Tencent выпустила Hy4 flash, бюджетную модель серии Hy4 для повседневных рабочих задач: это MoE-архитектура на 224 млрд параметров, из которых на каждый токен активируются 12 млрд, включая 64 млрд параметров условной памяти Engram. Модель нативно мультимодальная, принимает контекст до 1 млн токенов и генерирует текст на скорости более 150 токенов в секунду, а её тарифы API заметно ниже, чем у флагманской Hy4. По замерам самой Tencent, средняя стоимость задачи в 8–20 раз ниже, чем у сопоставимых моделей, при этом в слепом тесте с участием 85 пользователей WorkBuddy на 259 задачах удовлетворённость оказалась сопоставима с Claude Haiku 5.5. Модель уже доступна: до 30 ноября её можно пробовать бесплатно в WorkBuddy, а на API в Tencent Cloud TokenHub действует скидка 50 процентов.

image
image

Что произошло

16 ноября 2026 года Tencent представила Hy4 flash — новый бюджетный уровень в линейке Hy4. Модель нативно мультимодальная, поддерживает контекст до 1 млн токенов и генерирует текст быстрее 150 токенов в секунду. Тарифы API за 1 млн токенов: 0,003 доллара за кешированный ввод, 0,070 доллара за ввод и 0,281 доллара за вывод, тогда как флагманская Hy4 стоит 0,042, 0,834 и 2,501 доллара за те же категории. Качество компания демонстрирует собственным слепым тестом: 85 пользователей WorkBuddy сравнивали модели на 259 задачах, и удовлетворённость от Hy4 flash оказалась сопоставима с Claude Haiku 5.5. Средняя стоимость задачи в этих замерах составила 1/13 от Hy4 preview, 1/20 от Hy4 и 1/8 от DeepSeek-V4.1-Flash-1017 в пересчёте по пиковым ценам его тарифа Max. В сложном программировании и длинных агентных сценариях модель уступает, и для таких задач Tencent с самого старта советует флагманскую Hy4.

Контекст

Экономичность Hy4 flash объясняется набором инженерных решений, а не только выбором тарифов. Основа — агрессивно разреженная MoE-архитектура: при 224 млрд параметров на каждый токен активируются лишь 12 млрд, то есть примерно пять процентов сети. Отдельно выделены 64 млрд параметров под Engram — механизм условной памяти, извлекающий частые шаблоны из таблицы вместо повторных вычислений. В снижение стоимости вносят вклад и другие компоненты стека: модуль LatentMoE, гибридное внимание с KV-кэшем в шесть раз меньше по объёму, чем у флагманской Hy4, и 4-битное квантование на инференсе, а заявленную скорость генерации обеспечивают оптимизированные ядра megakernels вместе с техникой DFly. Идея релиза — сместить фокус с цены за токен на цену за задачу: публикация в официальном блоге Tencent называется «Introducing Hy4 flash: Ultimate cost-efficiency for everyday productivity», и модель с самого начала позиционируется как дешёвый слой именно для рутины, где важна себестоимость операции, а не рекорды в бенчмарках.

Почему это важно для индустрии

Для индустрии Hy4 flash сдвигает планку в сегменте «достаточно хорошего» интеллекта. Массовые офисные и агентные сценарии с большим числом однотипных запросов, которые прежде не сходились по юнит-экономике, при заявленных тарифах становятся рентабельными, а дешёвый API перестаёт быть защитным рвом для обёрток над чужими флагманами. Ценовое давление в сегменте недорогих агентных моделей теперь направлено на DeepSeek, Alibaba и Anthropic, которым придётся отвечать на кратное удешевление задачи у Tencent. Следующий шаг зависит от обещанного открытия весов: если оно состоится, сообщество получит дешёвую разреженную MoE на 224 млрд параметров для самохостинга и дистилляций, и нижний порог входа в агентную инфраструктуру опустится ещё ниже. В такой раскладке шаблон «flash-модель для рутины плюс флагман для сложных задач» может стать стандартом продакшена, а конкуренция сместится от цены за токен к качеству памяти и надёжности длинных агентских цепочек — впрочем, это прогноз, а не свершившийся факт.

Почему это важно для пользователей

Пользователям модель доступна уже сейчас: она работает в Tencent Cloud TokenHub, WorkBuddy, Yuanbao, WeCom, QQ, ima и Marvis. До 30 ноября в WorkBuddy её можно использовать бесплатно, а на API в TokenHub действует скидка 50 процентов; появление на OpenRouter обещано, но пока не подтверждено, поэтому вне экосистемы Tencent доступ потребует работы с китайским облаком. Hy4 flash стоит пробовать там, где важны скорость и цена: офисные задачи, глубокий поиск, создание слайдов и простые фронтенд-демо. Практичная проверка для разработчика — прогнать через модель десяток-другой реальных задач своего продукта и сравнить качество и фактическую стоимость с текущей flash-моделью в собственном стеке.

Что пока неизвестно / ограничения

Главный источник цифр — сама Tencent. Слепой тест удовлетворённости — субъективная метрика вендора: неизвестны распределение задач, промпты, критерии оценки и статистическая значимость, а показатели Claude Haiku 5.5 в той же постановке не опубликованы. Заголовочное утверждение о том, что стоимость задач в 18 раз ниже, чем у Claude Haiku 5.5, по открытым данным не проверить: это составной показатель себестоимости задачи из продуктового теста Tencent, а не чистое сравнение бенчмарков. Сравнение стоимости задачи с DeepSeek-V4.1-Flash-1017 построено на пиковых ценах тарифа Max. Веса модели пока закрыты: открытие заявлено, но не реализовано, а влияние 4-битного квантования на качество детально не документировано.

Источники

Автор

Look at AI, редакция