算法不預設哪個模型贏;它讓低價但常重做、以及高價但一次完成,都接受同一個比較。
例如便宜模型做十份報表,其中兩份要人工修正,就把兩份的修正時間記回原批次。若工作本來就要人工核對,兩組使用相同核對規則,不能只替便宜的一組加上全部人力成本。批次操作與 DOM 差分教學也碰到相同問題:少看幾次頁面,必須連同補讀與補救一起算。
我會追:可下載權重與可呼叫 API,是兩個里程碑
11 月 16 日的公告使用「計畫開源 Hy4 flash」的未來式。這句話應保留為計畫,不能用它證明權重與授權已交付;也不能僅因這篇公告的措辭,就斷言其他渠道截至今日一定沒有發布。需要自架的人,下一步應核對官方指定倉庫的實際檔案、授權與系統說明,再做部署決策。
七、現在怎麼做:拿一小批真任務,留下兩張帳單
先挑一小批可匿名化、失敗後能重做的工作,例如文件摘要、試算表檢查或簡報初稿。執行前寫下合格條件:數字有沒有對回來源、表格是否遺漏、檔案是否能開、格式是否保留。兩組固定相同輸入、工具權限與截止條件,再分別跑現有模型與 Hy4 flash。
第一張帳單記模型輸入、快取、輸出、工具呼叫、失敗與總時間;第二張記人工核對、修正與最後通過數。各跑一份活動價與標準價估算,才能分清短期促銷與可持續收益。若是繁中工作,考卷就保留繁中專有名詞、跨頁表格與你真正會交付的檔案格式。
接下來最值得對帳的三件事是:標準價下的每件合格交付成本、不同類任務的品質分布,以及官方權重與授權的實際交付。Vercel 上架降低了嘗試入口的摩擦;要不要換掉現有模型,則讓同一批任務的結果決定。想把這種驗收能力留在自己的系統裡,可接著讀 LangChain 的 Agent 執行與治理分析。
接著閱讀
左右滑動查看更多推薦
今天可以先拿一份已知正確答案的舊文件,請兩個模型交出相同成果。把省下的每一分錢,和多花的每一分鐘放在一起;那才是這次低價發布對你真正的意義。






