腾讯混元 Hy4 flash 开源三版本齐发:224B 总参激活 12B,解码超 150 Token/秒

开源模型 2026-11-19 28 0

11 月 16 日,腾讯混元发布 Hy 系列的轻量新模型 Hy4 flash;仅仅两天之后的 11 月 18 日,混元宣布正式开源,Hy4 flash、Hy4 flash-FP8、Hy4 flash Base 三个版本一起放上了 GitHub、HuggingFace、ModelScope 和 GitCode 四个平台。腾讯混元负责人张军在社交平台给出的评价很直接:迄今为止性价比最高的混元模型。开发者现在可以在GitHub 仓库与HuggingFace 模型卡直接下载权重,官方技术报告则发布在腾讯 Hy 官网。

发布两天后开源:三个版本各管什么

腾讯混元 Hy4 flash 正式开源官方主视觉

这次开源的三个版本分工明确。Hy4 flash 本体是指令模型,面向日常使用;FP8 版提供低精度权重,方便在显存吃紧的环境里部署;Base 版则是预训练底座,面向想继续训练和定制的团队。官方还通过 AngelSlim 提供了 GGUF 量化版本,本地跑模型的玩家也有了现成选择。

放到版本谱系里看,混元 Hy4 是 11 月初官宣的旗舰,Hy4 preview 是此前的预览版,站内此前已报道过 Hy4 官宣与 Hy4 preview 的榜单成绩,这次的 Hy4 flash 是该家族新增的高性价比变体——定位类似旗舰之下的「小杯」,但参数规模并不小。据多方报道,腾讯同时在加速开源旗舰 Hy4,具体时间尚未公布。

224B 总参、12B 激活:64B 参数其实是一张查表

Hy4 flash 关键参数一览深色信息卡,对比旗舰 Hy4

Hy4 flash 的参数口径有两个数字:发布稿标注总参数 224B,开源后的 GitHub README 与 HuggingFace 权重索引则计为约 220B,两者相差约 4B,属于四舍五入口径差异,具体以官方页面为准。真正值得注意的是这 224B 的构成:其中 64B 是 Engram 查表参数,即通过多头哈希检索的二元与三元 n-gram 表示。这部分参数在前向计算中不参与矩阵乘法,只是读表——所以「224B」更多是一个显存口径的数字,拿它和同规模的稠密模型比算力,两边都会算错账。

骨架方面,Hy4 flash 采用 42 层语言骨干,含 1 层稠密前馈与 41 层 MoE;每个 Token 激活约 12B 参数,在 512 个路由专家中启用 16 个,外加 1 个共享专家(LatentMoE)。注意力侧则是稀疏注意力与滑动窗口注意力按 1 比 3 交错,视觉侧接入一个 SigLIP2 改造的视觉编码器,原生支持图文输入与 100 万 Token 上下文。

KV Cache 压到旗舰的六分之一,解码超 150 Token/秒

DFly2 投机解码架构官方示意图

架构省下来的钱最终体现在推理账单上。官方口径下,Hy4 flash 的 KV Cache 约为旗舰 Hy4 的六分之一,对照 Hy3 则是二十四分之一,长文档场景不再被缓存体积拖累。后训练阶段,腾讯用 Hy4 对 Hy4 flash 做自蒸馏来继承旗舰能力,再用强化学习压缩输出,端到端任务的平均输出长度降低约 50%——输出短了,响应时间和费用同步下降。

速度方面,官方给出的是 4bit 量化下解码超过每秒 150 个 Token,这套数字建立在 megakernels、4bit 权重与内置投机解码器 DFly2 的完整组合之上。DFly2 是一个 0.85B 的 5 层草稿模型,直接复用主模型的 KV 缓存与稀疏索引,几乎不增加额外显存。需要注意第三方路由上的实测中位速度约在每秒 61 个 Token,与官方峰值有明显差距,普通 API 用户拿到的更接近后者,具体以官方基准为准。

价格表:输入 0.5 元、输出 2 元每百万 Token

Hy4 flash 与 Hy4 官方 API 定价对比表

定价是这次发布最出圈的数字。Hy4 flash 每百万 Token 输入 0.5 元、输出 2 元,命中缓存时输入低至 0.02 元;对照旗舰 Hy4 的 6 元、18 元与 0.3 元,输入价格约为十二分之一,输出约为九分之一。多份报道均确认了这一定价口径。

渠道侧的优惠力度更大:OpenRouter 上线期到 11 月 30 日提供五折,折后每百万 Token 输入 0.035 美元、输出 0.14 美元;编程工具 OpenCode 宣布未来两周内近无限量免费开放,并承诺零数据留存。模型已在腾讯云 TokenHub、元宝、企业微信、QQ、ima 等产品上线。

成绩单:单任务成本 0.26 元,盲测不输 Claude

官方中文盲测结果表:Hy4 flash 对比 Claude Haiku 5.5

官方内部基准 WorkIndex 上,Hy4 flash 拿到 42.1 分,略高于 770B 的 Hy4 preview 的 39.7 分,而单任务平均成本约为 Hy4 preview 的十三分之一、Hy4 的二十分之一,也约为 DeepSeek-V4.1-Flash-1017 Max 档峰时价格的八分之一,折算约 0.26 元一个任务。需要留意 WorkIndex 是腾讯内部基准,成本倍数基于自家测试框架,第三方尚未有独立评分。

更有说服力的是盲测:85 名内部用户在 27 个类别上完成 259 个任务,Hy4 flash 拿到 2.79 分(4 分制),与 Claude Haiku 5.5 的 2.81 分基本持平,端到端时长中位数 6.7 分钟,单任务成本 0.26 元,对照后者的 4.73 元差距悬殊。Base 版成绩则更诚实:U-MATH 数学 69.8 分高于 DeepSeek-V4-flash-Base 的 57.4 分,MBPP-plus 代码 73.7 分略低于对方的 76.8 分,而 SimpleQA 只有 37.5 分,比 Hy4 Base 的 57.2 分低出近 20 分——查表换来了便宜,也确实丢了部分开放域知识召回。

许可证:开放权重不等于完全开源

三个版本均采用 Tencent Hy License 1.0,基于 Apache 2.0 修改。自用、微调、量化都没问题,但如果把它做成对外提供通用推理的服务,一旦年营收超过 5000 万美元,或单一产品月活突破 1 亿,就需要向腾讯另行申请书面授权。换言之,这是带商业门槛的开放权重,而非严格意义的开源。对个人开发者和中小团队而言,门槛暂时碰不到,权重透明带来的可验证性才是这次开源最实在的价值。

网友热议

  • 「0.5 元输入、2 元输出的定价,基本上把轻量 Agent 的成本打到了地板价, scaling 一波工作流先。」
  • 「64B 参数是一张查表这件事挺颠覆认知的,原来大模型的参数还能这么用,就看 Engram 这条路能不能被验证。」
  • 「SimpleQA 差了近 20 分说明压缩是有代价的,事实类问答还是要小心,办公文档类任务倒是可以放心用。」
  • 「许可证对大平台有门槛,对我们小团队无所谓,先把 GGUF 量化版拉到本地跑起来。」

相关文章

美团 LongCat-2.5 全量权重开源:1.6 万亿参数 MIT 协议可商用,194 张昇腾卡部署方案一并公开
MiniMax 开源图像生成模型 H3 Image:十秒出 4K 图,实测装配图与蓝图都能画明白
Anthropic 开源 FlashProve:给大模型回答盖一枚防调包的密码学印章
英伟达开源四款 Cosmos 3 世界模型,VFlash 同步亮相
Thinking Machines 新作 Inkling 2 Small:594B 总参 17B 激活,Apache 2.0 权重下周放出
百度开源文心 5.5 Flash Base:280B MoE 只激活 14B,1M 上下文权重可直接下载