首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >WorkBuddy 首发接入混元 Hy4 flash:224B 参数只激活 12B,官方称性价比最高的一代

WorkBuddy 首发接入混元 Hy4 flash:224B 参数只激活 12B,官方称性价比最高的一代

原创
作者头像
克劳德2048
发布于 2026-11-17 15:05:28
发布于 2026-11-17 15:05:28
1270
举报

摘要:

腾讯 WorkBuddy 于 2026 年 11 月 16 日首发接入混元 Hy4 flash,总参数 224B、激活 12B,支持多模态与 1M 上下文,官方定位为迄今性价比最高的 Hy 系列模型,每百万 tokens 输入 0.5 元、输出 2 元,11 月 30 日前限时免费。

腾讯 WorkBuddy 这次接入的 Hy4 flash,核心价值不在参数堆料,而在“大容量、小激活、低单价”的组合:官方将其定位为迄今为止性价比最高的 Hy 系列模型,并在 11 月 16 日至 11 月 30 日 23:59 开放限时免费体验。

一、224B 总参、12B 激活:Hy4 flash 的参数底座

2026 年 11 月 16 日,腾讯混元发布最新语言模型 Hy4 flash,腾讯 WorkBuddy 国内版与国际版同步完成首发接入。这款模型的总参数量为 224B,其中 64B 为 Engram 参数,单次激活参数仅 12B,支持多模态与 1M 上下文长度。

理解这组数字的关键,在于区分“总参数”与“激活参数”。总参数决定模型能够沉淀的知识容量,激活参数决定每一次推理实际参与计算的规模。Hy4 flash 用 224B 的总参数撑起能力上限,又用 12B 的激活参数把单次调用的计算量压下来,这构成了它低调用成本的技术底座。

把它与同门的 Hy4 放在一起看,差异更直观。Hy4 总参数 770B、单次激活 49B,属于旗舰级配置;Hy4 flash 的 12B 激活量约为其四分之一,在处理高频、规模化任务时能换来更低的计算开销。两者不是替代关系,而是面向不同任务密度的分工。

二、每百万 tokens 输入 0.5 元:Hy4 flash 与 Hy4 的定价对比

Hy4 flash 的每百万 tokens 定价为:输入 0.5 元、输出 2 元、命中缓存 0.02 元。官方口径明确,这一价格相比 Hy4 大幅降低——Hy4 对应的三项定价分别为输入 6 元、输出 18 元、缓存命中 0.3 元。

把两组数字并排看,价差落在数量级上:输入价格从 6 元降到 0.5 元,输出价格从 18 元降到 2 元,缓存命中从 0.3 元降到 0.02 元。对每天要跑大量文档整理、表格修复、内容改写的用户而言,这类高频任务的成本敏感度远高于单次效果上限,单价下探带来的累计差异会被调用次数放大。

按内部评测集 WorkIndex 综合测算,Hy4 flash 的单任务成本较 Hy4 preview 和 Hy4 均显著降低。官方在评测说明中强调,这一测算覆盖 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腾讯 WorkBuddy 的典型任务,而非脱离日常工作的抽象跑分。

三、混合注意力、LatentMoE 与 Engram:KV cache 降到 Hy3 的 1/24

Hy4 flash 的低单价,正是靠架构层面的改造换来的。混元团队在预训练阶段为它引入了混合注意力、LatentMoE、Engram 等架构特性,并通过大量 scaling ladder 实验验证效果符合预期。其中一项可直接量化的结果是:KV cache 大小仅为 Hy3 的 1/24、Hy4 的 1/6。作为代际参照的 Hy3 已于 2026 年 11 月 16 日在客户端下线,这里仅用于说明这次架构降幅的量级。

KV cache 是大模型推理时缓存中间状态、避免重复计算的一块显存开销。它的大小直接关系到长上下文场景能否大规模、低成本地部署。这一量级的降幅意味着,在同样的硬件条件下,模型能承载更长对话、更多并发请求,而单位成本随之下降。

后训练阶段的思路同样围绕“效率”展开。团队先通过自蒸馏 Hy4 让 Hy4 flash 获得较强的综合智能水平,再经强化学习把端到端任务的输出长度降低 50%。输出更紧凑,既减少了 token 消耗,也缩短了用户等待时间。

四、WorkIndex 内部评测:Hy4 flash 的效果为何不靠公开榜单

效果评估沿用同一套 WorkIndex 内部评测集,并结合人工评价,聚焦日常工作产物的效果、单轮输出长度和端到端用时三个维度,而不是远离日常工作的公开榜单分数。

官方给出的结论是:Hy4 flash 的综合效果略优于更大参数的 Hy4 preview(总参数 770B、激活参数 49B,与旗舰 Hy4 同规格,该预览版已由 Hy4 正式版替换、不再单列)。以更小的激活规模达到略优的综合效果,与其自蒸馏 Hy4 的训练路径直接相关:让小模型直接学习大模型在真实任务上的输出分布,往往比单纯堆参数更高效。

这里需要厘清一个边界:“综合效果略优”是官方基于内部评测集的表述,并不等于在所有任务、所有公开榜单上都超过更大参数模型。更实用的判断是,Hy4 flash 在腾讯 WorkBuddy 覆盖的那几类日常任务上,找到了智能水平与调用成本之间的平衡点。

五、解码超 150 tps 与 1M 上下文:Hy4 flash 的速度与长度平衡

在推理阶段,混元团队结合 megakernel、4bit 量化、Dflash 等手段做优化,使 Hy4 flash 的解码速度超过 150 tps,并支持大规模、低成本部署运营。tps 衡量的是模型每秒生成的 token 数,直接决定长回答、长文档输出时的流畅程度。

与速度并列的是长度。Hy4 flash 模型本身支持 1M 上下文长度,足以容纳长篇报告、成规模的会议记录或多轮累积的工作记忆;在腾讯 WorkBuddy 中可选 300K、600K、960K 三档窗口,按任务体量调整。需要处理的文本越长,每轮消耗的积分也越多,因此把长窗口留给真正需要的任务,仍是更经济的用法。

速度与长度叠在一起,才让“高频、规模化使用”从成本可行变成体验可行。

六、85 人 259 任务盲测:WorkBuddy 用户的真实反馈

官方披露的盲测数据,为效果、成本与用时这三项判断提供了来自使用端的印证。腾讯内部 85 位 WorkBuddy 用户参与了 Hy4 flash 盲测,覆盖 27 类共 259 个任务。

结果显示,Hy4 flash 的用户满意度较高,单任务成本显著低于其他参测模型,任务时长也最短。这组数据来自真实办公任务的用户盲测,与内部评测集的测算相互独立、却指向同一结论:模型在“够用”和“省用”之间取得的进展,比单一维度的实验室分数更接近实际体验。

对准备入手的用户来说,限时免费窗口提供了直接的验证机会:2026 年 11 月 16 日至 11 月 30 日 23:59,可在腾讯 WorkBuddy 中体验 Hy4 flash。Hy4 flash 是具备视觉理解能力的大语言模型,若有特定的图片或视频生成任务,系统会切换到相应多模态模型完成,并按正常规则产生积分消耗。免费体验期间每日发放免费额度,触及限额后可消耗积分继续使用,页面会提示额度重置时间;当日资源繁忙时,任务会进入排队。

Hy4 flash 以 12B 激活参数调用 224B 参数底座,把输入成本压到每百万 tokens 0.5 元,同时保持了解码速度与上下文长度——这套组合的价值,最终要放到你自己的日常任务里才能验证。趁 11 月 30 日前的限免窗口,把最常做的文档整理、表格修复或长文档阅读交给腾讯 WorkBuddy 里的 Hy4 flash 跑一遍,比看任何评测都直接。想长期使用并获取更多额度,可通过腾讯云 WorkBuddy 活动页 了解个人、企业的购买优惠。

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。

目录
  • 摘要:
  • 一、224B 总参、12B 激活:Hy4 flash 的参数底座
  • 二、每百万 tokens 输入 0.5 元:Hy4 flash 与 Hy4 的定价对比
  • 三、混合注意力、LatentMoE 与 Engram:KV cache 降到 Hy3 的 1/24
  • 四、WorkIndex 内部评测:Hy4 flash 的效果为何不靠公开榜单
  • 五、解码超 150 tps 与 1M 上下文:Hy4 flash 的速度与长度平衡
  • 六、85 人 259 任务盲测:WorkBuddy 用户的真实反馈
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档