
腾讯混元大模型 Hy4 flash(hy4-flash)可在 TokenHub 调用,兼容 OpenAI 与 Anthropic 协议,上下文 1024k、最大输出 64k,默认深度思考,支持图片理解,适合日常高频办公调用。
结论先放这:我把自己一个跑日常整理任务的小 Bot,从 hy4 切到 hy4-flash,只改了一个 model 参数,其余代码一行没动。真正让我卡了半小时的不是接入,而是工具调用时漏回填 reasoning_content——这个坑在第五节细说。
说实话,看到腾讯混元 Hy4 flash 发布的消息时,我第一反应是“又一个 flash 版,能有多大差别”。我手上那个 Bot 一直在用 hy4,干的活很杂:读我的笔记、汇总资料、偶尔调个工具查东西,谈不上复杂,但调用频率很高。
翻了 TokenHub 的混元调用指南,官方对两个模型的定位写得很直白:
model 参数 | 官方定位 | 上下文窗口 | 最大输入 | 最大输出 |
|---|---|---|---|---|
hy4-flash | 更轻量、更高效的日常主力模型,适合日常办公等高频、规模化场景 | 1024k | 960k | 64k |
hy4 | 相比 Hy4 preview 全面提升,强化 Agent 能力和长程真实生产力任务,首次引入视觉理解 | 1024k | 960k | 64k |
两者上下文规格一致,区别在定位:hy4-flash 面向高频日常,hy4 面向长程复杂任务。我这个 Bot 的活,明显属于前者。
TokenHub 用的是标准 OpenAI 协议,base_url 是 https://tokenhub.tencentmaas.com/v1,鉴权用控制台里创建的 API Key。我原来的代码长这样,切换时把 hy4 改成 hy4-flash 就完事了:
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY", # TokenHub 控制台创建的 API Key
base_url="https://tokenhub.tencentmaas.com/v1",
)
response = client.chat.completions.create(
model="hy4-flash",
messages=[{"role": "user", "content": "帮我把今天的笔记整理成三条要点。"}],
)
print(response.choices[0].message.content)之前换模型,我得先查新厂商的 SDK、改鉴权、改返回字段解析,一套下来大半个下午。这次就是一个字符串的事,改完直接跑。
如果你的工具链是 Anthropic Messages 协议,或者用的是 OpenAI Responses 接口,hy4-flash 也都兼容,不用为了换模型重写客户端。
hy4-flash 和 hy4 一样,默认开启深度思考,推理深度默认为 high。响应里除了 content,还会多一个 reasoning_content 字段,装的是思考过程。
第一次跑通时,返回里多出一大段推理文本,一开始不熟悉这个机制,后来看了说明才知道这是默认开启深度思考的正常行为。用 Python SDK 时,这个字段 SDK 不直接声明,要用 getattr 取:
msg = response.choices[0].message
print("思考过程:", getattr(msg, "reasoning_content", ""))
print("最终回答:", msg.content)推理深度默认就是 high,一般无需额外设置;如需显式指定,可以通过 extra_body={"reasoning_effort": "high"} 透传参数。
hy4 首次引入视觉理解能力,hy4-flash 继承了这一能力,支持在对话里直接输入图片,图片和文本可以放在同一条消息里,适合截图分析、表格识别、图表解读这类场景。这也是我切过来之后用得最多的能力。
curl -X POST 'https://tokenhub.tencentmaas.com/v1/chat/completions' \
-H 'Authorization: Bearer YOUR_API_KEY' \
-H 'Content-Type: application/json' \
-d '{
"model": "hy4-flash",
"messages": [{"role": "user", "content": [
{"type": "image_url", "image_url": {"url": "YOUR_IMAGE_URL"}},
{"type": "text", "text": "把这张截图里的表格整理成 Markdown。"}
]}]
}'几个输入限制需要留意:
识别小字和表格时,把 detail 设成 high 效果更好;只要粗略理解画面、又在意成本,用 low 更省 token。detail 不传时默认为 auto,由模型自行判断。
基础对话接入顺利,结果在工具调用这一步栽了。
我的 Bot 会调一个查资料的函数。第一轮模型返回 tool_calls,我执行完函数,把结果以 role: "tool" 回填,再发第二轮——问题就出在这里:我回填第一轮 assistant 消息时只带了 content 和 tool_calls,把 reasoning_content 丢了。第二轮的回答明显“断片”,前后推理接不上。
排查半天,最后在混元调用指南里找到原话:在 reasoning_effort=high 的慢思考模式下进行工具调用,每一轮请求都需要回填历史 reasoning_content,以获取最佳效果。
改法很简单,把第一轮 assistant 消息完整回写,再在其后追加 tool 消息:
assistant_msg = {
"role": "assistant",
"content": msg1.content,
"reasoning_content": getattr(msg1, "reasoning_content", ""),
"tool_calls": [
{"id": tc.id, "type": tc.type,
"function": {"name": tc.function.name, "arguments": tc.function.arguments}}
for tc in (msg1.tool_calls or [])
],
}
messages.append(assistant_msg)最后给一个建议:只要开着深度思考做多轮或工具调用,回写 assistant 消息时 content 和 reasoning_content 两个字段都带上,别图省事删掉。回到选型本身,如果你的场景是高频、日常的办公类调用,腾讯混元 Hy4 flash 值得直接换上试一试——接入只改一个 model 参数,当前 Hy4 flash 限时 5 折活动也在进行中,至 2026 年 11 月 30 日 12:00,在线推理调用按目录价 5 折结算,折后每百万 Token 输入 0.25 元、输出 1 元。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。