بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارAPI / منتج · جاهز للعملHabr AI→ المصدر

Tencent Hy4 flash تحصد 2,79 من 4 مقابل 2,81 لنموذج Haiku 5.5، وتكلفة المهمة أقل بـ18 مرة

أطلقت Tencent نموذج Hy4 flash، وهو نموذج مخفّف يمكن ربطه عبر موجّه الذكاء الاصطناعي من Selectel. في اختبار أعمى على 259 مهمة عمل، منحه المستخدمون 2,79 نقطة من 4، أي ما يقارب Claude Haiku 5.5 (2,81)، لكن المهمة الواحدة كلّفت ¥0,26 بدل ¥4,73، أي أرخص بـ18 مرة. إذا كان وكيلك الذكي يحلل وثائق طويلة وينفق كثيرًا على التوكنات، فالنموذج يستحق التجربة على بياناتك. لكن الأرقام حتى الآن صادرة عن Tencent نفسها فقط.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
Tencent Hy4 flash تحصد 2,79 من 4 مقابل 2,81 لنموذج Haiku 5.5، وتكلفة المهمة أقل بـ18 مرة
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
Terminal-Bench 4.0 (برمجة معقدة)19,2 نقطة لـ Hy4 flash مقابل 44,4 لـ Hy4 الكامل
حقيقة رئيسية #2من أصل 224B معاملًا، يعمل 12B لكل كلمة، وذاكرة KV-cache أصغر بـ6 مرات من Hy4
لم تنشر Tencent الأوزانلا يمكن تشغيل النموذج إلا عبر API

تخيّل وكيلًا ذكيًا يقرأ كل يوم مئات الوثائق الطويلة: يحلل العقود، ويبحث عن الإجابات في قاعدة المعرفة، ويُعدّ العروض التقديمية. وعلى نموذج رائد تلتهم فاتورة التوكنات هامش ربح المنتج بسرعة. في 16 نوفمبر قدّمت شركة Tencent الصينية Hy4 flash، وهو النموذج الأصغر في عائلة Hy4.

وبحسب تقييم المستخدمين، لا يتخلف كثيرًا عن Claude Haiku 5.5 من Anthropic (2,79 نقطة من 4 مقابل 2,81)، بينما تبلغ كلفة المهمة الواحدة ¥0,26 بدل ¥4,73، أي أرخص بنحو 18 مرة. والنموذج متاح الآن في موجّه الذكاء الاصطناعي من Selectel، وهو واجهة API موحّدة متوافقة مع OpenAI بنظام الدفع مقابل التوكنات.

يشير الرقم «224B» في الاسم إلى عدد المعاملات (الإعدادات الداخلية للنموذج)، لكن فعليًا لا يعمل لكل كلمة سوى 12B، ولهذا فالنموذج سريع. ويمكن اختباره على وثائقك الخاصة في أمسية واحدة.

ما بداخل النموذج

يضم Hy4 flash إجمالًا 224B معاملًا، لكن لا يُفعَّل لكل توكن (جزء من الكلمة) سوى 12B. وهذا هو مبدأ «خليط الخبراء» (MoE): من مجموعة كبيرة من المتخصصين المحدّدين يُستدعى جزء صغير فقط لكل كلمة. وتقدّر Tencent سرعة فك الترميز بأكثر من 150 توكن في الثانية. يقبل النموذج النصوص والصور، ويعمل بسياق يبلغ مليون توكن.

أبرز ميزاته ذاكرة Engram، وتستحوذ على 64B معاملًا. وقد اقترح الفكرة مختبر DeepSeek. هي أشبه بكتاب مرجعي: فبدل أن «يحسب» النموذج المعرفة من جديد في كل مرة، يطّلع على أسطر جاهزة من جدول. تُقرأ عدة أسطر لكل توكن، وعناوينها معروفة مسبقًا، ولذلك يمكن إبقاء الجدول في الذاكرة العشوائية العادية بدل ذاكرة المسرّع الغالية. وتصف Tencent الكلفة الإضافية لذلك بأنها ضئيلة للغاية. أما الجزء الحسابي فيشغل نحو 160B معاملًا.

وفي السياق الطويل تبرز أهمية KV-cache، وهي «المسودة» السريعة للنموذج عمّا قرأه بالفعل. ومع مليون توكن تستهلك هذه الذاكرة الجزء الأكبر من الموارد. وبفضل الانتباه الهجين وبنية LatentMoE، تصغر ذاكرة KV-cache في Hy4 flash 6 مرات مقارنة بـ Hy4، و24 مرة مقارنة بـ Hy3. كما خفّض التعلّم المعزز متوسط عدد توكنات المخرجات لكل مهمة إلى النصف: فالنموذج يجيب بإيجاز أكبر، وبالتالي بكلفة أقل.

ماذا تُظهر الاختبارات

لا توجد قياسات مستقلة حتى الآن: فالنموذج غير مدرج في مؤشر Artificial Analysis. وكل الأرقام أدناه بيانات من Tencent، وقد نُشر التحليل على Atomic Agent. وبحسب الشركة، يتفوق Hy4 flash إجمالًا بشكل طفيف على Hy4 Preview الذي يضم 770B معاملًا، منها 49B نشطة.

أبرز النتائج جاءت من الاختبار الأعمى: قيّم 85 مستخدمًا لتطبيق WorkBuddy عدد 259 مهمة من 27 فئة بمقياس يصل إلى 4 نقاط.

  • Hy4 flash: 2,79 نقطة، وتكلفة المهمة ¥0,26 (نحو 3,2 ₽).
  • Claude Haiku 5.5: 2,81 نقطة، و¥4,73 (نحو 58,4 ₽).
  • GLM-5.3-Flash من Zhipu AI: 2,53 نقطة.
  • DeepSeek V4.1 Flash 1017: 3,09 نقطة، و¥1,20 (نحو 14,8 ₽).

كاد Hy4 flash يعادل Haiku 5.5 وتفوّق على GLM-5.3-Flash. أما DeepSeek V4.1 Flash فهو متقدم من حيث الجودة، لكن كلفة المهمة معه أعلى بنحو 4–5 مرات مما هي عليه مع Hy4 flash. والاختيار يتوقف على ما هو أهم بالنسبة إليك: السعر أم الدرجة.

أين يضعف النموذج وكيف يمكن ربطه

في مهام البرمجة الطويلة تبدو الفجوة مع النموذج الأكبر واضحة: ففي Terminal-Bench 4.0 يحصل Hy4 flash على 19,2 نقطة، مقابل 44,4 لـ Hy4 الكامل. ولذلك توصي Tencent باستخدام flash في العمل اليومي، من بحث ووثائق وعروض تقديمية وواجهات أمامية بسيطة واستخدام الحاسوب (computer use)، وتترك التطوير المعقد لـ Hy4.

وثمة قيد آخر يتعلق بالوصول: لم تنشر Tencent الأوزان حتى الآن، ولذلك لا يمكن تشغيل النموذج على عتادك الخاص، بل عبر API فقط. وهذا عيب للفرق التي تهمها الاستقلالية عن المزوّد الخارجي.

الربط بسيط. في لوحة تحكم Selectel تنشئ مفتاح API لموجّه الذكاء الاصطناعي، ثم تنسخ اسم النموذج المستعار (alias) وترسل طلبًا إلى نقطة النهاية chat/completions مع الترويسة Authorization: Bearer. وبما أن واجهة API متوافقة مع OpenAI، يكفي في العميل الحالي تغيير base URL والمفتاح واسم النموذج، ويبقى باقي الشيفرة كما هو.

ماذا تفعل عمليًا

إذا كان لديك وكيل للمهام الروتينية ذات السياق الطويل، مثل تحليل الوثائق والبحث في قاعدة المعرفة وإعداد العروض التقديمية، فجرّب Hy4 flash على أمثلتك الخاصة وقارن الجودة والتكلفة بالنموذج الذي تستخدمه حاليًا. أما للبرمجة المعقدة والوكلاء الهندسيين الجادّين، فلا يزال النموذج الرائد Hy4 أقوى بوضوح. ويجدر التعامل مع أرقام Tencent بحذر إلى أن تؤكدها قياسات مستقلة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما بداخل النموذج؟

يضم Hy4 flash إجمالًا 224B معاملًا، لكن لا يُفعَّل لكل توكن (جزء من الكلمة) سوى 12B. وهذا هو مبدأ «خليط الخبراء» (MoE): من مجموعة كبيرة من المتخصصين المحدّدين يُستدعى جزء صغير فقط لكل كلمة. وتقدّر Tencent سرعة فك الترميز بأكثر من 150 توكن في الثانية. يقبل النموذج النصوص والصور، ويعمل بسياق يبلغ مليون توكن. أبرز ميزاته ذاكرة Engram، وتستحوذ على 64B معاملًا. وقد اقترح الفكرة مختبر DeepSeek. هي أشبه بكتاب مرجعي: فبدل أن «يحسب» النموذج المعرفة من جديد في كل مرة، يطّلع على أسطر جاهزة من جدول.

ما أبرز التفاصيل حول ماذا تُظهر الاختبارات؟

لا توجد قياسات مستقلة حتى الآن: فالنموذج غير مدرج في مؤشر Artificial Analysis. وكل الأرقام أدناه بيانات من Tencent، وقد نُشر التحليل على Atomic Agent. وبحسب الشركة، يتفوق Hy4 flash إجمالًا بشكل طفيف على Hy4 Preview الذي يضم 770B معاملًا، منها 49B نشطة. أبرز النتائج جاءت من الاختبار الأعمى: قيّم 85 مستخدمًا لتطبيق WorkBuddy عدد 259 مهمة من 27 فئة بمقياس يصل إلى 4 نقاط. Hy4 flash: 2,79 نقطة، وتكلفة المهمة ¥0,26 (نحو 3,2 ₽). Claude Haiku 5.5: 2,81 نقطة، و¥4,73 (نحو 58,4 ₽). GLM-5.3-Flash من Zhipu AI: 2,53 نقطة.

ما أبرز التفاصيل حول أين يضعف النموذج وكيف يمكن ربطه؟

في مهام البرمجة الطويلة تبدو الفجوة مع النموذج الأكبر واضحة: ففي Terminal-Bench 4.0 يحصل Hy4 flash على 19,2 نقطة، مقابل 44,4 لـ Hy4 الكامل. ولذلك توصي Tencent باستخدام flash في العمل اليومي، من بحث ووثائق وعروض تقديمية وواجهات أمامية بسيطة واستخدام الحاسوب (computer use)، وتترك التطوير المعقد لـ Hy4. وثمة قيد آخر يتعلق بالوصول: لم تنشر Tencent الأوزان حتى الآن، ولذلك لا يمكن تشغيل النموذج على عتادك الخاص، بل عبر API فقط. وهذا عيب للفرق التي تهمها الاستقلالية عن المزوّد الخارجي. الربط بسيط.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…