网易首页 > 网易号 > 正文 申请入驻

Hy4 Flash 实测:速度、成本和准确率,Flash Agent 如何取舍

0
分享至

一次 Agent 任务平均消耗 417 万 Token、调用费近两美元,速度和价格成了产品上线前提。腾讯 Hy4 Flash 定位更快更便宜的日常 Agent 模型,用混合注意力与 Engram 架构把激活参数压到 12B。实测从速度、成本与准确率三方面看它的取舍。

Agent 真正普及后,模型竞争的指标变了。以前大家关心新模型超过了谁、能不能完成过去做不到的任务;现在更现实的问题是:一次工作需要调用几十轮模型,团队到底能不能等得起、付得起。

一项覆盖 8 款模型和 500 个真实代码问题的研究显示,Agent 每次尝试平均累计消耗约 417 万 Token,模型调用费约 1.86 美元。连续跑十次,成本就接近 20 美元。对于每天处理大量代码、文档和办公任务的团队,速度和价格不再是附加指标,而是产品能否上线的基础条件。

腾讯 Hy4 Flash 的定位正是“更快、更便宜的日常 Agent 模型”。它不是要在所有复杂推理榜单上取代旗舰模型,而是希望用较低成本承担办公决策、视觉理解、编程修复和 PPT 生成等高频任务。

Hy4 Flash 的架构,目标是把每次调用做轻

Hy4 Flash 总参数量为 224B,其中包含 64B Engram 参数;通过混合注意力、LatentMoE 和 Engram 等架构设计,实际激活参数约 12B,KV Cache 规模约为 Hy3 的 1/24、Hy4 的 1/6,并支持多模态和 1M 上下文。

后训练阶段,模型通过自蒸馏 Hy4 获得综合能力,再通过强化学习降低端到端任务输出长度。官方给出的目标是:整体单任务成本约为 Hy4 的二十分之一,解码速度超过 150 tokens/s。

价格也明显偏向高频调用:每百万输入 Token 0.5 元、输出 Token 2 元,缓存命中时为 0.02 元。开发者需要注意,这些价格优势只有在任务调用次数、上下文缓存和输出长度都控制得住时,才能转化为真实账单优势。


第一轮:复杂办公决策,快不等于判断更差

测试设置了一组互相矛盾的产品数据:产品部门说有 8600 人打开过产品、成功率 91%;数据部门给出的每周真实使用人数约 3200,任务完成率 67%;销售有 6 家感兴趣,其中 1 家愿意付费试点;财务希望发布后三个月达到约 40 万 ARR;法务则表示安全评估无法在发布会前完成。

模型需要判断应该相信哪组数字,并交付一页可以投屏的发布决策纸。

Hy4 Flash 用时 1 分 14 秒,建议发布会照开,但只宣布即将开放、分批放量,现场不开注册;对外采用更严格的 3200 人和 67% 数据,并把等待名单是否属于“开通注册”列为待确认事项。

DeepSeek-V4.1-Flash 用时 4 分 8 秒,核心判断基本一致,只是建议发布会收集等待名单。这个差异不构成明显错误,因为法务限制的是现场开通注册,并没有明确禁止收集名单。

这一轮最明显的差距在速度:Hy4 Flash 少用了 2 分 54 秒,完成时间约为对手的三成,而核心判断和交付质量没有明显差距。


第二轮:读图决策,准确率和速度开始分叉

第二轮把上一轮文字材料加工成一张带有矛盾的投屏图片。大卡片写着月活 8600、成功率 91%、意向客户 6 家,并标注“可计收入”;右下角对照表却显示更严格的数据。图表还把 8 万和 40 万标成柱状图,但 8 万那根柱子的高度明显画到了约 32 万。

Hy4 Flash 用时 2 分 46 秒,继续建议采用更严格的数据,并识别出 6 家意向客户与 1 家付费试点之间的冲突,也把 8 万元到底是确认收入还是预算、40 万元的时间口径列为待确认事项。不过,它没有发现 8 万元柱高画错的问题。

DeepSeek-V4.1-Flash 用时 1 分 25 秒,比 Hy4 Flash 更快,但把“可计收入”读成“非付费”,并错误地认为 8 与 40 的数值比例等于图形比例,因此判断图表没有失真。

这轮结果很有代表性:更快的模型不一定更准确,更强的模型也可能漏掉视觉细节。生产系统不能只看平均响应时间,应该把关键数字、图表比例和决策条件做成可自动检查的校验项。


第三轮:真实库存项目,Flash 模型已经够用

第三轮让 Hy4 和 Hy4 Flash 接手一个正在使用的库存与计价系统。仓库原有测试全部通过,但线上出现四个问题:预占库存误扣在库数量、整单出库报错、优惠券没有按 50 元上限封顶、月末报表漏掉 11 月 30 日。

任务要求模型自己读代码、重现问题、补测试、修复实现,并提交修复说明。

Hy4 Flash 用时 2 分 5 秒,找到了四个问题并完成修复:预占后不再误扣在库数量,取消操作可以释放预占,整单出库恢复正常,优惠券按上限封顶,报表区间包含结束日期。它还新增 5 个测试,验证预占、取消、优惠券和月末报表行为。

正式版 Hy4 用时 3 分 49 秒,根因和改法基本一致,但新增了 8 个测试,流程更完整。这个结果说明,Flash 模型在明确、可回归、风险可控的代码修复任务上,已经具备很强的性价比;旗舰模型的优势更多体现在覆盖范围和验证深度,而不一定是每个任务都更快。


第四轮:论文转 PPT,质量和速度要分开评价

最后一轮让两个模型把 OpticalRAG 论文制作成可讲解的 PPT,要求覆盖问题、核心方法、实验结果、局限和落地注意事项,并准确呈现论文中的关键数字。

Hy4 Flash 用时 9 分 5 秒,生成 21 页 PPT,论文的两项关键技术、实验数据和局限都被覆盖,主结果表也更完整。缺点是部分页脚与正文重叠,公式指数没有正确做成上标。

Hy4 用时 15 分 47 秒,生成 18 页 PPT,同样保留了关键数字,并更适合直接讲解,对结论的分析也更完整。

这轮不能简单说谁赢了。Hy4 Flash 更快、内容更全,适合快速形成第一版;Hy4 更慢,但页面质量和讲解体验更好。最合理的工作流可能是让 Flash 模型先生成可编辑初稿,再让更强模型或人工做结构、版式和结论审查。


Flash 模型应该放在哪一层

Hy4 Flash 适合深度搜索、文档处理、PPT 生成、简单前端展示、computer use 和常规代码修复等任务。对于长程软件工程、复杂架构设计和高风险决策,仍然需要更高能力模型、更多验证和人工接管。

可以把路由策略设计成三档:

任务类型 默认模型策略 必须补的保障 高频低风险 Flash 模型 预算上限、缓存和简单回归 中等复杂度 Flash 初稿 + 强模型复核 交叉检查、版本和人工验收 高风险长任务 强模型或多 Agent 权限隔离、分阶段交付、回滚

选择模型时不要只比较单价。真实成本还包括失败重试、人工修改、上下文缓存、工具调用和等待时间。一个每次便宜但经常返工的模型,未必比单次价格更高但一次完成的模型更经济。

国内开发者如果需要通过 API 接入 Hy4 Flash、DeepSeek 等模型,可以了解 [Code80]https://code.ai80.vip/home 这类渠道;但模型路由、上下文预算、工具权限和质量验收仍需要自己维护。


常见问题

Hy4 Flash 能替代旗舰模型吗?

不能。它更适合高频、低成本和中等复杂度任务;长程软件工程、复杂推理和高风险决策仍需要更强模型和更完整的验证链。

为什么 Agent 更需要 Flash 模型?

Agent 一次任务可能触发几十轮模型调用,Token 和等待时间会快速累积。Flash 模型可以降低单任务成本和反馈延迟,适合承担大量中间步骤。

Hy4 Flash 的视觉能力可靠吗?

实测显示它能识别文字、图表和图形矛盾,但也可能漏掉柱状图比例错误。涉及金额和决策的视觉任务仍应加入结构化数字校验。

代码修复为什么要让模型补测试?

只改代码不补测试,无法证明修复覆盖了线上问题。测试可以把模型发现的根因转成可重复验证的行为约束。

PPT 生成应该选快模型还是强模型?

快速生成初稿可以选 Flash;对外汇报、复杂论文和高要求排版则应增加强模型或人工复核,重点检查结构、数字、公式和版式。

国内团队如何接入 Hy4 Flash?

可以通过 Code80 等 API 渠道降低接入摩擦,但仍应自行配置密钥、预算、缓存、工具权限和回归测试。

题图来自 Unsplash,基于 CC0 协议

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
蒋介石最大的决策失误:错杀瞿秋白,让国民党失去了最后的人心

蒋介石最大的决策失误:错杀瞿秋白,让国民党失去了最后的人心

宅家伍菇凉
2025-11-19 09:30:03
山东69-65逆转广东!产生3个不争的事实,广东3人拉胯,徐杰扛着球队太累

山东69-65逆转广东!产生3个不争的事实,广东3人拉胯,徐杰扛着球队太累

老吴说体育
2026-11-18 22:02:58
前员工爆料张泉灵,压榨员工薪资低,公司变老赖,丈夫李铁被牵连

前员工爆料张泉灵,压榨员工薪资低,公司变老赖,丈夫李铁被牵连

离离言几许
2026-11-19 01:25:42
韩媒震惊:韩国队竟然输给了世界排名第95的中国队,脸都不要了

韩媒震惊:韩国队竟然输给了世界排名第95的中国队,脸都不要了

念洲
2026-11-18 18:24:15
克里米亚大桥被炸断了!泽连斯基庆贺,普京远在深圳也要报复

克里米亚大桥被炸断了!泽连斯基庆贺,普京远在深圳也要报复

世界地缘档案
2026-11-18 10:53:23
奥特曼坦言不敢全速训AI!RLHF之父推演GPT-10夺权,警告推翻人类

奥特曼坦言不敢全速训AI!RLHF之父推演GPT-10夺权,警告推翻人类

新智元
2026-11-18 07:16:25
抵达深圳后,中国台北代表施振荣喊话大陆,赖清德交代他3项任务

抵达深圳后,中国台北代表施振荣喊话大陆,赖清德交代他3项任务

不似少年游
2026-11-19 07:21:22
中国股市:写给处于严重亏损的股民们的一封信,此文,很短很深

中国股市:写给处于严重亏损的股民们的一封信,此文,很短很深

屿探涨
2026-11-17 11:25:04
很多人好奇,黄仁勋作为英伟达创始人,为什么只有3.58%的股份?

很多人好奇,黄仁勋作为英伟达创始人,为什么只有3.58%的股份?

猫叔东山再起
2026-11-18 12:35:05
离谱到家!绵阳 1600 元烤全羊端上桌,游客拿放大镜找,几乎找不到肉

离谱到家!绵阳 1600 元烤全羊端上桌,游客拿放大镜找,几乎找不到肉

川渝视觉
2026-11-18 11:00:51
比关税更危险的事来了!犹太资本贝莱德集团,在中国的 "深度渗透"

比关税更危险的事来了!犹太资本贝莱德集团,在中国的 "深度渗透"

疯狂的小历史
2026-11-18 11:13:34
脚踝骨折,确认报销!开拓者再遭重创,西部夺冠格局再起悬念

脚踝骨折,确认报销!开拓者再遭重创,西部夺冠格局再起悬念

林子说事
2026-11-18 13:52:03
卷走53亿逃美,欠银行20亿?又一“大佬”跑路,5000家庭血本无归

卷走53亿逃美,欠银行20亿?又一“大佬”跑路,5000家庭血本无归

阿器谈史
2026-11-18 05:04:17
蛋白质要是没吃够,你的免疫、头发和肌肉都在悄悄替你还债

蛋白质要是没吃够,你的免疫、头发和肌肉都在悄悄替你还债

富贵说
2026-11-18 20:23:03
狗子被爆米花机崩飞,事故全程被多机位记录…摊主事后用排骨安抚,评论区:迟来的深情比草都贱,后会有期安排一下…

狗子被爆米花机崩飞,事故全程被多机位记录…摊主事后用排骨安抚,评论区:迟来的深情比草都贱,后会有期安排一下…

大爱狗狗控
2026-11-18 20:48:36
普京特朗普提前放话,深圳这场碰面,一定抓住和金正恩谈话的机会

普京特朗普提前放话,深圳这场碰面,一定抓住和金正恩谈话的机会

你是我心中最美星空
2026-11-19 00:13:29
乌克兰:悔到肠子青,当年卖给中国3架"废铁",如今成大国重器?

乌克兰:悔到肠子青,当年卖给中国3架"废铁",如今成大国重器?

唠叨说历史
2026-11-18 15:06:45
山东一男婴日夜啼哭,母亲掀开被子后,将月嫂当场掐死

山东一男婴日夜啼哭,母亲掀开被子后,将月嫂当场掐死

罪案洞察者
2025-03-31 09:35:41
说到底,身材才是最好的奢侈品

说到底,身材才是最好的奢侈品

疾跑的小蜗牛
2026-11-14 20:23:26
从0-1到2-1!印度队逆转夺冠!四连胜强势登顶,成就三连冠壮举

从0-1到2-1!印度队逆转夺冠!四连胜强势登顶,成就三连冠壮举

绿茵舞着
2026-11-18 19:55:18
2026-11-19 09:07:00
侃故事的阿庆
侃故事的阿庆
几分钟看完一部影视剧,诙谐幽默的娓娓道来
722文章数 9876关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

艺术
数码
健康
游戏
公开课

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

医生眼里"很伤腰"的椅子,很多人天天坐

PC Gamer试玩GTA6百小时:双主角出色但任务重复

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版