大家好,我是蓝戒。本篇我们来聊聊:“混元Hy4Flash发布”。
十二天前(11 月 4 日),腾讯刚刚放出了总参数高达 7700 亿(770B)、能自己看屏幕点鼠标的旗舰大模型 混元 Hy4。模型是很猛,但紧接着发生了一件让腾讯基础设施团队痛并快乐着的事:
因为接入了国内访问量较高的办公智能体工作台 WorkBuddy,无数打工人蜂拥而至,结果上线第一天请求量就直接把算力池顶到了限额天花板,逼得腾讯紧急把 Hy4 的线上推理集群扩容了整整 10 倍!
为什么算力这么容易被吃紧?道理其实很实在:在日常办公里,我们有 80% 的时间只是想让 AI 帮忙改一页 PPT、修一下 Excel 表格公式、读一份几十页的行业研报或者在微信里核对一下清单。如果连这种日常杂活都全部动用每次激活 490 亿参数的 770B 巨型旗舰去跑,就好比每天开着重型矿山卡车去菜市场买菜——不仅响应不够轻快,算力电费更是烧得人肉疼。
为了彻底把日常智能体的运行成本打穿,就在 11 月 16 日,腾讯混元团队正式推出了 Hy4 家族的首款极速高性价比主力——混元 Hy4 Flash(官方写作 Hy4 flash)。
这一波亮出的底牌相当凶悍:模型总参数为 2240 亿(224B,其中专门划出 640 亿 Engram 静态记忆参数),但每处理一个词元仅激活 120 亿参数(12B,约占 5.4%),同样支持 100 万(1M)原生多模态超长上下文,线上解码速度稳定突破 150 Tokens/s。
最狠的是它的价格表:每百万输入 Token 仅售 $0.070(国内定价 0.5 元人民币),每百万输出 Token 仅售 $0.281(国内定价 2 元人民币),而长文档最吃重的缓存读取更是低至惊人的 $0.003 / 百万 Token(国内仅 0.02 元)! 在真实办公评测中,它把完成单次任务的综合花销直接压到了旗舰版 Hy4 的 二十分之一(暴降 95%)。今天咱们就来拆解一下,这颗仅激活 12B 的新引擎是怎么在砍掉九成多成本的同时保住干活质量的。
一、四把手术刀砍掉 95% 账单:12B 激活参数是怎么炼成的?
很多朋友看到参数表里的“224B 总参数、包含 64B Engram 参数、仅激活 12B”,心里肯定会犯嘀咕:为什么不直接做一个 100B 的普通混合专家模型,非要单独拎出 640 亿的“Engram 记忆参数”?
这恰恰是 Hy4 flash 在架构上最聪明的一笔账。腾讯混元团队从预训练、后训练到线上推理,沿着四个环节分别砍了一刀:
1. 第一刀(塞进 64B 字典记忆,算力减负四分之三)
在日常办公和问答里,有大量死记硬背的静态知识(比如专有名词、固定常识、行业术语关联)。在传统模型里,每次回忆这些知识都要调动沉重的计算专家去重新算一遍。
而 Hy4 flash 引入了 640 亿参数的 Engram 记忆组件——你可以把它理解成一本挂在模型手边的“超大容量速查字典”,专门用来存放学到的静态知识关联,不需要像计算专家那样每次都参与繁重的矩阵运算。这么一来,每个词元真正需要动用算力去跑的活跃参数被死死压在了 120 亿(12B),计算量只有旗舰版 Hy4(激活 49B)或同类竞品 GLM-5.3-Flash 的四分之一!
2. 第二刀(KV 缓存暴降为前代的 1/24,百万上下文不再爆显存)
用过 100 万超长上下文的开发者都知道,长文档推理最烧钱的往往不是模型本身,而是随着字数增加疯狂膨胀的“历史记忆缓存(KV Cache)”。
Hy4 flash 在预训练阶段将混合注意力机制(Hybrid Attention)、隐空间混合专家(LatentMoE)与 Engram 揉在了一起,硬生生把运行时的 KV 缓存体积压缩到了上一代 Hy3 的二十四分之一、旗舰版 Hy4 的六分之一!这意味着以前需要好几台服务器拼起来才能塞下的百万字长文档请求,现在单张卡或单个节点就能轻松吞下,从物理根源上把长文本的服务成本砸了下来。
3. 第三刀(强化学习“戒掉废话”,平均输出长度砍半)
在调用大模型 API 时,输出 Token 的单价永远是输入 Token 的三到四倍。以前的轻量模型为了凑出正确答案,往往喜欢在思考过程和回复里车轱辘话连篇,单价虽然便宜,吐出来的字数却翻了倍。
Hy4 flash 先是通过对旗舰版 Hy4 进行自蒸馏(Self-distillation)继承了高智商底子,紧接着用强化学习专门做了一轮“精简表达特训”——在不丢掉关键信息的前提下,直接将端到端的平均输出 Token 数量砍掉了 50%!
4. 第四刀(超级算子 + 4-bit 量化 + DFly,飙出 150+ Tokens/s)
在线上推理层,腾讯将底层算子融合成超级内核(Megakernels),配合 4-bit 量化与自研的 DFly 投机解码路径,让模型的实际吐字速度稳定保持在 每秒 150 个 Token 以上。对于需要连续调用十几个工具的办公智能体来说,单步反应快一倍,整条工作流跑完的时间就能省下一大截。
二、真实价格卡与腾讯内部业务线实战战报
为了方便大家在手机上直观阅读,我们把 Hy4 flash 与同门旗舰及主流竞品的价格与核心成本账单梳理成以下几组关键数据:
- 混元 Hy4 Flash 最新刊例价:
- 输入价格:$0.070 / 百万 Token(国内定价 ¥0.5 / 百万 Token),仅为完整版
Hy4($0.834 / ¥6.0)的 十二分之一; - 输出价格:$0.281 / 百万 Token(国内定价 ¥2.0 / 百万 Token),仅为完整版
Hy4($2.501 / ¥18.0)的 九分之一; - 缓存命中读取价:$0.003 / 百万 Token(国内定价仅 ¥0.02 / 百万 Token!),比完整版
Hy4($0.042 / ¥0.3)便宜了整整 15 倍。这意味着如果你上传一份几十万字的招股书或代码库,后续围绕它连问 20 个问题,缓存读取几乎等于白送! - 限时白嫖与半价福利:即日起至 2026 年 11 月 30 日,用户在
WorkBuddy中可完全免费使用Hy4 flash,在腾讯云TokenHub调用 API 则直接享受 5 折优惠(折后输入仅需 0.25 元/百万 Token)。
- 输入价格:$0.070 / 百万 Token(国内定价 ¥0.5 / 百万 Token),仅为完整版
可能有人会问:既然输入单价是十二分之一、输出单价是九分之一,为什么官方说“单次任务的综合成本降到了 Hy4 的二十分之一(仅 5%)”?
因为“单价降到约 1/10”乘以“强化学习把输出废话砍掉 50%”,两项叠加反映在真实任务账单上,就变成了 1/20 的地板价!
在腾讯专门针对真实办公场景构建的 WorkIndex 八大办公评测集(涵盖 PPT 从零生成、PPT 修改、人机协同写 PPT、Markdown 协同写作、Word 文档修订、Excel 表格修复、音视频处理以及视觉理解)中,Hy4 flash 的综合得分甚至小幅超越了 Hy4 preview,而单次任务平均花费仅为 Hy4 的 1/20、Hy4 preview 的 1/13、以及 DeepSeek-V4.1-Flash-1017(高峰期 Max 档)的 1/8。
来看看腾讯内部各大国民级业务线换上 Hy4 flash 后的真实生产反馈:
- WorkBuddy(85 人盲测满意度追平 Claude Haiku 5.5):在由 85 名深度用户参与、横跨 27 个类别 259 项真实任务的盲测中,
Hy4 flash的用户满意度逼近Claude Haiku 5.5,但端到端耗时缩短了 70%,成本仅为Hy4的约十五分之一、约为Haiku 5.5的十八分之一。 - 微信支付(WeChat Pay 真机 Agent 与代码扫描):在真机端 AI 智能体的四项核心流程测试中,全面追平或反超
DeepSeek-V4.1-Flash-1017,同时将执行步数精简了约 6%、单轮输出长度缩短了 29%;在静态代码安全扫描场景中,扫描耗时缩短 37%,Token 消耗直接砍掉 46%。 - 企业微信“大猿”与《王者荣耀》研发团队:在企业微信智能助手“大猿”中,输出速度比
Hy4提升 88%,思考模式下的冗余 Token 减少了 60%;在《王者荣耀》研发团队的 UI 交互与系统逻辑 Bug 根因定位中,准确率看齐DeepSeek-V4.1-Flash与GLM-5.3-Flash,但将模型请求次数减少了 22% 至 39%,Token 消耗大幅降低了 40.5% 至 61.2%! - 腾讯元宝、QQ“小 Q”、ima 知识库与 Marvis:在元宝多轮对话中超越
GLM-5.3-Flash达 2.52%;在 ima 知识库问答中将用户平均等待时间缩短 18% 至 35%,内容质量评分反而提升了 8.1%。
三、什么时候该用 Hy4 Flash,什么时候还得靠完整版 Hy4?
虽然 Hy4 flash 的账单数字漂亮得让人无法拒绝,但本着咱们一贯实事求是的原则,在把它接入你的核心业务流之前,有三个关键的客观事实与能力边界一定要看清:
1. 它专精“日常办公与视觉电脑操作”,重度软件工程仍需大哥 Hy4 出马
翻开腾讯官方附录披露的公开基准成绩单,你会看到非常诚实的能力分界线:
- 它的强项区(多模态、桌面操作与常规 Agent):在多学科多模态理解
MMMU-Pro上拿到 75.8%,在真实电脑桌面操作OSWorld 2.1(全量 108 题)上拿到 68.1%,在软件工程修复DeepSWE上拿到 64.6%,在APEX-Agents上拿到 63.1%,在带工具的“人类最后的考试(HLE)”上也有 55.2%。拿它做深度搜索、长文档/财报总结、自动做 PPT、修 Excel、写简单前端 Demo 以及操作桌面软件,完全在它的舒适区里。 - 它的短板区(从零构建大型程序与硬核命令行):因为每次只激活 12B 参数,在考验从头重建完整复杂程序的
ProgramBench上得分仅为 16.0%,在纯命令行终端操作Terminal-Bench 4.0上得分为 19.2%。因此连腾讯官方都在文档里明确给出了良心建议:日常高频办公、文档处理和轻量电脑操作放心地交给Hy4 flash省钱;但遇到跨几十个文件的长周期重度软件工程开发,依然建议调用 770B 完整版Hy4。
2. “便宜 20 倍”建立在精简输出的基础上,长文生成场景需实测核算
正如独立评测机构 OrcaRouter 所指出的,官方宣称的“单任务便宜 18 至 20 倍”,有一半功劳来自它把输出字数压缩了 50%。如果你的任务本身就是“查资料、提取表格、调工具、修 PPT”,字数越少反而越干练,你确实能享受到近 20 倍的降本红利;但如果你用它来写动辄几万字不许缩写的小说或逐字翻译,实际省钱幅度就会回归到 9 至 12 倍的纯 Token 单价差上。
3. 开源权重尚在路上,未来有望单机桌面端部署
需要注意一个小细节:虽然早期的 Hy4 preview 在发布首日就放出了 Apache 2.0 开源权重,但今天刚上线的 Hy4 flash 目前仅通过 腾讯云 TokenHub、元宝、WorkBuddy、企业微信、QQ、ima 等官方渠道提供服务(OpenRouter 即将上线)。
不过,腾讯官方已经在公告中明确承诺:计划在后续正式开源 Hy4 flash 的模型权重并持续高频更新!大家不妨算一笔硬件账:相比 770B 那个必须靠机房服务器集群才能跑起来的巨无霸,Hy4 flash 只有 224B 总参数(且其中 64B 是可独立卸载的静态 Engram 记忆,单步仅激活 12B),一旦开源权重放出并经过 4-bit 量化(总体积仅约 110GB~120GB),一台配了 128GB 统一内存的桌面迷你工作站(如 Mac Studio 或 AMD Strix Halo 主机),或者插了大内存条与消费级显卡的普通开发机,就真的能把它完整塞进本地私有化运行了!
说到底,大模型的竞争早就不是“谁能造出最贵的航母”,而是“谁能把水电煤一样的基础智力,压到每家公司每天调一百万次都不心疼的白菜价”。百万输入只要 5 毛钱人民币、百万缓存读取只要 2 分钱,11 月 30 日前在 WorkBuddy 里甚至完全免费——手里有大把文档、研报、表格和日常智能体杂活要处理的朋友,现在就可以切过去试试这台“省钱小钢炮”的成色了!
文章评论