腾讯发布Hy4 flash模型:224B总参数、单任务成本降至Hy4二十分之

在Agent场景中,一次指令背后可能是几十轮模型调用,任务越长,对模型速度和价格的敏感度就越高。

腾讯近日推出主打精简输出、高吞吐与低延迟的Flash模型Hy4 flash。该模型总参数量为224B,其中包含64B Engram参数,实际使用时激活参数仅为12B,KV cache大小为Hy3的1/24、Hy4的1/6,支持多模态与1M上下文长度。定价方面,Hy4 flash每百万Token输入0.5元、输出2元,命中缓存时输入价格降至0.02元,较Hy4大幅下调。腾讯方面表示,结合后训练阶段的优化,该模型整体单任务成本约为Hy4的二十分之一。

Hy4 flash的成本优势来自架构与工程层面的多重优化。预训练阶段引入混合注意力、LatentMoE、Engram等架构特性,压低了推理时的激活参数规模与缓存占用;后训练阶段通过自蒸馏Hy4获得综合智能水平,并借助强化学习将端到端任务输出长度降低50%。推理侧则结合megakernel、4bit量化、DFly等手段进行优化,解码速度超过150 tps,支持大规模低成本部署运营。

这一产品定位与当前大模型市场的需求变化直接相关。2026年以来,Agent应用加速落地,模型调用模式从单次问答转向多轮任务执行。一次指令背后可能涉及读材料、查代码、调用工具、处理报错等数十轮调用,Token消耗量级显著上升。OpenRouter披露的数据显示,今年2月6日平台上Agent的Token用量首次超过人类直接调用,到9月底已约为后者的七倍。密歇根大学与斯坦福大学今年4月一项覆盖8款模型、500个真实代码问题的研究则显示,Agent每处理一个问题平均累计消耗约417万Token,模型调用费约1.86美元,连续运行十次的成本接近20美元。

在此背景下,兼顾能力与低成本的Flash类模型用量持续攀升。OpenRouter与a16z此前基于超过100万亿Token使用数据的研究发现,Gemini 2.0 Flash、DeepSeek V3 0324等模型已获得与部分高价领先模型相近的用量。今年11月14日,DeepSeek与智谱的Flash模型同时进入OpenRouter单日Token用量前十。市场对模型的需求正从单一的能力领先,转向能力、速度与价格的综合平衡。

第三方实测对比提供了Hy4 flash性能表现的参考。在办公决策场景中,测试方设置了几组统计口径互相矛盾的材料,要求模型判断数据采信方式并给出发布建议。Hy4 flash耗时1分14秒完成,建议发布会照常举行但仅宣布即将开放、分批放量,现场不开通注册,对外采用更严格的3200人、67%口径;DeepSeek-V4.1-Flash耗时4分8秒,核心判断一致,但建议收集等待名单并向名单用户分批开放。两者在决策质量上未见明显差距,Hy4 flash在速度上少用约2分54秒。

在视觉理解场景中,测试方将文字材料加工为包含数据矛盾的投屏图片,要求模型仅依据图片完成决策准备。Hy4 flash耗时2分46秒,指出图中6家意向客户的“可计收入”标注与对照表仅确认1家付费试点之间存在冲突,并继续建议采用更严格口径。测试方称,该轮中Hy4 flash的误读情况少于对比模型。

从行业层面看,Flash模型的密集推出反映大模型竞争重心的迁移。在SOTA能力以季度为单位被刷新、领先优势难以长期维持的情况下,单位任务成本与响应速度成为Agent规模化落地的前置条件。腾讯将Hy4 flash定位为迄今性价比最高的Hy系列模型,其单任务成本降至Hy4的二十分之一,意味着同一预算下可支撑的Agent调用轮次提升一个量级。对于需要长链路、多轮次执行的企業级Agent应用而言,模型层的成本曲线下移将直接影响其商业化可行性。

该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。

赞 (0)
开发者发现Windows组件记录用户编程智能体与开发工具使用情况
上一篇 6小时前
AdRoll报告:展示广告获客CPM同比下降45%,假日营销窗口期仍
下一篇 6小时前

相关推荐

发表回复

登录后才能评论
分享本页
返回顶部