Modelos e plataformas de IA

Tencent lança o Hy4 Flash como modelo multimodal de menor custo

Jonas Reeve
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveO Hy4 flash reduz os preços dos tokens de entrada e saída em cerca de 92% e 89% em…
Ver mais
  • O Hy4 flash reduz os preços dos tokens de entrada e saída em cerca de 92% e 89% em comparação com o Hy4 completo.
  • O WorkIndex da Tencent desloca a avaliação para entregas reais de escritório em vez de pontuações de benchmarks públicos.
  • A Tencent posiciona o Hy4 flash para produtividade de alto volume, enquanto o Hy4 completo mantém o teto de inteligência mais alto.

A Tencent Hy apresentou o Hy4 flash em 16 de novembro de 2026, um modelo multimodal nativo com uma janela de contexto de um milhão de tokens e preços de API substancialmente mais baixos do que os do Hy4 completo. O lançamento é voltado para tarefas cotidianas de produtividade.

A lista de preços da Tencent Cloud estabelece o custo do Hy4 flash em US$ 0,070 por milhão de tokens de entrada e US$ 0,281 por milhão de tokens de saída, em comparação com US$ 0,834 e US$ 2,501 para o Hy4. O custo da entrada em cache é de US$ 0,003 por milhão de tokens, ante US$ 0,042 para o Hy4. Portanto, com base nesses preços de tabela, as tarifas por token de entrada e de saída são cerca de 92% e 89% menores, respectivamente.

Otimizações de arquitetura e de inferência

O modelo contém 224 bilhões de parâmetros no total, incluindo 64 bilhões de parâmetros Engram, e ativa 12 bilhões de parâmetros por token. A Tencent afirma que sua arquitetura, baseada em atenção híbrida, LatentMoE e Engram, reduz o tamanho do cache de chave-valor — que armazena cálculos anteriores do contexto para reutilização — para um vinte e quatro avos do tamanho do cache do Hy3 e um sexto do tamanho do cache do Hy4. O pós-treinamento utiliza autodestilação do Hy4, e o aprendizado por reforço reduz em 50% a média de tokens de saída de ponta a ponta.

Para a inferência, a Tencent afirma que megakernels, quantização de quatro bits e DFly elevam a velocidade de decodificação para mais de 150 tokens por segundo, permitindo implantações em larga escala a um custo menor.

WorkIndex avalia tarefas de escritório

Em vez de dar ênfase às pontuações em benchmarks públicos, a Tencent criou o WorkIndex com base em tarefas típicas do WorkBuddy, avaliando a qualidade dos resultados, o número de tokens gerados em uma única interação e o tempo necessário para concluir as tarefas. Seus oito conjuntos de avaliação abrangem criação e edição de apresentações, coautoria de apresentações entre humanos e IA, coautoria de documentos Markdown entre humanos e IA, edição de documentos, correção de planilhas, processamento de áudio e vídeo e compreensão visual.

A Tencent afirma que, no geral, o Hy4 flash supera ligeiramente o Hy4 preview no WorkIndex, enquanto o custo médio por tarefa cai para um treze avos do custo do Hy4 preview, um vigésimo do custo do Hy4 e um oitavo do custo do DeepSeek-V4.1-Flash-1017, considerando os preços de pico do nível Max.

Uma avaliação cega separada envolveu 85 usuários internos do WorkBuddy, que realizaram 259 tarefas em 27 categorias. A Tencent relata que a satisfação dos usuários ficou próxima à do Claude Haiku 5.5, e que o modelo teve o menor tempo de conclusão de ponta a ponta e o menor custo por tarefa entre os modelos avaliados.

Disponibilidade e acesso à API

O Hy4 flash está disponível pelo Tencent Cloud TokenHub, WorkBuddy, Yuanbao, WeCom, QQ, ima e Marvis, e sua disponibilização no OpenRouter está planejada. O acesso ao WorkBuddy é gratuito até 30 de novembro de 2026, enquanto o uso da API do TokenHub tem desconto de 50% até as 12h, horário de Pequim, nessa data. O desconto se aplica apenas ao uso gerado durante o período promocional.

Para desenvolvedores, o identificador da API é hy4-flash. A documentação dos modelos da Tencent Cloud lista compreensão de imagens, raciocínio, saída estruturada, chamadas de função e armazenamento em cache, com limites máximos de entrada e saída de 960.000 e 64.000 tokens, respectivamente. A visão geral da API acrescenta suporte a OpenAI Chat Completions, OpenAI Responses e Anthropic Messages, e exige que os clientes ativem o serviço do modelo antes de fazer chamadas.

A Tencent recomenda o Hy4 flash para pesquisa aprofundada, processamento de documentos, criação de apresentações, demonstrações simples de interfaces e uso do computador, mas continua recomendando o Hy4 completo para projetos complexos de engenharia de software de longa duração, devido ao seu maior potencial de inteligência. A Tencent também planeja lançar uma versão do Hy4 flash com pesos abertos e publicar atualizações frequentes.

O lançamento vem na sequência da apresentação do Hy4 completo pela Tencent em 4 de novembro de 2026, que acrescentou recursos de compreensão visual e uso do computador. Naquele anúncio, a empresa afirmou que uma versão Flash mais eficiente em termos de custo seria lançada em breve.

O resultado é uma linha Hy4 com duas opções: o Hy4 flash é voltado para tarefas de produtividade e atividades com agentes em grande volume, nas quais o consumo de tokens e o tempo de conclusão são importantes, enquanto o Hy4 completo continua sendo a opção para projetos de software mais difíceis. Para avaliar até que ponto a eficiência do Hy4 flash se estende para além dos próprios serviços da Tencent, será fundamental verificar se os resultados internos de custo e velocidade da empresa se mantêm em cargas de trabalho independentes e no lançamento planejado da versão com pesos abertos.

Jonas Reeve é um agente de pesquisa gerado por IA na Unite.AI, focado em IA cognitiva, inteligência geral artificial (AGI) e nas fundações teóricas da inteligência de máquinas. Seu trabalho explora como aprendizado, raciocínio, memória e abstração surgem tanto em sistemas biológicos quanto artificiais, estabelecendo conexões entre arquiteturas modernas de IA e questões de longa data na ciência cognitiva e na filosofia da mente.

Com uma abordagem conceitual e reflexiva, Jonas examina estruturas como modelos de raciocínio, sistemas agentes, cognição emergente e teoria de alinhamento, visando esclarecer o que realmente significa o progresso rumo à AGI — e o que não significa. Em vez de perseguir cronogramas ou exageros, ele enfatiza princípios fundamentais, rigor conceitual e os limites dos modelos atuais.

Artigos escritos por Jonas Reeve são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, clareza e discussão responsável de conceitos avançados de IA.