在全球知名大模型聚合平台 OpenRouter LLM 日排行榜上,腾讯混元最新发布的 Hy4 flash 成功登顶,成为全球开发者高频调用的首选轻量模型之一。
数据显示,Hy4 flash 上线首日,Token 调用量就突破 50 万亿,创下混元系列模型首日调用量新高。
这份成绩背后的一个重要原因就是,Hy4 flash 便宜又能打。先看价格:
-
每百万 Token 输入 0.5 元、输出 2 元,命中缓存时仅需 0.02 元;
-
单任务成本 0.26 元,仅为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017(Max 档位,忙时价格)的 1/8。
难怪腾讯称,Hy4 flash 是迄今为止最高性价比的 Hy 模型,任谁看了这个价格都得直呼“真便宜”。
价格降下来了,能力有没有缩水?参数方面,Hy4 flash 总参数量为 224B(其中 64B 为 Engram 参数),激活参数仅为 12B,支持多模态和 1M 上下文长度。虽然 Hy4 flash 参数量约为旗舰的四分之一,但依然保持了接近旗舰开源模型的表现,在深度搜索、文档处理、PPT 生成等大部分日常办公任务上都有不错的表现。
Hy4 flash 一经发布,迅速引发海内外网友关注和讨论。有网友算起了成本账:“这性价比太狠了!日常任务表现能媲美 Claude Haiku,成本却只有后者的 1/18。对于需要高频调用模型的团队来说,实在太划算了。”也有网友给出更直接的判断:“日常办公这块,模型之间的差距已经小到普通人感觉不出来了,接下来比的就是谁便宜、谁顺手。”
目前,Hy4 flash 已在腾讯云 TokenHub 上线。
Token 调用量突破 50 万亿 Hy4 flash 如何做到“又快又省”?
作为一款新发布的模型,Hy4 flash 上线首日 Token 调用量就突破 50 万亿,创混元系列模型首日调用量新高,这个战绩确实不错。腾讯董事会主席兼首席执行官马化腾表示,“Hy4 已达到中国顶尖大模型水平,Hy4 flash 则显著降低推理成本,把高性价比的模型能力应用到实际场景中。”
经常关注大模型进展的用户或许早已注意到,今年腾讯混元的发布节奏非常快,平均每两个月发布一个大版本。
11 月 4 日发布的 Hy4 定位“为真实生产力而生”,在保持与 preview 版相同参数规模的基础上,大幅扩大预训练和后训练规模,首次引入视觉理解能力,支持通过图形界面和命令行执行任务,发布时位列 Agent Arena 全球开源模型第一、中国模型第一。
最新发布的 Hy4 flash 则进一步降低了使用成本。据介绍,Hy4 flash 总参数量为 224B,激活参数仅 12B,综合效果略优于更大规模的 Hy4 preview,是迄今性价比最高的混元模型。
价格降下来了,还要看任务完成得好不好。尤其是在日常办公场景,大家关心的除了消耗多少 Token,还要看一项任务多久能完成,完成得怎么样。
为了更好地评估 Hy4 flash 效果,混元团队专门构建了一个覆盖 PPT 制作与修改、文档编辑、表格修复、音视频处理及视觉理解等典型任务的内部评测集 WorkIndex。按内部评测集 WorkIndex 测算,Hy4 flash 的单任务成本仅为 Hy4 preview 的 1/13、Hy4 的 1/20。
腾讯内部还组织了 85 位用户参与盲测,覆盖 27 类共 259 个任务。结果显示,Hy4 flash 的用户满意度接近 Claude Haiku 5.5,在参与比较的模型中,单任务成本最低,任务耗时也最短。
具体来看,Hy4 flash 的单任务成本是 0.26 元,端到端时长中位数 6.7 分钟;Claude Haiku 5.5 的成本是 4.73 元,时长 6.8 分钟。满意度几乎打平,成本差了一个数量级。
WorkBuddy 产品经理 Anne 提到,“与 Hy4 相比,Hy4 flash 的平均任务耗时减少了 70%,平均成本约为前者的 1/15,效果在日常工作任务上基本持平”。
元宝产品负责人 Logan 表示,“在元宝真实场景下,Hy4 flash 的 Agent 能力相比 Hy3 提升了 13.6%,任务完成的充分程度和信息呈现质量都有改善。在元宝通用对话任务上,Hy4 flash 相比 GLM-5.3-Flash 提升 2.52%,其中多轮对话能力提升最明显”。
在研发场景中,Hy4 flash 也展现出一定优势。王者荣耀项目管理负责人 TH 提到,“在游戏研发 Bug 分析评测中,针对 UI 交互、系统逻辑等问题,Hy4 flash 的根因定位表现接近 DeepSeek-V4.1-Flash-1017 和 GLM-5.3-Flash,但模型请求次数减少 22.0%-39.1%,按请求回执统计的 Token 消耗量减少 40.5%-61.2%”。
Hy4 flash 能够以更少的资源完成质量相近的任务,背后是混元团队在模型架构、训练方法和推理部署上的一系列优化。
在预训练阶段,Hy4 flash 的重点是压低推理时的“固定开销”。Hy4 flash 的总参数量是 224B,其中 64B 是 Engram 参数,每个 token 只激活 12B。配合混合注意力、LatentMoE 和 Engram 等架构设计,KV Cache 被压到 Hy3 的 1/24、Hy4 的 1/6。
更值得关注的,是后训练阶段的优化。过去一年,行业里越来越多的讨论集中在推理模型的过度思考上。一些模型面对极其简单的问题也会“想太多”,造成资源浪费。
Hy4 flash 的优化思路,是让模型在保证任务效果的同时,尽可能减少不必要的输出。 具体来说,混元团队先通过自蒸馏 Hy4,让 Hy4 flash 获得较强的综合能力,再利用强化学习优化任务执行过程。数据显示,经过这一轮优化,Hy4 flash 的端到端任务输出长度降低了 50%。
在推理阶段,混元团队 结合 Megakernel、4bit 量化和 DFly 等技术,对推理过程进行了进一步优化,使 Hy4 flash 的解码速度超过 150 tps,每秒可以生成超过 150 个 Token。配合前面提到的缓存压缩和输出长度优化,Hy4 flash 得以在维持日常任务效果的同时,降低部署和运行成本。
不过,模型本身便宜了,并不等于企业的 AI 使用成本就能自动降下来。当越来越多员工和业务系统开始使用 AI,企业需要面对的成本问题也更复杂。比如,不同任务应该调用哪个模型?Token 消耗集中在哪些业务环节?如何避免低价值调用持续占用预算?
模型已经足够便宜,剩下的成本花在哪里?
企业的 AI 账单正在变成一张让财务和 IT 同时皱眉的东西。
Capgemini 今年 9 月对 500 位高管的调研显示,59% 的企业过去一年 AI 支出显著超出预期或预算,超支幅度平均在 24%,60% 的组织至今没有一套企业级的 AI 成本可见性。KPMG 的数据更是直接揭露了企业 AI 账单的混乱,很多企业甚至不清楚钱究竟花在了哪里:只有 26% 的企业对自家 AI 花了多少钱有全面掌握,22% 要等账单寄来才知道。
拆开来看,这些数字背后是几个很具体的麻烦。过去,企业可能只有少数几个 AI 应用,调用量和成本相对容易估算。但当公司多个部门深度使用模型后,这笔账就复杂了。比如,有些任务需要在短时间内处理大量请求,有些则对处理时间没太高要求,如果所有任务都采用同一种服务方式,可能造成不必要的资源浪费。
此外,不同部门各自接入模型,Token 消耗分散在各个应用中,企业想算清每笔支出的去向也不容易。模型接入后,还有不少琐碎工作,比如配置服务、编写接入代码,出了问题还要逐一排查。随着模型数量和应用规模增加,这部分工作也会不断累积。
对企业来说,模型单价降低固然重要,但要真正控制 AI 支出,还需要考虑模型怎么接入、不同任务采用什么服务方式,以及如何管理持续产生的 Token 消耗。腾讯云大模型服务平台 TokenHub 瞄准的就是这些问题。
作为 Hy4 flash 的企业级统一接入入口,TokenHub 同时聚合了主流模型,覆盖文本推理、代码、图像和视频等不同能力。除了混元系列,腾讯云还在持续扩充第三方模型生态,并支持重点 SOTA 模型的 Day0 接入,包括此前上线的 Hy4、小米 MiMo V2.6 系列等等,都在上线首日完成了接入。
模型选择多了,下一步就是怎么用。TokenHub 的做法是把服务拆成不同的交付形态,让企业按场景选,而不是按单一价格买单。
比如,客服和语音外呼的峰值吞吐需求,对应的是 TPM 预留,企业可以按业务峰值提前锁定容量,大促当天不用临时抢资源。金融报表和风控分析这类强合规场景,对应的是模型单元,企业获得一块独占算力,敏感数据在物理隔离的环境里完成推理,再叠加 AICC 可信运行的全链路安全方案。作业批改和批量分析的特点是量大、可排队、对延迟不敏感,离线推理服务用队列承接这些任务,资源价格显著更低。
同一个平台,三种服务形态,企业可以根据任务特点选择服务,让钱花在真正需要的地方。
针对企业 AI 账单混乱的痛点,TokenHub 的 Token 治理套件也提供了相应的管理能力。企业可以通过 Key 分配使用权限和额度,按 Key 进行分账与审计,并追溯关联的调用记录。
除了管理 Token,TokenHub 还试图减少企业使用模型过程中的重复工作。过去,开发者接入一个新模型,通常需要先查阅文档,了解接口和配置方式,再编写代码、调试服务。模型上线之后,日常运维和问题排查仍然需要投入精力。
TokenHub 的方式是“让 AI 来用 AI”。开发者只需要在熟悉的 AI 工具里说出要做什么,AI 就能通过 TokenHub Skill 和 CLI,协助完成日常使用、观测和排障,减少翻文档、切换控制台的时间。对企业来说,省下来的不只是时间,还有模型迭代速度加快之后不断累积的适配和运维成本。
从服务分级到 Token 治理,再到使用过程的自动化,TokenHub 试图解决的,是模型进入企业之后的一整套成本问题。但成本还只是其中一部分。当模型接触的数据越来越敏感,安全问题同样重要。
当 AI 开始处理企业内部数据,便宜就不够了
今年 10 月,OpenAI 披露了两起发生在内部的 Agent 安全事件。
10 月 3 日,一个 GPT-6.1 Sol Agent 在修复评估流程时,关闭了向安全团队自动发送监控告警的功能。三天后,另一个 GPT-6 Astra Agent 在修改代码时移除了监控集成,事后还向用户错误地表示自己没有删除监控功能。
类似的安全事件还有很多。显然,Agent 能做的事情越来越多,它可能带来的安全风险也在增加。
在 2026 腾讯全球数字生态大会上,TokenHub 产品负责人何世友提到一个现象:如今开发者调用大模型非常简单,只需要配置 URL 和 Key,就能开始使用。但在这次请求背后,实际上还涉及网络传输、服务路由、推理集群等多个环节,每个环节都有各自的风险。
尤其当模型开始处理金融授信材料、企业内部公文等敏感数据时,企业需要明确数据在哪里处理、谁有权调用,以及请求和响应在传输过程中是否受到保护。
为此,腾讯云在 TokenHub 中构建了安全合规四层体系,覆盖基础设施运行时安全、企业资产安全、数据内容安全和合规风险治理。
首先是运行环境的安全。对于金融机构、政企等敏感场景,TokenHub 提供专属模型单元,企业可以使用独占的推理算力,通过物理隔离降低数据在共享环境中暴露的风险。在此基础上,腾讯云还结合 AICC 可信运行方案,对客户端应用和推理节点进行身份验证与授权,并对请求和响应进行端到端加密。
据介绍,请求从客户端发出前就会加密,经过 TokenHub 的鉴权、路由和转发后,直到进入经过验证的可信推理节点才会解密。推理结果也会加密返回,在客户端完成解密。同时,平台通过安全镜像、可信启动和运行时度量等方式,加强对推理环境的保护。
解决数据在哪里处理的问题之后,还要管住谁能使用模型。这也是前面提到的 Token 治理套件承担的另一项工作。企业可以通过 Key 管理调用权限、使用额度和成本归属,并根据请求记录进行审计和追溯。
再往上一层,是模型处理的数据和内容安全。
以企业 RAG 应用为例,模型可能需要读取内部知识库中的大量文档,其中一些内容只允许特定员工访问。如果缺少必要的权限控制和敏感信息防护,就可能出现不该披露的数据被模型输出的情况。Agent 还会频繁调用工具和进行网络搜索,外部返回的信息中也可能夹带恶意指令。一旦模型将这些内容当成需要执行的指令,就可能带来新的安全风险。
针对这些问题,TokenHub 在平台层提供数据隐私保护能力,包括推理日志的 ZDR 配置,以及端到端加密支持。在内容安全方面,平台提供基础内容审核能力,并通过大模型安全套件加强提示词攻击防护、敏感数据保护和业务专属规则防护。
最后一层,是海外业务的合规要求。当企业将 AI 应用部署到不同国家和地区,数据存储位置、跨境传输和模型生成内容管理,都需要满足当地监管要求。目前,TokenHub 已在东南亚、美国提供服务,预计今年第四季度上线欧洲。
当下,企业 AI 安全需要考虑的范围正在扩大,覆盖了从应用发起请求到模型完成推理的更多环节。这也是 TokenHub 此次将安全作为升级重点的原因之一。未来,模型服务平台能否提供足够可靠、可复用的安全能力,也会成为企业选择 AI 基础设施时越来越重要的考量。
模型降价之后,企业还要算一笔更长远的账
模型单价下来之后,企业把更多工作交给 AI 的门槛确实低了。Hy4 flash 把日常任务的单次成本压到两毛钱级别,解码速度超过 150 tps,PPT、文档、表格、简单前端这些任务已经可以放心地批量扔给模型。
但随着应用数量和调用规模增长,模型之外的成本也会逐渐显现出来。如何选择合适的模型与服务,如何管理 Token 消耗,如何减少日常维护工作,以及怎样保障数据安全,都会影响企业最终的投入产出比。
从 Hy4 flash 到 TokenHub,可以看到腾讯云正在从模型和平台两个层面推进成本优化。前者通过模型架构和训练优化降低单次任务的开销,后者则围绕企业实际使用模型的过程,提供资源配置、成本治理和安全管理能力。未来企业之间在 AI 上的成本差距,大概率不会只取决于谁拿到了更低的 Token 单价,更取决于谁更早把使用和管理这件事当成一套工程来做。
目前,Hy4 flash 已上线 TokenHub,并推出限时两周五折优惠。感兴趣的开发者和企业可以点击链接:https://cloud.tencent.com/product/tokenhub,体验新模型。