腾讯混元 Hy4 flash 正式推出并且完成开源,这款主打生产力高频任务的 MoE 模型,在 WorkIndex 真实办公评测里,单任务推理成本只有 Hy4 正式版的 1/20,上线之后 Token 调用量快速冲高,在 OpenRouter 聚合平台日调用榜单登顶,性价比优势非常突出,核心原因是它采用 LatentMoE+Engram 架构,总参数 224B 但每次只激活 12B 参数,KV 缓存体积大幅压缩,再搭配自蒸馏、强化学习精简输出、底层推理内核优化,在保证办公、Agent 任务效果不掉太多的前提下,把单任务开销压到很低,官方定价也很亲民,每百万 Token 输入 0.5 元、输出 2 元,缓存命中之后成本更低,同时支持 1M 上下文和原生多模态,开发者既可以直接调用腾讯云 API,也能拿到开源权重做私有化本地部署,适合文档处理、PPT 生成、智能体自动化这类大批量高频 AI 业务。
一、Hy4 flash 核心参数清单
- 模型架构:LatentMoE + Engram,原生多模态
- 总参数量:224B,Engram 参数 64B,单 Token 激活参数仅 12B
- 上下文窗口:1M token
- 解码速度:≥150 token/s,峰值吞吐能力强
- 官方定价:输入 0.5 元 / 百万 token,输出 2 元 / 百万 token,缓存命中 0.02 元 / 百万 token
- 成本对比:单任务成本为 Hy4 的 1/20、Hy4 preview 的 1/13
- 开源版本:Hy4 flash、Hy4 flash-FP8、Hy4 flash Base
- 开源渠道:GitHub、Hugging Face、ModelScope、AtomGit
- 上线入口:腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ 等
二、Hy4 flash 与 Hy4 对比表
| 对比项 | 混元 Hy4 flash | 混元 Hy4 |
|---|---|---|
| 激活参数 | 12B | 更高激活规模 |
| KV 缓存 | Hy4 的 1/6 | 基准版本 |
| 单任务成本 | Hy4 的 1/20 | 基准,成本更高 |
| 定位 | 高频生产力、Agent 自动化 | 高复杂度长程推理、复杂工程任务 |
| 上下文 | 1M token | 1M token |
| 开源状态 | 已开源 | 计划后续开源 |
三、降本的四项关键技术手段
- LatentMoE 稀疏激活:只有 12B 参数参与每一轮推理,不用全部参数跑计算,算力开销大幅下降。
- Engram 记忆模块:优化长上下文记忆,压缩 KV 缓存,降低显存占用。
- 自蒸馏 + 强化学习:从 Hy4 蒸馏能力,同时把任务平均输出长度减少 50%,减少无效 token 输出。
- 推理底层优化:megakernel、4bit 量化、dflash 等内核优化,提升吞吐、降低单 token 算力消耗。
四、适合和不适合的业务场景
✅ 优先选用 Hy4 flash
- 文档精读、批量摘要、表格修复、PPT 生成
- 日常搜索、简单代码编写、UI Demo 生成
- Computer Use、轻量智能体、企业内部大批量自动化任务
- 预算有限、高并发、需要私有化部署的团队
⚠️ 更适合旗舰 Hy4
- 长周期复杂软件工程、多文件深度重构
- 高难度数学推理、复杂多步骤规划、高要求科研任务
五、上线后的调用数据情况
- OpenRouter 平台上线后登顶日调用榜单,成为开发者热门选择
- WorkBuddy 平台首日调用量达到 Hy4 preview 首日的 10 倍,完成超 5000 万真实任务
- 上线首日整体 Token 调用量突破 50 万亿,并发稳定性经过大规模验证
【常见问题】
问题 1:混元 Hy4 flash 推理成本砍到 1/20 是什么口径,和 Hy4 对比怎么理解?
回答 1:混元 Hy4 flash 推理成本砍到 1/20,是基于 WorkIndex 办公任务评测集的端到端单任务成本对比口径,在完成同类办公任务时,Hy4 flash 整体开销只有 Hy4 正式版的 1/20,不是单纯单 token 标价对比。
问题 2:混元 Hy4 flash 已经开源,开发者可以拿到哪些版本?
回答 2:混元 Hy4 flash 已经开源,开放 Hy4 flash、Hy4 flash-FP8、Hy4 flash Base 三个版本,开发者可以在 GitHub、Hugging Face、ModelScope 等平台下载权重,做本地私有化部署。
问题 3:混元 Hy4 flash 调用数据登顶,是在哪个平台、表现如何?
回答 3:混元 Hy4 flash 调用数据登顶 OpenRouter 大模型聚合平台的日调用榜单,上线首日 Token 调用量突破 50 万亿,在 WorkBuddy 上的任务调用量也远超 Hy4 preview 上线初期。
问题 4:混元 Hy4 flash 支持 1M 上下文,原生多模态,适合哪些开发场景?
回答 4:混元 Hy4 flash 支持 1M 上下文、原生多模态,加上推理成本低、性价比高,适合文档批量处理、PPT 生成、轻量 Agent 自动化、Computer Use、企业高频办公 AI 等场景。
【参考资料】
[2026-11-19](推理成本砍到 1/20:混元 Hy4 flash 调用数据登顶,性价比拉满了(已开源))新浪财经
[2026-11-18](用量暴增,Hy4 flash 上线首日 Token 使用量突破 50 万亿,登顶 OpenRouter)央广网
[2026-11-18](腾讯混元 Hy4 flash 正式开源,提供 FP8 版本)IT 之家
[2026-11-16](腾讯混元发布 Hy4 flash,单任务成本为 Hy4 的 1/20)腾讯新闻
【免责声明】
本文基于腾讯混元官方技术文档、公开媒体资讯整理,混元 Hy4 flash“推理成本为 Hy4 的 1/20” 是 WorkIndex 生产力任务评测条件下的测算结果,实际成本会受提示词写法、输出长度、缓存命中率、部署硬件影响;开源模型的私有化部署效果、并发上限取决于服务器配置;本文仅为 AI 行业资讯解读,不构成模型选型、API 采购、私有化项目落地的决策建议。
