220B 的模型只激活 12B,单任务 0.26 元:腾讯把 Hy4 flash 的三份权重放出来了,但先看许可证第 10 条
先讲结论:3分钟看懂这次开源
腾讯混元在 11 月 17 日发布 Hy4 flash,11 月 18 日把三份权重挂上了 Hugging Face、ModelScope 和 GitCode:Hy4 flash(指令版)、Hy4 flash-FP8(量化版)、Hy4 flash-base(预训练底座版)。模型卡显示,仓库在 11 月 17 日就已建好,权重文件在 11 月 18 日传完。
三句话概括它想解决的问题:
- 参数很多,但每次只叫醒一小部分:总参数 220B 上下,每个 token 实际激活约 12B。
- 上下文给到 100 万 token,能直接吃文字和图片。
- 价格压到每百万输入 token 0.07 美元(约 0.5 元),缓存输入 0.003 美元。
真正需要提前知道的是许可证:这不是 Apache 2.0,而是一份「Apache 2.0 + 第 10 条」的腾讯混元许可证。做 MaaS(把模型推理转卖给第三方)且年收入超过 5000 万美元,或者产品月活超过 1 亿的公司,必须先去拿一份单独的书面授权。
这是什么:一个「大而稀」的多模态模型
按官方模型卡,Hy4 flash 由几块拼起来:
- 语言主干 42 层:1 层稠密前馈 + 41 层 MoE(专家混合),隐藏维度 3072,词表 120,832。
- 视觉编码器:从 SigLIP2-So400m-Patch16-Res512 改来,通过一个 MLP 投影接到主干上。所以它是「文字 + 图片进、文字出」。
- Engram(N-gram 记忆):额外的 63.5B 参数,用多头哈希查表取出二元组和三元组的表示,塞在第 1、11、21、31 层。
- DFly2 草稿模型:5 层、0.85B,专门做投机解码。
具体到「一共多少参数」,官方两个口径不太一样:新闻稿写 224B(含 64B Engram),模型卡表格写的是 155.5B 主干 + 63.5B Engram + 0.43B 视觉 + 0.85B 草稿 ≈ 220B。差几个 B 不影响判断,但看论文或榜单对数字时要留个心。
每个 token 激活的部分是:文本 11.3B + 视觉 0.43B。
上下文窗口是 1,048,576 token,也就是常说的 1M。
为什么能这么便宜:省在 KV 缓存和输出长度上
官方给了三条工程路径,其中两条对使用者是可感知的:
第一,KV 缓存变小了。 主干把稀疏注意力(IndexPool)和滑动窗口注意力按 1:3 交错排布,路由专家在低维潜空间里计算(LatentMoE),每个 token 从 512 个路由专家里挑 16 个、外加 1 个共享专家。结果是 KV 缓存只有 Hy3 的 1/24、Hy4 的 1/6。长上下文场景里,显存和带宽往往就卡在 KV 上,这一项直接决定「1M 上下文到底跑不跑得起」。
第二,输出 token 少了一半。 官方说后训练阶段的强化学习把平均端到端任务输出 token 砍掉 50%。对按输出计费的 API 来说,这比单价打折更实在。
第三,解码速度快。 靠 megakernel、4-bit 量化和 DFly2 投机解码组合,官方称解码速度超过 150 token/s;TechNode 引述腾讯的数字是约 200 token/s。这两个数字口径不同(一个是模型卡、一个是媒体转述),别当成同一件事。
便宜到什么程度:官方自己的账
腾讯没有用公开榜单当主卖点,而是自建了一个叫 WorkIndex 的内部基准,覆盖 8 组任务:做幻灯片、改幻灯片、人机共写幻灯片、人机共写 Markdown、文档编辑、修表格、音视频处理、视觉理解。
在这套基准上:
- Hy4 flash:42.1 分
- Hy4 preview(770B 总参 / 49B 激活):39.7 分
- Hy4(11 月 4 日发布):51.4 分
也就是说,它比自家上一代预览版略强,但离正式版 Hy4 还差一截。成本侧,官方给的是「单任务平均成本」:
- 是 Hy4 preview 的 1/13
- 是 Hy4 的 1/20
- 是 DeepSeek-V4.1-Flash-1017(Max 档、高峰时段价)的 1/8
另一组数字来自 85 名腾讯内部 WorkBuddy 用户的盲测,259 个任务、27 个类别:Hy4 flash 的用户满意度 2.79/4,Claude Haiku 5.5 是 2.81/4;Hy4 flash 的单任务成本 0.26 元,端到端中位耗时 6.7 分钟,在这批模型里成本最低、耗时最短。
注意这份盲测的三个前提:样本是腾讯内部员工、任务是 WorkBuddy 式的办公活、满意度是 4 分制的主观打分。2.79 和 2.81 的差距在这个量级上基本等于「打平」,不能读成「它比 Haiku 5.5 差 0.02 分」这种精确结论。
上线首日的数据:这轮媒体交叉印证的部分
以下内容基于多家媒体转述整理(TechNode、TokenPost、Writeble 等),不是官方新闻稿的原文口径:
- TechNode 引述腾讯说,Hy4 flash 上线首日处理了超过 50 万亿 token,是混元系列里首日用量最高的一次。
- 在 OpenRouter 的每日 LLM 榜单上,它在 11 月 17 日排到第一。
- 在 WorkBuddy 平台上,首日用量是上一代 Hy4 preview 的 10 倍,累计帮用户完成了超过 5000 万个真实任务。
- TechNode 把上线时间记作 11 月 16 日,官方新闻稿的落款是 11 月 17 日(深圳)。两地时区差导致的日期差,两个说法都在流传。
这些是厂商自报的运营数据,没有第三方审计,读的时候当成「热度信号」而不是「性能证据」比较合适。
权重怎么拿、怎么跑:怎么用才不踩坑
三个仓库的体积(按 Hugging Face 文件列表实测累加,非官方标注):
tencent/Hy4-flash:约 440GB,200 个文件tencent/Hy4-flash-FP8:约 287GBtencent/Hy4-flash-base:约 439GB
官方推荐的推理框架是 vLLM 和 SGLang,两边都给了预构建镜像:
- vLLM:
vllm/vllm-openai:hy4-flash,官方示例用 FP8 权重,--tensor-parallel-size 8,并挂上--speculative-config '{"num_speculative_tokens":5,"method":"dfly"}' - SGLang:
lmsysorg/sglang:hy4-flash,提供 x86 和 Arm 多架构镜像
也就是说,官方默认的起步配置是 8 卡张量并行。想单卡跑,得靠社区量化版:Hugging Face 上已经有 GGUF(AngelSlim 出的官方 GGUF 仓,下载量已过 5 万)、MLX 4bit/8bit、NVFP4 等多个第三方转换版本。
几个会绊住人的避坑细节:
- transformers 还没合进主分支。模型卡写的是「即将合入」,暂时要从指定的 PR 分支安装。
- base 版不能当聊天模型用。模型卡明确写了
Hy4-flash-base是预训练底座,不是指令微调版,对话和推理示例只适用于 Hy4 flash 和 FP8 版。 - 指令版支持
reasoning_effort,默认"high"(开思考),要直接回答就设"no_think"。
许可证第 10 条:真正会拦人的地方
Hy4 flash 用的是 Tencent Hy License v1.0,文件里写明它是「从 Apache 2.0 派生、增加了第 10 条商业条款」,并且明确声明「这不是 Apache 2.0,也未获 Apache 基金会背书」。
第 10 条的实质内容:
- 定义 MaaS = 让第三方远程访问模型推理或微调(比如通过 API 提交输入、指定参数或训练数据)。两种情形不算:能力被限定在特定功能/工作流里的终端产品(不提供通用模型访问),以及单纯把请求转发给独立运营的第三方模型服务。
- 需要单独书面授权的两种触发条件:全球年营收在任意连续 12 个月内超过 5000 万美元(不论这笔收入是否来自该模型);或者你的产品或服务在任意自然月内月活超过 1 亿。
- 内部使用豁免:只要模型、衍生作品及其输出都不提供给第三方,第 10.2 条不适用。
翻译成实际场景:自己公司内部搭个文档/表格助手,不受影响;做成对外卖的 API 服务且规模够大,先发邮件谈授权(官方给的邮箱是 [email protected])。这和 Llama 社区许可证的思路接近,比 MIT/Apache 严格,但门槛设在「营收」和「月活」而不是「用户数几十人」。
适用场景:哪些活适合交给它
官方给的推荐清单很具体,可以直接对照:深度搜索(deep search)、文档处理、做幻灯片、简单前端演示、电脑操作(computer use)。腾讯自己举的 WorkIndex 八组任务也是同一个方向——做和改幻灯片、人机共写文档、修表格、音视频处理、看图理解。
判断标准可以简化成一句:产出物是「一份能交付的东西」,而不是「一个要跑几天的工程」。写周报、改合同、把一堆表格拼成一张、把会议录音整理成纪要,这类任务的共同点是单次会话内能收敛、对上下文长度要求高、调用频次高,正好对上 1M 窗口和低单任务成本。
不适用场景:哪些情况不该用它
- 长程软件工程:官方自己建议复杂、长时间跨度的编码任务用 Hy4,Hy4 flash 的定位是「日常生产力」。
- 要求公开榜单可比的场景:主卖点 WorkIndex 是内部基准,外部只有一张汇总图,没有给出逐项公开分数,第三方复现不了。
- 想单机低成本试跑的:BF16 权重 440GB、官方示例 8 卡并行,个人开发者基本只能走 GGUF/MLX 这些社区量化路径,而量化版的表现官方没有背书。
- 需要完全无限制商用:许可证第 10 条决定了它不是「随便拿去开 API 站」的模型。
成本与时间预估
按官方单价粗算一次调用:5 万输入 token + 5 千输出 token,大约 0.005 美元(输入 0.0035 + 输出 0.0014),折合人民币 4 分钱上下。这个量级和「单任务 0.26 元」的盲测数据是对得上的——办公类任务往往要跑多轮、带工具调用。
自建的话,成本主要不在模型,而在显存:8 卡 FP8 是官方起步配置,租用成本要按小时自己算。
行动建议
- 第一步:先明确你要的是「便宜高频的办公活」还是「长程编码」。前者可以试 Hy4 flash,后者直接看 Hy4。
- 第二步:别急着下 440GB。先用官方 FP8 镜像 + 8 卡跑一遍自己的三个真实任务,看交付物质量,而不是看它自称的 42.1 分。
- 第三步:如果你的产品是对外 API,先把许可证第 10 条对着自己的营收和月活核一遍,再决定要不要走授权流程。
- 第四步:如果用
Hy4-flash-base做继续预训练或微调,记得它不是聊天模型,对话模板和采样参数(temperature 0.9 / top_p 1.0)要按指令版另配。
参考来源
- 腾讯官方新闻稿(PR Newswire,2026-11-17):https://www.prnewswire.com/news-releases/tencent-launches-hy4-flash-to-power-high-speed-cost-efficient-ai-deployment-for-everyday-workflows-302941875.html
- Hy4 flash 模型卡与权重:https://huggingface.co/tencent/Hy4-flash
- Hy4 flash-FP8:https://huggingface.co/tencent/Hy4-flash-FP8
- Tencent Hy License v1.0:https://huggingface.co/tencent/Hy4-flash/blob/main/LICENSE
- 官方代码仓:https://github.com/Tencent-Hunyuan/Hy4-flash
- TechNode(2026-11-19,权重发布):https://technode.com/2026/11/19/tencent-releases-hy4-flash-model-weights-for-local-deployment/
- TechNode(2026-11-19,首日 50 万亿 token):https://technode.com/2026/11/19/tencent-says-hunyuan-hy4-flash-surpasses-50-trillion-tokens-in-first-day-usage/
- TokenPost(2026-11-18):https://www.tokenpost.com/news/technology/60137