11 月初,腾讯 Hy4 发布,新模型在大模型竞技场上一跃升至开源第一。
排在 Hy4 前面的三个模型分别是 GPT-6 Sol(Max)、Claude Opus 5(Max)和 Fable 5(High),附近还有 GPT-6.1 Terra、GPT-5.6 Sol 等一众强劲的闭源模型。
我们此前在 WorkBuddy 内体验过 Hy4 的 Agent 长程任务和日常办公能力。从逐帧分析视频、复刻游戏和网页,到文件整理、Office 文档处理,Hy4 都交出了不错的成果。
整体实测表现,也基本符合它在大模型竞技场上的成绩。
但对于经常使用 WorkBuddy 的用户来说,模型能力只是选择标准之一。是否免费、需不需要排队、执行速度够不够快,同样会影响实际体验。
比如在工作日高峰期打开 WorkBuddy,倍率只有 0.11x 的 DeepSeek V4.1 Flash,繁忙程度却常常居高不下。
早在 Hy4 发布时,腾讯就预告过一款主打效率的 Hy4 flash。
就在刚刚,Hy4 flash 正式发布。腾讯希望将 Hy4 已有的 Agent、长程任务和生产力能力,以更低的成本带到高频使用场景。
APPSO 提前拿到了 Hy4 flash 的测试资格。这次我们最关心的是,它能否在保证任务完成质量的同时,减少 Agent 执行过程中的时间和 Token 消耗。
相较于 Hy4,新的 Hy4 flash 对 Token 效率进行了大量优化,Hy4 flash 总参数量为 224B,激活参数 12B,支持多模态和 1M 上下文长度。模型输出更加精简,吞吐量和整体响应速度也有所提升。
更令人惊喜的是,Hy4 flash 在 WorkIndex 上单任务成本仅为 Hy4 preview 的 1/13、Hy4 的 1/20、DeepSeek-V4.1-Flash-1017( max 档位,忙时价格)的 1/8。
更高的 Token 效率也让 Hy4 flash 的价格要比 Hy4 便宜不少,Hy4 flash 的输入价格为 0.5 元每百万 Token 输入,而输出则是每百万 Token 输出 2 元,几乎是 Hy4 价格的十分之一。
我们可以直接在 WorkBuddy 内选择 Hy4 flash 模型,新模型还有为期两周的限时免费福利,11月16日–11月30日,每日赠送免费额度。
比 DeepSeek 更快还便宜
现在的 Agent 干活,动不动就是半个小时起步。
打开执行记录,看着它读取文件、拆解任务、编写代码、调用工具、检查结果……一整套流程下来,几十分钟过去,模型可能还在反复检查同一个文件,甚至把刚修好的问题又改了出来。
这些弯路不会出现在最终的成果截图里,却会实实在在地增加任务耗时和 Token 账单。
所以,当 Agent 开始承担真实工作,我们也需要关心一个更实际的问题:完成同一件事,究竟需要多少时间和成本?
为了测试 Hy4 flash 的实际效率,我们在 WorkBuddy 中准备了相同的任务,分别交给 Hy4 flash 和 DeepSeek V4.1 Flash。测试过程中,提示词、工具权限和其他设置保持一致,重点观察两款模型的执行过程、最终交付,以及背后的时间和 Token 消耗。
我们先用了一些在 WorkBuddy 内重复、琐碎,但又需要花时间的工作,这些工作虽然不需要模型从零开发一套复杂系统,但也很考验它对信息的理解、整理和工具调用能力。
例如进行一些深度研究的任务,看看是否能高效地获得信息可靠、条理清晰、便于进一步使用的结果。
图|报告链接:https://workbuddy.link/p/RtOGPtOZXVoSfTCbjDeqkd
让它对近期黄仁勋因出轨而辞去英伟达 CEO 的事情进行深度研究,并给我呈现一份网页的分析报告。DeepSeek V4.1 Flash 交付的内容整体类似,也是从摘要、时间线、时长、基本面、产品、华尔街等等几个方面来呈现这件事情的始末,却比 Hy4 flash 多花了 10 分钟的时间。
图|报告链接:https://workbuddy.link/p/7JxW5ydZx8wXhqrCXJCneS
两份研究报告所消耗的 Token 情况,也能看到 DeepSeek V4.1 Flash 使用了将近 18 万 Token,总费用大约在 0.56 元。
再看看编程,我们让两款模型在 WorkBuddy 中构建一艘可以交互的 3D 历史帆船。
Hy4 flash 很快搭出了帆船的基本结构,网页也能正常交互,整体是相对完整的原型。
图|体验地址:https://workbuddy.link/p/tsu8HyORrowH5UBViw5c1C
DeepSeek V4.1 Flash 则做得更细致一些。水面波动更加自然,帆船也有了更多细节和可以探索的内容。
不过两款模型在完成时间上的差距很大,DeepSeek 花了 1 小时 30 分钟,Hy4 flash 只用了半小时。
对于只想快速验证想法、搭建网页原型的用户,尤其需要是迭代速度较快的场景,Hy4 flash 更经得起高频使用,而且产出已经具备继续修改的基础,
DeepSeek V4.1 Flash 在这一轮任务中消耗了约 30 万 Token,另有约 1600 万 Token 的缓存命中,API 费用约为 1.21 元。
Hy4 flash 的对话数据则记录了约 14.9 万 Token 的消耗,以及约 400 万 Token 的缓存命中。按照 Hy4 flash 的 API 定价,完成这艘可交互 3D 历史帆船,预计需要支付 0.23 元。
除了上述案例,我们还统计了两款模型在 10 个代码和办公任务中的表现。从最终成果来看,双方整体处于相近水平。但在首轮交付时间上,Hy4 flash 的优势更加明显。
图|每题首次执行耗时。
经过这一轮测试,我们认为 Hy4 flash 和 DeepSeek V4.1 Flash 的任务完成能力大致处于同一水平。DeepSeek 有时会投入更多 Token,在部分场景中也确实做出了更丰富的细节。
而 Hy4 flash 的优势也很明显,在完成实际工作的过程中,模型可以花更少的开销,提供更快的响应。特别是有些工作需求明确、格式固定,模型只要准确理解并顺利执行,较低的等待时间这个时候就很有意义。
就像深度搜索、日常办公、文件整理等高频生产力任务,我们会更推荐使用 Hy4 flash。它能以更低的时间和 Token 成本,交出质量不错的结果。即使是网页原型、小游戏开发等创作任务,也可以先用 Hy4 flash 快速生成第一版,验证想法,再决定后续如何完善。
而对于长程软件工程、复杂代码库修改等需要持续推理、反复验证的高难度任务,我们仍然更推荐此前发布的 Hy4。多投入一些时间和 Token,换取更强的复杂任务处理能力,往往是值得的。
这也让 Hy4 和 Hy4 flash 有了更明确的分工。日常高频任务可以放心交给 Hy4 flash,遇到更复杂的工作,再切换到 Hy4。我们可以根据实际需求,在任务质量、执行速度和使用成本之间做出选择。
更实用的编程和办公搭子
能力上限决定模型能接什么工作,执行效率则会影响这些能力能被使用多少次。这次我们继续在编程和办公场景下测试了 Hy4 flash,看看它能做到什么程度。
例如在办公方面,我们测试了 PPT 制作、文件整理,以及多种文档格式之间的转换。
我们在 WorkBuddy 内给它发了一篇论文,要求它把这份 pdf 转成 markdown 文档、word 文档,以及做一个用于组会汇报的 PPT,所有内容都提供中英双语,并帮我们翻译好。
还有一个值得尝试的场景,是让 Hy4 flash 与 WorkBuddy 的专家团协作。
平时在 WorkBuddy 内使用专家团,系统通常会提醒我们,多 Agent 协作可能消耗更多积分。毕竟,一项任务需要由不同的 Agent 分工完成,背后涉及的模型调用次数也会随之增加。
Hy4 flash 的低倍率,让这类复杂工作流的使用成本更容易接受。我们使用深度研究团队让它帮助调研下 fable 5.2 现在的能力究竟如何,可以做些什么事情。
在一些编程任务上,我们参考社交媒体上网友的一句话提示词,就能做出一个「大家来找茬」的小游戏。
图|体验地址:https://workbuddy.link/p/E27EyLvECdOz1NZp6yX9HV
随后,我们增加了难度,让它从零开始使用 three.js 开发一款单人 3D 俯视角奇幻 RPG 游戏,并在多轮对话中持续完善玩法和内容。
在这个简单的游戏里,我们可以探索约 400×400 的大地图:村庄、断脊山、沉水果园、低语沼泽、沉没古道,以及终局的「空白之地」。
和常见的 RPG 游戏一样,玩家可以与 NPC 对话、点亮测量标记和大锚点,并收集 6 段记忆碎片。甚至还有用近战、闪避和四种逐步解锁的魔法对抗「未成之物」,各种等待被解锁的剧情。
Hy4 flash 还继承了 Hy4 的视觉理解能力。在开发过程中,它可以结合生成结果的截图检查页面,也能根据用户提供的图片和视频理解需求,继续调整作品。
从小游戏、3D 网页到办公文档和多 Agent 协作,Hy4 flash 已经能够覆盖不少真实的工作需求。
对于混元来说,这也是推出 Flash 模型的意义:让已有的视觉、推理和 Agent 能力,能够以更低的成本被反复调用。
Flash 最大的价值,是让每个人放心用AI
这是腾讯 Hy 系列模型的第一个 Flash 模型,但在国产模型行列里,各种主打「斩杀线」、「多快好省」的 Flash 已经并不少见。
模型厂商都在卷价格,卷速度,恨不得把每百万 Token 的价格压到几毛钱。但当这些模型进入 WorkBuddy 这样的 Agent,我们也会发现,单看 API 价格表,已经很难判断一款模型究竟划不划算。
便宜的模型,如果需要花一个半小时才能完成工作,未必比半小时就能交付的模型更划算。当然,如果为了追求速度,最后还得人工花大量时间返工,同样得不偿失。
这也是我们体验 Hy4 flash 后,一个比较明显的感受。
它的生成效果并非每次都能超过 DeepSeek V4.1 Flash,有些场景还会少一些细节。但面对大量日常办公、网页原型和 Agent 协作任务,Hy4 flash 已经能够用更短的时间,更低的价格交出一份质量相当、可以继续修改的成果。
而且,Agent 干活往往也很难一次就做到完美。越快拿到第一版结果,我们就能越早发现问题、调整方向,再让它继续完成后面的工作。
图|在得分相差不大的情况下,Hy4 flash 在各个 benchmark 上的花费均没有超过 1 元
模型越来越便宜,最终受益的应该是我们可以用同样的时间和预算,让 AI 多干几件真正有用的事。
我们可以很放心把各种大小事交给 AI,看看它能做到什么程度,而不用先考虑这件事到底值不值得让 AI 来做。
当模型、工具和 WorkBuddy 这样的产品场景进入同一条迭代链路,Agent 之间的差距,也变成了谁能让用户少等一点、少盯一点、少返工一点,把更多真实工作安静地做完。
热门跟贴