Ao vivo 18/11 · Turma 318 nov às 19:00 MSK — aula prática gratuita de agentes de IA · Turma 3 ao vivo começa 23/11Aula 18/11 →Turma 3 (23/11)
LançamentoAPI / Produto · Pronto p/ usoHabr AI→ original

Tencent Hy4 flash marcou 2,79 de 4 contra 2,81 do Haiku 5.5 e custa 18 vezes menos por tarefa

A Tencent lançou a Hy4 flash, uma versão mais leve da família Hy4 que pode ser usada pelo roteador de IA da Selectel. Em um teste cego com 259 tarefas de trabalho, os usuários deram à modelo 2,79 pontos de 4, quase o mesmo que o Claude Haiku 5.5 (2,81). Cada tarefa, porém, custou ¥0,26 em vez de ¥4,73, ou seja, 18 vezes menos. Se o seu agente analisa documentos longos e gasta muito com tokens, vale testar a modelo com os seus próprios dados. Por enquanto, os números vêm apenas da própria Tencent.

Processado por IA de Habr AI; editado por Hamidun News
Tencent Hy4 flash marcou 2,79 de 4 contra 2,81 do Haiku 5.5 e custa 18 vezes menos por tarefa
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Terminal-Bench 4.0 (código complexo)19,2 pontos para a Hy4 flash e 44,4 para a Hy4 completa
Dado-chave #2Dos 224B parâmetros, apenas 12B trabalham a cada palavra, e o KV-cache é 6 vezes menor que o da Hy4
A Tencent não publicou os pesosa modelo só pode ser executada via API

Imagine um agente que lê todos os dias centenas de documentos longos: analisa contratos, procura respostas em uma base de conhecimento, monta apresentações. Com um modelo de ponta, a conta de tokens logo consome a margem do produto. Em 16 de novembro, a chinesa Tencent apresentou a Hy4 flash, modelo menor da família Hy4 que, na avaliação dos usuários, quase não fica atrás do Claude Haiku 5.

5, da Anthropic (2,79 pontos de 4 contra 2,81). Cada tarefa custa ¥0,26 em vez de ¥4,73, ou seja, cerca de 18 vezes menos. A modelo agora está disponível no roteador de IA da Selectel, uma API única compatível com a OpenAI e com cobrança por token.

O "224B" no nome indica o número de parâmetros (as configurações internas da modelo), mas na prática só 12B trabalham a cada palavra, e é por isso que ela é rápida. Dá para testá-la com os seus documentos em uma única noite.

O que há por dentro

A Hy4 flash tem 224B parâmetros no total, mas só 12B são ativados a cada token (um pedaço de palavra). É o princípio da "mistura de especialistas" (MoE): de um grande conjunto de especialistas estreitos, apenas uma pequena parte é acionada para cada palavra. A Tencent estima a velocidade de decodificação em mais de 150 tokens por segundo. A modelo aceita texto e imagens e trabalha com contexto de um milhão de tokens.

O principal diferencial é a memória Engram, que responde por 64B parâmetros. A ideia foi proposta pelo laboratório DeepSeek. Funciona como uma espécie de livro de consulta: em vez de "calcular" o conhecimento do zero a cada vez, a modelo consulta linhas prontas de uma tabela. A cada token, algumas linhas são lidas, e os endereços são conhecidos de antemão. Por isso, a tabela pode ficar na memória RAM comum, e não na cara memória do acelerador. A Tencent diz que o custo extra dessa operação é desprezível. A parte computacional ocupa cerca de 160B parâmetros.

Para contextos longos, importa também o KV-cache, a "cola" operacional da modelo sobre o que ela já leu. Com um milhão de tokens, é ele que consome a memória. Graças à atenção híbrida e à arquitetura LatentMoE, o cache da Hy4 flash é seis vezes menor que o da Hy4 e 24 vezes menor que o da Hy3. Além disso, o aprendizado por reforço reduziu pela metade o número médio de tokens de saída por tarefa: a modelo responde de forma mais curta e, portanto, mais barata.

O que mostram os testes

Ainda não há medições independentes: a modelo não aparece no índice da Artificial Analysis. Todos os números abaixo são dados da Tencent, e a análise foi publicada no Atomic Agent. Segundo a empresa, a Hy4 flash, no conjunto, fica um pouco à frente da Hy4 Preview, que tem 770B parâmetros e 49B ativos.

O resultado mais revelador é o teste cego: 85 usuários do aplicativo WorkBuddy avaliaram 259 tarefas de 27 categorias, em uma escala de até 4 pontos.

  • Hy4 flash: 2,79 pontos, tarefa custa ¥0,26 (cerca de 3,2 ₽).
  • Claude Haiku 5.5: 2,81 pontos, ¥4,73 (cerca de 58,4 ₽).
  • GLM-5.3-Flash, da Zhipu AI: 2,53 pontos.
  • DeepSeek V4.1 Flash 1017: 3,09 pontos, ¥1,20 (cerca de 14,8 ₽).

A Hy4 flash quase empatou com o Haiku 5.5 e superou a GLM-5.3-Flash. A DeepSeek V4.1 Flash está à frente em qualidade, mas cada tarefa custa cerca de 4 a 5 vezes mais que na Hy4 flash. A escolha depende do que pesa mais para você: preço ou pontuação.

Onde a modelo é mais fraca e como conectá-la

Em tarefas longas de programação, a distância para a modelo maior é visível: no Terminal-Bench 4.0, a Hy4 flash faz 19,2 pontos, e a Hy4 completa, 44,4. Por isso, a Tencent recomenda a flash para o trabalho do dia a dia (busca, documentos, apresentações, frontend simples e computer use) e deixa o desenvolvimento complexo para a Hy4.

Há também uma limitação de acesso: a Tencent ainda não publicou os pesos, então não é possível executar a modelo em hardware próprio, apenas via API. Para equipes que precisam de independência de um provedor externo, isso é um ponto negativo.

A conexão é simples. No painel de controle da Selectel, você cria uma chave de API para o roteador de IA, copia o alias da modelo e envia a requisição ao endpoint chat/completions com o cabeçalho Authorization: Bearer. Como a API é compatível com a OpenAI, basta trocar a base URL, a chave e o nome da modelo no cliente existente; o restante do código continua o mesmo.

O que fazer na prática

Se você tem um agente para tarefas rotineiras com contexto longo (análise de documentos, busca em base de conhecimento, montagem de apresentações), rode seus próprios exemplos na Hy4 flash e compare qualidade e custo com a modelo atual. Para código complexo e agentes de engenharia sérios, a Hy4 de ponta continua claramente mais forte. Quanto aos números da Tencent, convém tratá-los com cautela até que medições independentes os confirmem.

História

Perguntas frequentes sobre a notícia

O que há por dentro?

A Hy4 flash tem 224B parâmetros no total, mas só 12B são ativados a cada token (um pedaço de palavra). É o princípio da "mistura de especialistas" (MoE): de um grande conjunto de especialistas estreitos, apenas uma pequena parte é acionada para cada palavra. A Tencent estima a velocidade de decodificação em mais de 150 tokens por segundo. A modelo aceita texto e imagens e trabalha com contexto de um milhão de tokens. O principal diferencial é a memória Engram, que responde por 64B parâmetros.

O que mostram os testes?

Ainda não há medições independentes: a modelo não aparece no índice da Artificial Analysis. Todos os números abaixo são dados da Tencent, e a análise foi publicada no Atomic Agent. Segundo a empresa, a Hy4 flash, no conjunto, fica um pouco à frente da Hy4 Preview, que tem 770B parâmetros e 49B ativos. O resultado mais revelador é o teste cego: 85 usuários do aplicativo WorkBuddy avaliaram 259 tarefas de 27 categorias, em uma escala de até 4 pontos. Hy4 flash: 2,79 pontos, tarefa custa ¥0,26 (cerca de 3,2 ₽).

Onde a modelo é mais fraca e como conectá-la?

Em tarefas longas de programação, a distância para a modelo maior é visível: no Terminal-Bench 4.0, a Hy4 flash faz 19,2 pontos, e a Hy4 completa, 44,4. Por isso, a Tencent recomenda a flash para o trabalho do dia a dia (busca, documentos, apresentações, frontend simples e computer use) e deixa o desenvolvimento complexo para a Hy4. Há também uma limitação de acesso: a Tencent ainda não publicou os pesos, então não é possível executar a modelo em hardware próprio, apenas via API.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ 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
O que você acha?
Carregando comentários…