---
title: "腾讯说便宜 20 倍，价格表只够 12 倍"
date: 2026-11-17
category: AI大模型
site: 脑机网
canonical: https://aiai.cafe/a/njw-hy4-flash-price-1117
language: zh-CN
---

# 腾讯说便宜 20 倍，价格表只够 12 倍

> 腾讯混元官网的价格表排了两行。第一行是 Hy4 flash，0.02、0.5、2。

腾讯混元官网的价格表排了两行。第一行是 Hy4 flash，0.02、0.5、2。第二行是 Hy4，0.3、6、18。单位都是每百万 token，三格依次是命中缓存、输入、输出。

同一件事，两行价。

腾讯在发布稿里给的结论是：Hy4 flash 的单任务成本，只有 Hy4 的 1/20。

先把这张表算一遍。

输入 6÷0.5，12 倍。输出 18÷2，9 倍。缓存 0.3÷0.02，15 倍。

也就是说，两个模型如果干同一件事、烧同样多的 token，最便宜的情况省到 1/12，最贵的情况只省到 1/9。输出占比越大，倍数越靠近 9。一个纯输出的任务，价目表最多只能把账单打到九分之一。

万一两家的 token 数完全一样，1/20 这个数就永远出不来。

差的这一截只能出在 token 数量上。要让 1/20 成立，flash 跑完同一个任务所用的 token，得是 Hy4 的 0.45 到 0.6 倍：单价差 12 倍时，20÷12 得 1.67，取倒数就是 0.6；单价差 9 倍时，20÷9 得 2.22，取倒数就是 0.45。两头刚好把单价差补平。

换成一句话：省 40% 到 55% 的 token。

腾讯在同一篇稿子里写了一句：强化学习让“端到端任务输出长度降低 50%”。50% 正好落在这个区间的中间。于是这道账能拆成两层：单价差 9 到 12 倍，乘上 token 用量减半的约 2 倍，刚好到 20。这个拆法官方没给，是我从两行价格和一句“降低 50%”里对出来的。发布稿只给结果，不给过程，而过程里藏着它到底省在哪一层。

## 同价的两行，倍数不一样

还有一处更值得看。

Hy4 正式版和 Hy4 preview 是同价的。腾讯云 11 月 4 日的发布页写着：定价延续 preview，输入 6 元、输出 18 元、缓存 0.3 元，加量不加价。

可 Hy4 flash 对 preview 是 1/13，对正式版是 1/20。同一个分母价，两个倍数。20÷13 得 1.54。把这句话反过来读：Hy4 正式版跑完一个任务，烧掉的 token 是 preview 的 1.54 倍。模型更强，账单更贵，贵的不是单价，是它自己跑得更长。发布稿里没有这句，但它只能藏在那两个倍数之间——同一张价格表不会骗人，能变的只有用量。

preview 和正式版同价，倍数却差 1.54 倍，差的全在 token 上。这句话对买方的意思是：你多付的钱，买的是它多想的那些步。

## 再拿 DeepSeek 验一遍

腾讯给的第三个倍数是 1/8，对象是 DeepSeek-V4.1-Flash-1017，Max 档位、忙时价格。

那个价目表是输入 2 元、输出 8 元，Hy4 flash 是 0.5 元和 2 元，两项都正好是四分之一。1/8 除以 1/4，得 1/2。两个不同的对手，两套不同的单价差：对自家旗舰是 9 到 12 倍，对 DeepSeek 是 4 倍。可算到单任务成本，token 那一层都落在 2 倍上。这不是巧合。腾讯那句“输出长度降低 50%”，就是这张账里的第三个数。三个倍数和一句 50% 互相咬得上，说明 1/20 不是拍出来的，是有一份内部任务清单垫在下面。

反过来说，如果哪天 flash 的输出长度回到和 Hy4 一样，1/20 会立刻缩到 1/12 到 1/9。倍数不是产品属性，是行为属性。

这一点得给腾讯记一分。

## 小模型怎么赢过大模型

Hy4 flash 总参数 224B，其中 64B 是 Engram 参数，每 token 激活 12B。作为对照，Hy4 是 770B 总参、49B 激活，preview 也是 770B 和 49B。一个激活 12B 的模型，官方说它在综合效果上“略优于”激活 49B 的 preview。总参数不到它的三分之一，激活参数不到四分之一，效果还略好。靠的是三件事，都写在发布稿里：预训练加了混合注意力、LatentMoE、Engram，KV cache 只有 Hy3 的 1/24、Hy4 的 1/6；后训练用 Hy4 做自蒸馏，再用强化学习把输出长度砍半；推理侧用 megakernel、4bit 量化、DFly，解码速度超过 150 tps。

三件事里，只有最后一件是纯粹的工程优化。前两件都在改模型的形状：一件让缓存更小，一件让话更短。

Engram 那 64B，官方只给了数字，没解释推理时怎么加载、算不算进显存。这一块暂时没法核，先记着。

还有一行容易被跳过：Hy4 正式版 11 月 4 日才发布，到今天不满两周。flash 追的是它，不是它的上一代。

## 8 个评测集，259 个任务

效果是怎么测的，要单独说。

腾讯没拿公开榜单当主口径，自己搭了一个 WorkIndex，8 个内部评测集：PPT 制作、PPT 修改、PPT 人机双写、Markdown 人机双写、文档编辑、表格修复、音视频处理、视觉理解。全是 WorkBuddy 里的日常活。人评部分是内部 85 位 WorkBuddy 用户，27 类共 259 个任务，盲测。结论有三条：满意度接近 Claude Haiku 5.5，单任务成本低于所有对比模型，任务时长最短。

这套方法有一处必须挑明：它测的是产物效果、单轮输出长度、端到端用时，不是智能上限。所以“略优于 preview”这句话，适用范围是这 8 类活，不是全部任务。腾讯自己在发布稿里也建议，长程软件工程这类复杂任务还是用 Hy4。这句话其实承认了另一件事：flash 赢的是单位成本，不是能力天花板。

259 个任务摊在 27 类里，平均一类不到 10 个。

样本这么薄，单类结论的误差不会小；能撑住的只有总平均数。

另一头，官方也放了一组公开榜单的对照，共 7 个：DeepSWE、ProgramBench、Terminal-Bench 4.0、APEX-Agents、AutomationBench、HLE、OSWorld 2.1。但它把结论压在内部集上，理由是公开榜单“远离日常工作”。这个理由站得住，代价是外部没法复现那 259 个任务。

## 便宜是怎么换来的

三件事放在一起，逻辑是通的。

KV cache 压到 1/6，省的是显存和带宽。输出长度砍半，省的是 decode 时间。4bit 量化加 megakernel，省的是单位算力。三样都指向同一个结果：同样的卡，能服务更多的人。价格表上的 0.5 元是结果，不是原因。

所以“单任务成本”这个词得小心用。它不是能横向比较的单价，而是某一类任务集合、某一种输入输出结构、某一种重试次数下的平均数。换一套任务，倍数就变。厂商报的是任务成本，用户付的是账单，两者之间还隔着重试、工具调用、缓存命中率三个变量。

做文档处理的团队，输入长、输出短，落在 12 倍那一头。做代码补全的团队，来回多、输出长，往 9 倍那头靠。两家都拿不到 20 倍。

还有一层：1/20 是和自家旗舰比。跨厂比的时候，分母换成了别家的任务结构，数就更不好直接搬。

## 11 月 30 日之前的价

最后是能立刻用上的部分。

Hy4 flash 已经在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 上线，即将接入 OpenRouter。11 月 30 日之前，WorkBuddy 限时免费，TokenHub 的 API 打 5 折。按 5 折算，输入 0.25 元、输出 1 元、缓存 0.01 元。混元团队说，计划开源 Hy4 flash，并高频迭代。这句话如果兑现，价格表就不是最终答案。权重放出来，第三方推理服务商会把它压到比 0.5 元更低。这条路 Hy4 已经走过一遍：先开源权重，再由社区把托管价打下来，厂商靠云和产品收钱。

限时价只到 11 月 30 日。这段时间等于把单价问题暂时关掉，只留下 token 问题。

12 月 1 日之后回到 0.5 元，除非开源把价格再压一轮。

所以这道 20 倍的账，保质期可能只有几个月。

真正该记住的不是 20，是它的结构：单价差 9 到 12 倍，token 差约 2 倍。

前者会随价格战变，后者取决于模型怎么干活。

一个是商务，一个是工程。

对要报预算的人，这句话的用法很直接：把 20 倍当成上限，不要当成预算。真要做预算，得先量一次任务烧多少 token，再乘单价。量完多半会发现，省下来的钱不在价目表上，在提示词和重试次数里。一个月后再看这张表，第一层可能又变了。第二层不会那么快。

**免责声明：本文基于公开信息撰写，仅供读者参考，不构成任何投资建议。**

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-hy4-flash-price-1117
本内容仅供参考，不构成投资建议。
