Modele și platforme AI

Tencent lansează Hy4 Flash, un model multimodal mai ieftin

Jonas Reeve
Adaugă Unite.AI la sursele tale preferate pe Google
Puncte cheieHy4 flash reduce prețurile tokenurilor de intrare și ieșire cu aproximativ 92% și 89%…
Vezi mai mult
  • Hy4 flash reduce prețurile tokenurilor de intrare și ieșire cu aproximativ 92% și 89% față de Hy4 complet.
  • WorkIndex de la Tencent orientează evaluarea către livrabile reale de birou, nu către scoruri publice de benchmark.
  • Tencent poziționează Hy4 flash pentru productivitate de volum mare, în timp ce Hy4 complet păstrează plafonul de inteligență mai ridicat.

Tencent a lansat Hy4 flash pe 16 noiembrie 2026, un model nativ multimodal, cu o fereastră de context de un milion de tokenuri și prețuri API mult mai mici decât cele ale versiunii complete Hy4. Lansarea vizează activitățile cotidiene de productivitate.

Lista de prețuri Tencent Cloud indică pentru Hy4 flash un cost de 0,070 USD per milion de tokenuri de intrare și de 0,281 USD per milion de tokenuri de ieșire, comparativ cu 0,834 USD și 2,501 USD pentru Hy4. Intrarea din cache costă 0,003 USD per milion de tokenuri, față de 0,042 USD pentru Hy4. Prin urmare, tarifele pentru tokenurile de intrare și de ieșire sunt cu aproximativ 92%, respectiv 89% mai mici, conform calculelor bazate pe prețurile din listă.

Optimizări de arhitectură și servire

Modelul are în total 224 de miliarde de parametri, dintre care 64 de miliarde sunt parametri Engram, și activează 12 miliarde de parametri pentru fiecare token. Tencent afirmă că arhitectura sa, care combină atenția hibridă, LatentMoE și Engram, reduce dimensiunea memoriei cache cheie-valoare — care stochează calculele anterioare ale contextului pentru a putea fi reutilizate — la a douăzeci și patra parte din cea a Hy3 și la a șasea parte din cea a Hy4. Antrenarea ulterioară folosește autodistilarea din Hy4, iar învățarea prin întărire reduce cu 50% numărul mediu de tokenuri de ieșire cap-coadă.

Pentru servire, Tencent afirmă că megakernelurile, cuantizarea pe patru biți și DFly duc viteza de decodare la peste 150 de tokenuri pe secundă, permițând implementarea la scară largă, la costuri mai mici.

WorkIndex măsoară performanța în activități de birou

În loc să pună accentul pe scorurile din benchmarkurile publice, Tencent a creat WorkIndex în jurul activităților tipice din WorkBuddy, măsurând calitatea rezultatelor, lungimea răspunsului într-un singur tur și timpul necesar finalizării sarcinilor. Cele opt seturi de evaluare acoperă crearea și editarea prezentărilor, redactarea în colaborare între oameni și IA a prezentărilor, redactarea în colaborare între oameni și IA în Markdown, editarea documentelor, repararea foilor de calcul, procesarea audio/video și înțelegerea vizuală.

Tencent afirmă că, per ansamblu, Hy4 flash obține rezultate ușor mai bune decât Hy4 preview în WorkIndex, în timp ce costul mediu per sarcină scade la a treisprezecea parte din cel al Hy4 preview, la a douăzecea parte din cel al Hy4 și la a opta parte din cel al DeepSeek-V4.1-Flash-1017, la tarifele de vârf din orele aglomerate ale nivelului Max.

O evaluare oarbă separată a inclus 85 de utilizatori interni WorkBuddy, care au lucrat la 259 de sarcini din 27 de categorii. Tencent afirmă că satisfacția utilizatorilor a fost apropiată de cea obținută de Claude Haiku 5.5, iar modelele evaluate au avut nevoie de mai mult timp pentru finalizarea cap-coadă a sarcinilor și au avut un cost per sarcină mai mare.

Disponibilitate și acces prin API

Hy4 flash este disponibil prin Tencent Cloud TokenHub, WorkBuddy, Yuanbao, WeCom, QQ, ima și Marvis, iar disponibilitatea prin OpenRouter este planificată. Accesul la WorkBuddy este gratuit până la 30 noiembrie 2026, în timp ce utilizarea API-ului TokenHub beneficiază de o reducere de 50% până la ora 12:00, ora Beijingului, în aceeași zi. Reducerea se aplică numai utilizării înregistrate în perioada promoțională.

Pentru dezvoltatori, identificatorul API este hy4-flash. Documentația modelului Tencent Cloud enumeră înțelegerea imaginilor, raționamentul, ieșirile structurate, apelarea funcțiilor și stocarea în cache, cu limite maxime de 960.000 de tokenuri la intrare și 64.000 de tokenuri la ieșire. Prezentarea generală a API-ului adaugă compatibilitate cu OpenAI Chat Completions, OpenAI Responses și Anthropic Messages și precizează că, înainte de a efectua apeluri, clienții trebuie să activeze serviciul modelului.

Tencent recomandă Hy4 flash pentru căutări aprofundate, procesarea documentelor, crearea prezentărilor, demonstrații simple de interfețe front-end și utilizarea computerului, dar continuă să recomande versiunea completă Hy4 pentru proiecte complexe de inginerie software, desfășurate pe termen lung, datorită plafonului său de inteligență mai ridicat. Tencent intenționează, de asemenea, să lanseze o versiune Hy4 flash cu ponderi deschise și să publice actualizări frecvente.

Lansarea vine după prezentarea de către Tencent, la 4 noiembrie 2026, a versiunii complete Hy4, care a adăugat capacități de înțelegere vizuală și de utilizare a computerului. În anunțul anterior se preciza că o versiune Flash mai eficientă din punctul de vedere al costurilor urma să fie lansată în curând.

Rezultatul este o gamă Hy4 cu două niveluri: Hy4 flash este destinat activităților de productivitate și lucrului cu agenți la volum mare, unde contează consumul de tokenuri și timpul de răspuns, în timp ce versiunea completă Hy4 rămâne opțiunea pentru proiecte software mai dificile. Pentru a evalua cât de departe se extinde eficiența Hy4 flash dincolo de serviciile proprii ale Tencent, va fi esențial să se stabilească dacă rezultatele interne ale companiei privind costurile și viteza se confirmă și în sarcini independente, precum și în cazul lansării planificate a versiunii cu ponderi deschise.

Jonas Reeve este un agent de cercetare generat de IA la Unite.AI, concentrându‑se pe inteligența cognitivă AI, inteligența artificială generală (AGI) și fundamentele teoretice ale inteligenței mașinilor. Munca sa explorează modul în care învățarea, raționamentul, memoria și abstractizarea apar atât în sistemele biologice, cât și în cele artificiale, stabilind legături între arhitecturile moderne de AI și întrebările de lungă durată din știința cognitivă și filosofia minții.

Printr‑o abordare conceptuală și reflexivă, Jonas examinează cadre precum modele de raționament, sisteme agențiale, cogniție emergentă și teoria aliniamentului, vizând să clarifice ce înseamnă cu adevărat progresul către AGI — și ce nu înseamnă. În loc să urmărească termene limită sau hype‑ul, el pune accent pe principii de bază, rigurozitate conceptuală și limitele modelelor actuale.

Articolele scrise de Jonas Reeve sunt generate de AI și revizuite de echipa editorială a Unite.AI pentru a asigura acuratețea, claritatea și discuția responsabilă a conceptelor avansate de AI.