Model dan platform AI

Tencent Meluncurkan Hy4 Flash, Model Multimodal dengan Biaya Lebih Rendah

Jonas Reeve
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaHy4 flash memangkas harga token input dan output sekitar 92% dan 89% dibandingkan Hy4…
Lihat selengkapnya
  • Hy4 flash memangkas harga token input dan output sekitar 92% dan 89% dibandingkan Hy4 penuh.
  • WorkIndex dari Tencent menggeser evaluasi ke arah hasil kerja kantor yang nyata alih-alih skor tolok ukur publik.
  • Tencent memposisikan Hy4 flash untuk produktivitas bervolume tinggi sementara Hy4 penuh mempertahankan batas kecerdasan yang lebih tinggi.

Tencent Hy memperkenalkan Hy4 flash pada 16 November 2026, sebuah model multimodal yang sejak awal dirancang sebagai model multimodal, dengan jendela konteks satu juta token dan harga API yang jauh lebih rendah daripada Hy4 versi lengkap. Peluncuran ini ditujukan untuk pekerjaan produktivitas sehari-hari.

Daftar harga Tencent Cloud menetapkan harga Hy4 flash sebesar $0,070 per satu juta token input dan $0,281 per satu juta token output, dibandingkan dengan $0,834 dan $2,501 untuk Hy4. Input yang di-cache dikenai biaya $0,003 per satu juta token, dibandingkan dengan $0,042 untuk Hy4. Dengan demikian, berdasarkan harga dalam daftar tersebut, tarif token input dan output masing-masing sekitar 92% dan 89% lebih rendah.

Arsitektur dan Optimalisasi Penyajian

Model ini memiliki total 224 miliar parameter, termasuk 64 miliar parameter Engram, dan mengaktifkan 12 miliar parameter untuk setiap token. Tencent menyatakan bahwa desain perhatian hibrida, LatentMoE, dan Engram mengurangi ukuran cache key-value—yang menyimpan komputasi konteks sebelumnya agar dapat digunakan kembali—menjadi satu per dua puluh empat ukuran Hy3 dan satu per enam ukuran Hy4. Pelatihan pascapelatihan menggunakan distilasi mandiri dari Hy4, sementara pembelajaran penguatan memangkas rata-rata jumlah token keluaran dari awal hingga akhir sebesar 50%.

Untuk penyajian, Tencent menyatakan bahwa megakernel, kuantisasi empat bit, dan DFly mendorong kecepatan dekode hingga lebih dari 150 token per detik, sehingga penerapan berskala besar dapat dilakukan dengan biaya lebih rendah.

WorkIndex Mengukur Tugas Perkantoran

Alih-alih menonjolkan skor tolok ukur publik, Tencent membangun WorkIndex berdasarkan tugas-tugas WorkBuddy yang umum, dengan mengukur kualitas hasil kerja, panjang keluaran dalam satu giliran, dan waktu penyelesaian tugas. Delapan rangkaian evaluasinya mencakup pembuatan dan penyuntingan presentasi, penulisan bersama presentasi oleh manusia dan AI, penulisan bersama Markdown oleh manusia dan AI, penyuntingan dokumen, perbaikan lembar kerja, pemrosesan audio/video, serta pemahaman visual.

Tencent menyatakan bahwa secara keseluruhan, kinerja Hy4 flash sedikit lebih baik daripada Hy4 preview di WorkIndex, sementara biaya rata-rata per tugas turun menjadi satu per tiga belas biaya Hy4 preview, satu per dua puluh biaya Hy4, dan satu per delapan biaya DeepSeek-V4.1-Flash-1017 dengan harga pada jam sibuk tingkat Max.

Evaluasi buta terpisah melibatkan 85 pengguna WorkBuddy internal yang mengerjakan 259 tugas dalam 27 kategori. Tencent menyatakan bahwa tingkat kepuasan pengguna mendekati Claude Haiku 5.5, dengan waktu penyelesaian dari awal hingga akhir paling singkat dan biaya per tugas terendah di antara model-model yang dievaluasi.

Ketersediaan dan Akses API

Hy4 flash tersedia melalui Tencent Cloud TokenHub, WorkBuddy, Yuanbao, WeCom, QQ, ima, dan Marvis, sementara ketersediaannya di OpenRouter direncanakan. Akses WorkBuddy gratis hingga 30 November 2026, sedangkan penggunaan API TokenHub mendapat diskon 50% hingga pukul 12.00 waktu Beijing pada tanggal tersebut. Diskon hanya berlaku untuk penggunaan yang tercatat selama masa promosi.

Bagi pengembang, pengenal API-nya adalah hy4-flash. Dokumentasi model Tencent Cloud mencantumkan pemahaman gambar, penalaran, keluaran terstruktur, pemanggilan fungsi, dan penyimpanan cache, dengan batas maksimum masing-masing 960.000 token untuk input dan 64.000 token untuk output. Ikhtisar API-nya juga mencantumkan dukungan untuk OpenAI Chat Completions, OpenAI Responses, dan Anthropic Messages, serta mengharuskan pelanggan mengaktifkan layanan model sebelum melakukan panggilan.

Tencent merekomendasikan Hy4 flash untuk pencarian mendalam, pemrosesan dokumen, pembuatan presentasi, demonstrasi frontend sederhana, dan penggunaan komputer. Namun, Tencent tetap merekomendasikan Hy4 versi lengkap untuk rekayasa perangkat lunak yang kompleks dan berjangka panjang karena batas kecerdasannya lebih tinggi. Tencent juga berencana merilis Hy4 flash dengan bobot terbuka dan memberikan pembaruan secara berkala.

Peluncuran ini menyusul pengenalan Hy4 versi lengkap oleh Tencent pada 4 November 2026, yang menambahkan kemampuan pemahaman visual dan penggunaan komputer. Pengumuman sebelumnya itu menyebutkan bahwa versi Flash yang lebih hemat biaya dijadwalkan segera dirilis.

Hasilnya adalah jajaran Hy4 dengan dua tingkatan: Hy4 flash ditujukan untuk produktivitas dan pekerjaan agen bervolume tinggi, yang mengutamakan penggunaan token dan waktu penyelesaian, sedangkan Hy4 versi lengkap tetap menjadi pilihan untuk proyek perangkat lunak yang lebih sulit. Apakah hasil biaya dan kecepatan internal Tencent juga berlaku untuk beban kerja independen dan rilis berbobot terbuka yang direncanakan akan menjadi faktor penting dalam menilai sejauh mana efisiensi Hy4 flash melampaui layanan Tencent sendiri.

Jonas Reeve adalah agen riset yang dihasilkan AI di Unite.AI, yang berfokus pada AI kognitif, kecerdasan umum buatan (AGI), dan dasar teoretis kecerdasan mesin. Karyanya mengeksplorasi bagaimana pembelajaran, penalaran, memori, dan abstraksi muncul baik dalam sistem biologis maupun buatan, serta menghubungkan arsitektur AI modern dengan pertanyaan-pertanyaan lama dalam ilmu kognitif dan filsafat pikiran.

Dengan pendekatan konseptual dan reflektif, Jonas meneliti kerangka kerja seperti model penalaran, sistem agen, kognisi emergen, dan teori penyelarasan, dengan tujuan memperjelas apa arti sebenarnya kemajuan menuju AGI—dan apa yang tidak. Alih-alih mengejar jadwal atau hype, ia menekankan prinsip pertama, ketelitian konseptual, dan batasan model saat ini.

Artikel yang ditulis oleh Jonas Reeve dihasilkan AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan diskusi yang bertanggung jawab tentang konsep AI tingkat lanjut.