Live 18/11 · Cohorte 318 nov à 19h00 MSK — atelier pratique gratuit sur les agents IA · La Cohorte 3 démarre le 23/11Atelier 18/11 →Cohorte 3 (23/11)
SortieAPI / Produit · Prêt à l'emploiHabr AI→ original

Tencent Hy4 flash obtient 2,79 sur 4 contre 2,81 pour Haiku 5.5 et coûte 18 fois moins cher par tâche

Tencent a lancé Hy4 flash, un modèle allégé accessible via le routeur d'IA de Selectel. Lors d'un test à l'aveugle sur 259 tâches professionnelles, les utilisateurs lui ont attribué 2,79 points sur 4, presque autant que Claude Haiku 5.5 (2,81). Une tâche coûte pourtant ¥0,26 au lieu de ¥4,73, soit 18 fois moins cher. Si votre agent analyse de longs documents et dépense beaucoup en tokens, ce modèle mérite d'être testé sur vos propres données. Les chiffres ne viennent pour l'instant que de Tencent.

Traité par IA depuis Habr AI ; édité par Hamidun News
Tencent Hy4 flash obtient 2,79 sur 4 contre 2,81 pour Haiku 5.5 et coûte 18 fois moins cher par tâche
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Terminal-Bench 4.0 (code complexe)19,2 points pour Hy4 flash, 44,4 pour la Hy4 complète
Chiffre clé #2Sur 224B de paramètres, 12B travaillent pour chaque mot ; le KV-cache est 6 fois plus petit que celui de Hy4
Tencent n'a pas publié les poidsle modèle ne peut être utilisé que via l'API

Imaginez un agent qui lit chaque jour des centaines de longs documents : il décortique des contrats, cherche des réponses dans une base de connaissances, assemble des présentations. Sur un modèle phare, la facture de tokens grignote vite la marge du produit. Le 16 novembre, le chinois Tencent a présenté Hy4 flash, le plus petit modèle de la famille Hy4.

De l'avis des utilisateurs, il ne cède presque rien à Claude Haiku 5.5 d'Anthropic (2,79 points sur 4 contre 2,81), alors qu'une tâche revient à ¥0,26 au lieu de ¥4,73, soit environ 18 fois moins cher. Le modèle est désormais disponible dans le routeur d'IA de Selectel, une API unique compatible OpenAI, facturée au token.

Dans le nom, « 224B » désigne le nombre de paramètres (les réglages internes du modèle), mais seuls 12B travaillent réellement pour chaque mot, ce qui le rend rapide. Vous pouvez le tester sur vos documents en une soirée.

Ce qu'il y a à l'intérieur

Hy4 flash compte 224B de paramètres au total, mais seuls 12B s'activent pour chaque token (fragment de mot). C'est le principe du « mélange d'experts » : parmi un grand ensemble de spécialistes pointus, une petite partie est sollicitée pour chaque mot. Tencent estime la vitesse de décodage à plus de 150 tokens par seconde. Le modèle accepte du texte et des images, et gère un contexte d'un million de tokens.

Sa principale particularité est la mémoire Engram, qui représente 64B de paramètres. L'idée vient du laboratoire DeepSeek. C'est une sorte d'annuaire : au lieu de « recalculer » une connaissance à chaque fois, le modèle consulte des lignes toutes prêtes d'une table. Pour chaque token, plusieurs lignes sont lues, et leurs adresses sont connues à l'avance. La table peut donc résider dans la mémoire vive ordinaire plutôt que dans la mémoire coûteuse de l'accélérateur. Tencent juge le surcoût négligeable. La partie calcul occupe environ 160B de paramètres.

Pour le contexte long, un autre élément compte : le KV-cache, l'aide-mémoire du modèle sur ce qu'il a déjà lu. Avec un million de tokens, c'est lui qui engloutit la mémoire. Grâce à une attention hybride et à l'architecture LatentMoE, le cache de Hy4 flash est six fois plus petit que celui de Hy4 et 24 fois plus petit que celui de Hy3. Par ailleurs, l'apprentissage par renforcement a divisé par deux le nombre moyen de tokens générés par tâche : le modèle répond plus court, donc moins cher.

Ce que montrent les tests

Il n'existe pas encore de mesures indépendantes : le modèle ne figure pas dans l'indice Artificial Analysis. Tous les chiffres ci-dessous proviennent de Tencent ; l'analyse est publiée sur Atomic Agent. Selon la société, Hy4 flash devance globalement de peu Hy4 Preview, qui compte 770B de paramètres dont 49B actifs.

Le résultat le plus parlant est un test à l'aveugle : 85 utilisateurs de l'application WorkBuddy ont évalué 259 tâches réparties en 27 catégories, sur une échelle allant jusqu'à 4 points.

  • Hy4 flash : 2,79 points, une tâche coûte ¥0,26 (environ 3,2 ₽).
  • Claude Haiku 5.5 : 2,81 points, ¥4,73 (environ 58,4 ₽).
  • GLM-5.3-Flash de Zhipu AI : 2,53 points.
  • DeepSeek V4.1 Flash 1017 : 3,09 points, ¥1,20 (environ 14,8 ₽).

Hy4 flash égale presque Haiku 5.5 et dépasse GLM-5.3-Flash. DeepSeek V4.1 Flash la devance en qualité, mais une tâche y coûte environ 4 à 5 fois plus cher qu'avec Hy4 flash. Le choix dépend de votre priorité : le prix ou le score.

Où le modèle est plus faible et comment le connecter

Sur les tâches de programmation longues, l'écart avec le grand modèle est net : sur Terminal-Bench 4.0, Hy4 flash obtient 19,2 points, contre 44,4 pour la Hy4 complète. Tencent recommande donc flash pour le travail quotidien (recherche, documents, présentations, frontend simple et computer use) et réserve le développement complexe à Hy4.

L'accès pose aussi une limite : Tencent n'a pas encore publié les poids, il est donc impossible de faire tourner le modèle sur votre propre matériel, seulement via l'API. C'est un inconvénient pour les équipes qui tiennent à leur indépendance vis-à-vis d'un fournisseur externe.

La connexion est simple. Dans le panneau de contrôle de Selectel, vous créez une clé API pour le routeur d'IA, copiez l'alias du modèle et envoyez une requête à l'endpoint chat/completions avec l'en-tête Authorization: Bearer. L'API étant compatible OpenAI, il suffit de changer l'URL de base, la clé et le nom du modèle dans votre client existant ; le reste du code ne bouge pas.

Que faire en pratique

Si vous avez un agent pour des tâches courantes à long contexte (analyse de documents, recherche dans une base de connaissances, assemblage de présentations), passez vos propres exemples dans Hy4 flash et comparez qualité et coût avec votre modèle actuel. Pour le code complexe et les agents d'ingénierie sérieux, le modèle phare Hy4 reste nettement plus solide. Quant aux chiffres de Tencent, mieux vaut les prendre avec prudence tant que des mesures indépendantes ne les ont pas confirmés.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qu'il y a à l'intérieur ?

Hy4 flash compte 224B de paramètres au total, mais seuls 12B s'activent pour chaque token (fragment de mot). C'est le principe du « mélange d'experts » : parmi un grand ensemble de spécialistes pointus, une petite partie est sollicitée pour chaque mot. Tencent estime la vitesse de décodage à plus de 150 tokens par seconde. Le modèle accepte du texte et des images, et gère un contexte d'un million de tokens. Sa principale particularité est la mémoire Engram, qui représente 64B de paramètres.

Que sait-on sur Ce que montrent les tests ?

Il n'existe pas encore de mesures indépendantes : le modèle ne figure pas dans l'indice Artificial Analysis. Tous les chiffres ci-dessous proviennent de Tencent ; l'analyse est publiée sur Atomic Agent. Selon la société, Hy4 flash devance globalement de peu Hy4 Preview, qui compte 770B de paramètres dont 49B actifs. Le résultat le plus parlant est un test à l'aveugle : 85 utilisateurs de l'application WorkBuddy ont évalué 259 tâches réparties en 27 catégories, sur une échelle allant jusqu'à 4 points.

Que sait-on sur Où le modèle est plus faible et comment le connecter ?

Sur les tâches de programmation longues, l'écart avec le grand modèle est net : sur Terminal-Bench 4.0, Hy4 flash obtient 19,2 points, contre 44,4 pour la Hy4 complète. Tencent recommande donc flash pour le travail quotidien (recherche, documents, présentations, frontend simple et computer use) et réserve le développement complexe à Hy4. L'accès pose aussi une limite : Tencent n'a pas encore publié les poids, il est donc impossible de faire tourner le modèle sur votre propre matériel, seulement via l'API.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ 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
Qu'en pensez-vous ?
Chargement des commentaires…