Hy4 flash 发布了,感觉腾讯的思路越来越清晰。
原创 阿颖 2026-11-17 11:16 北京
![]()
腾讯混元最近的模型迭代节奏,确实很好。11 月 4 日发布 Hy4 正式版之后,隔了不到两周,又紧接着发布了 Hy4 flash。
![]()
Hy4 flash 的目标非常明确。不知道大家是否注意到,Hy4 的 Release Blog 最后一句话里,其实就已经预告了 Hy4 flash,并且言简意赅地点出了两个核心目标。
1)提升模型的性价比和推理速度。
2)与产品进行更高频的协同迭代,提高模型的实用性。
![]()
我特喜欢看混元的 Release Blog,之前在文章里写过很多次,官方的 Release Blog 虽然简短,但信息密度非常高,基本上每句话都仔细推敲过的。
行业里的 Flash 模型,基本都在强调性价比和推理速度,但我发现,混元还专门提到了实用性,以及与产品高频协同迭代。
这确实是腾讯的优势。
而且,这个思路和姚顺雨之前那篇非常精彩的文章《AI 的下半场》里提到的观点,也出奇的一致。
![]()
他当时有个判断,我印象深刻。AI 发展到下半场,接下来需要重点思考的问题,是我们究竟应该让 AI 解决什么问题,以及怎么衡量模型真正的进步。
因为过去我们习惯了用越来越难的 Benchmark 来衡量模型能力。但模型在榜单上的分数越来越高,并不意味着它在真实世界里就实用。
过去几次模型发布,大家留心的话会发现,模型团队一直在强调他们和 WorkBuddy、元宝等等腾讯生态里的各种产品深度协同。比如下面这是 Hy3 发布时 Release Blog 的内容:
这次 Hy4 flash 能明显感觉到,它是奔着 WorkBuddy、企微的大圆等等高频 AI Native 场景来的。
因为现在 AI 应用已经积累了大量真实的用户场景和任务,所以模型团队自然也就有了更加明确的优化方向。
通篇看完 Hy4 flash 的 Release Blog,我想分享两个值得说道的信息。
第一,腾讯专门构建了一套新的内部评测集 WorkIndex。
这套评测集基于 WorkBuddy 的典型工作任务,涵盖 PPT 制作和修改、文档编辑、表格修复、音视频处理等八类场景。
除了评估最终产物的质量,尤其关注模型的输出效率,以及完成整个任务需要多长时间。
那为什么还要专门做一套新的 Benchmark?
因为 WorkIndex 很能体现 Hy4 flash 的核心目标:希望用尽可能低的成本,搞定 WorkBuddy 中绝大多数高频任务。
对于现阶段的 WorkBuddy 来说,性价比实在太重要了。
如果 WorkBuddy 想成为下一代 Office,就需要走进更多普通用户的日常工作。而这些用户的任务通常没有那么复杂,对价格和速度却更加敏感。
所以,Hy4 flash 的目标其实很明确,就是用尽可能低的成本,搞定 WorkBuddy 中绝大多数高频任务。
如果这件事能做好,WorkBuddy 才有机会真正走向更广泛的用户群体。
这也是模型团队一直在强调的实用性。
第二,混元在重点优化 Flash 模型完成任务的总体成本。
过去谈模型性价比,我们基本上关注两个指标,一个是 Benchmark 得分,另一个是每百万 Token 的 API 价格。
过去这一年,包括我自己写文章的时候,也时常陷入这样的思维定式。
但其实这个逻辑不对。判断模型的性价比,核心还是得看完成任务的实际成本。即使两个模型的单价相同,同一任务的成本也可能差很多。
Anthropic 之前专门写过一篇技术博客,讨论这个话题。
![]()
混元这次明确提到,他们通过自蒸馏和强化学习,将端到端任务的输出长度降低了 50%。
![]()
端到端的任务输出长度这个指标非常重要。
简单理解,就是让模型在完成整个任务的过程中,尽可能减少需要生成的 Token。
这个优化非常有意义。因为 Agent 执行任务通常需要多轮推理和工具调用,如果能够用更少的输出 Token 完成同样的工作,就可以进一步降低任务成本和耗时。
当然,输出长度降低 50%,不代表整个任务的 Token 消耗也降低了 50%。
但这至少说明,混元团队非常重视 Hy4 flash 模型的 Token 效率,而不只是简单地降低 API 价格。
前面提到的 WorkIndex,也专门比较了不同模型完成任务的平均花费。注意,这里比较的是完成任务的实际成本,而不只是每百万 Token 的价格。
根据官方的测试结果,Hy4 flash 在 WorkIndex 上的平均单任务成本,只有 Hy4 的 1/20,甚至只有 DeepSeek V4.1 Flash 的 1/8。
![]()
性价比确实很高。
我用 Hy4 和 Hy4 flash 测了几个 Case,带大家感受一下。
因为测试是在 WorkBuddy 中,为了避免记忆带来的干扰,我把记忆功能暂时关掉了,这样更客观。
![]()
第一个任务,我让 Hy4 根据需求,做一个车险分期还款的 Excel 表,Hy4 第一轮花费的时间差不多 20 分钟。
![]()
不过好的是,Hy4 第一轮做出来的效果已经完全可用了。
而且还有两个细节我很喜欢,鼠标悬停在单元格上,会弹出填写提示。
![]()
同一个提示词用 Hy4 flash,花了不到五分钟。确实快。
![]()
第一轮的效果,也是直接可用。不过细节上,确实还是 Hy4 更好。
接着,我让 Hy4 给我们的公众号的文章配 Gif 图,具体在哪些位置配图,由它自己判断。这个任务用到了一个我们自己做的 Gif 图 Skill。这次任务花了 19 分钟。
![]()
Hy4 先通读全文,发现文章里已经有官方推文截图和演示视频,最后选了三处配动态图。每一处都写清楚插在哪句话后面,以及这张图要解释什么。
![]()
我很喜欢它对配图位置的取舍。有些内容一句话就能说清,或者前面已经有素材,它就不再重复配图。文章里没有明确答案的问题,也没有擅自画成结论。
下面这是 Hy4 具体的配图计划 MD 文件。
![]()
给大家看看配图效果,还是一次直出的。
同一个提示词,Hy4 flash 只用了 10 分钟,比 Hy4 节省了将近一半时间。
![]()
下面这是 Hy4 flash 具体的 Gif 配图计划的 MD 文件。
![]()
以及这是最终的输出结果。这个 Case 中,Hy4 flash 和 Hy4 的交付质量没任何差别,甚至 Hy4 flash 看起来还要更好看一些。
继续,下面这是我做出来的一个 3D 自由探索的效果:
我一开始是直接用 Hy4 flash 模型跑的,速度是真的快,每轮耗时 4 到 8 分钟。
![]()
但独立跑了三、四轮,发现不太好。Hy4 flash 单独做这类任务还是有些吃力。
于是,我切换了下思路,先让 Hy4 把整个项目的框架做出来,然后再用 Hy4 flash 基于框架继续迭代。
直接用同一个提示词发了一遍。
![]()
可以看到 Hy4 跑了一轮的效果,就已经比 Hy4 flash 三、四轮的效果要好了,所以我们在复杂的 Coding 任务上,推荐直接选 Hy4 模型。
我拿 Hy4 跑了两轮,把整体框架搭好之后,再交给 Hy4 flash 接着迭代。因为 Hy4 flash 的成本更低、速度更快,这样反而效率更高。
该说不说,Hy4 flash 的速度是真快啊。而且现在在 WorkBuddy 中还有限时免费使用活动。
![]()
还有下面这张截图,是腾讯邀请了 85 位 WorkBuddy 内部用户,针对 259 个日常工作任务做的一轮盲测。
可以看到,Hy4 flash 的用户满意度已经非常接近 Claude Haiku 5.5,但平均单任务成本只有 0.26 元,甚至比 DeepSeek V4.1 Flash 这样我们熟悉的高性价比模型,还要便宜将近 80%。
![]()
当然,从前面我的测评大家也能看到,Flash模型和旗舰模型之间还是有能力差距的。
所以,什么时候用 Flash,什么时候用旗舰模型,其实也有一些讲究。分享下我自己目前的三个使用习惯。
第一,对于需求比较明确、我自己判断难度不高,而且对完成时间要求比较高的任务,比如分析 Excel、做个简单的 PPT,我就直接选择 Flash 模型,这情况没必要调用旗舰模型。
第二,对于比较复杂、但需要反复执行的任务,我会先把执行流程整理成 Skill,再让 Flash 模型去完成。
比如前面那个 GIF 配图的 Case 就是个例子。这样既能提高任务完成的稳定性,也能兼顾速度和成本。
第三,对于一些真正高难度的任务,我会先让旗舰模型把整体框架搭建好,把关键问题解决掉。
后续如果只是局部修改和迭代优化,就可以交给 Flash 模型。这样既能降低整个任务的成本,也能提高效率。
Hy4 flash 真心不错。新的性能-费用帕累托最优。
![]()