打开网易新闻 查看精彩图片

翼言商业观察

Hy4 flash极致性价比背后,是正在发生的产业变化。

两毛六,在今天还能买到什么?

一瓶矿泉水买不到,一次地铁坐不了。但腾讯最近给出了一个出人意料的答案:让WorkBuddy完成一项日常办公任务。

打开网易新闻 查看精彩图片

11月16日,腾讯混元发布新模型Hy4 flash。根据腾讯组织的一组内部盲测,85位WorkBuddy用户参与测试了27类、共259项日常工作任务,Hy4 flash的平均单任务成本只有0.26元,端到端任务耗时中位数为6.7分钟。

这个数字足够引人注目,也容易被误解:它不是一份PPT、一张报表或者任何一项工作都只收0.26元,而是特定测试条件下的平均模型任务成本。即使如此,这仍然值得追问:AI完成一项工作的成本,真的已经降到了可以用角、分来计量的程度?

打开网易新闻 查看精彩图片

今年以来,从微软、Google、Salesforce到腾讯、阿里、百度,国内外科技巨头不约而同地把重心转向AI办公、Agent和组织智能。但另一个看似矛盾的现象也越来越明显:AI工具使用得越来越普遍,个人效率明显提高了,企业的财务回报却远没有同步增长。

麦肯锡2026年全球AI调查显示,80%的受访者认为AI提高了个人生产力,但只有37%的受访者报告AI对所在企业的息税前利润产生了正向贡献。这意味着,AI行业正在遭遇一道新的商业考题:模型再聪明、工具再好用,如果无法变成企业持续、稳定、负担得起的生产力,技术进步就仍然难以完全兑现商业价值。

而腾讯Hy4 flash恰好提供了一个观察切口:同样一份合格的工作,谁能以更低的综合成本完成交付?

这可能是一场比Token降价更深刻的竞争。

1

降价背后:AI开始争夺真正的工作

判断一款办公AI的价值,不能只让它回答几道问题。真正的考验是,把一项带有明确交付要求的工作交给它。

下周,我要与几位媒体同行交流量子科技及其产业发展的话题。这个不太好讲:量子计算、量子通信等技术本身有较高的理解门槛,如果只是堆砌自己都搞不明白的术语,很容易云里雾里;但如果只讲产业前景,又容易滑向概念和口号。于是,我打开WorkBuddy,选择Hy4 flash,给它安排了一项真实工作:根据两份研究资料,制作一份20页以内、结构完整、可以编辑的PPT。不仅要深入浅出地解释复杂技术,还要补充检索资料,对过时数据和存疑结论进行标注。

这并不是一道简单的PPT排版题。它包括资料理解、信息检索、知识组织、内容撰写、视觉设计,以及一定程度的事实核查。每一个环节都可能成为影响最终成果的短板。

打开网易新闻 查看精彩图片

结果比我预想的要好很多。生成的PPT内容结构清晰、布局合理。对复杂技术的解释没有停留在专业术语上,而是按照我的要求作了通俗拆解;我提出的事实核查要求,它几乎在每一页都作了详细备注。尤其让我意外的是,在最后一页,它提醒我要注意表述分寸,还专门列出了一份“避坑指南”。整个过程一次交付,没有重新生成,也没有返工。总体而言,这份PPT我再作一些核查和更新,已经可以直接用于同行交流了。

接下来,我又测试了两项工作。一项是会议纪要整理。面对我的这份包含讨论过程、不同意见和具体待办事项的会议速记,Hy4 flash能够迅速提炼关键结论、梳理任务分工,输出的文档逻辑合理、结构清晰、排版整洁,同样没有返工。

另一项更考验细节。我给它一份预先埋入重复记录、错误公式、日期异常和缺失值的Excel业务数据表,要求它发现问题、处理异常,并完成统计分析。它输出的数据不重不漏、结果准确、修复记录简洁清楚。整个过程依然一次完成,没有返工。

三项任务,分别考验内容生产、信息组织和结构化数据处理。这当然不足以构成严格的横向评测,却给了我一个很具体的感受:至少在这次测试的任务中,AI已经能够直接交付具有实际使用价值的工作成果,而不只是生成等待人进一步处理的中间内容。

打开网易新闻 查看精彩图片

丨翼言测试的PPT生成总消耗 注:11月30日前Hy4 flash在WorkBuddy中可免费使用

在翼言看来,这里最值得关注的是:三次都没有返工。无论对个人还是对企业而言,衡量AI的价值,从来不能只看它生成得有多快,还得考量生成之后需要多少人工检查、修订和善后。一款模型即使调用成本只有一毛钱,如果交付的结果还需要多轮修改,也未必便宜;另一款模型即使调用成本高出十倍,但成果准确、完整、可以直接进入下一道业务流程,综合成本反而可能更低。

所以,便宜的Token,不一定意味着便宜的工作;只有降低合格成果的交付成本,技术上的低价才可能转化为真正的生产力。

腾讯此次的模型评测,正是围绕这一逻辑展开的。除了前述用户盲测,腾讯还构建了名为WorkIndex的内部办公任务评测体系,涵盖PPT制作与修改、文档编辑、表格修复、音视频处理、视觉理解等八类测试集合。在这一体系中,Hy4 flash取得42.1分,高于Hy4 preview的39.7分,低于旗舰Hy4的51.4分。同时,Hy4 flash的平均单任务成本仅为Hy4 preview的1/13、Hy4的1/20。

这些数字共同揭示了Hy4 flash的产品定位:它并不试图在所有能力上超越旗舰模型,而是针对高频办公需求,寻找智能表现与执行成本之间更经济的平衡点。这正是大模型进入规模化应用阶段后,一个越来越重要的产业命题。

2

是突然便宜的吗?一场始于三年前的成本革命

把时间往前推三年,AI办公还是另一套商业叙事。

2023年,微软公布Microsoft 365 Copilot的企业定价:每用户每月30美元。彼时,行业关注的是,企业愿不愿意为每个员工购买一个AI助手。这延续了软件行业过去几十年的商业逻辑:从一次性出售软件使用权,到云计算时代按月收费的SaaS,再到为AI能力额外收取订阅费。

但另一条技术曲线,正在悄悄改变软件产业的成本结构。

2024年,OpenAI推出GPT-4o mini,发布时的API价格为每百万输入Token 0.15美元、输出Token 0.60美元。Google的Flash系列,以及中国模型厂商不断推出的高性价比产品,也推动模型供给迅速走向分层。

斯坦福大学2025年《AI Index》记录了这场变化:以达到相当于GPT-3.5水平的MMLU表现为基准,模型推理价格从2022年11月每百万Token约20美元,降至2024年10月约0.07美元,下降超过280倍。这当然不是同一款模型自身降价280倍,而是获得相近智能水平所需的推理成本剧烈下降。这像极了计算产业历史上反复出现的一幕:曾经稀缺、昂贵的计算能力,通过技术进步和规模化供应,逐渐成为可以大量购买的基础资源。

如今,腾讯Hy4 flash沿着这一逻辑继续推进。

打开网易新闻 查看精彩图片

腾讯公布的API价格是:每百万Token普通输入0.5元、输出2元,命中缓存的输入仅需0.02元。与旗舰Hy4相比,三类价格均显著降低。

举个例子,如果某项任务累计消耗10万个未缓存输入Token、2万个输出Token,算下来,单纯的模型调用费用,仅约为0.09元。

那么,Hy4 flash为什么能把模型调用成本压到这样的水平?

Hy4 flash在技术路线上的优化,可以概括为四个关键词:少算、少存、少说、快跑。

  • 首先是少算,就是减少不必要的计算。Hy4 flash采用MoE(混合专家网络)等架构,整体拥有约2200亿参数,但处理每个Token时,只有约120亿参数参与激活。这意味着模型可以保留较大的参数容量,却不必在每次生成时调用全部计算资源。LatentMoE和Engram等设计,也进一步优化了专家计算与知识存储之间的关系。

  • 第二是少存,减少存储负担。在长文档和复杂任务处理中,模型需要保存大量历史上下文信息。腾讯通过混合注意力机制优化,使Hy4 flash的KV缓存大小降至Hy4的六分之一。这尤其适合长资料处理、连续对话和多步骤任务,因为缓存占用不仅关系到显存成本,也关系到一套计算资源究竟能同时服务多少用户。

  • 第三是少说,减少不必要的冗长输出。腾讯先借助更强的Hy4进行自蒸馏,再通过强化学习优化任务执行。按照官方披露的测试结果,端到端任务输出长度降低了50%。

    这里的商业意义不容低估。Agent不是只调用一次模型,它可能先规划任务、检索资料、生成中间结果,再不断检查和修改。如果每一步都输出冗长内容,即使单个Token很便宜,累计费用也会持续上升。如果能够在保证任务质量的前提下减少冗余输出,每次执行节约的就不仅是Token,还有处理时间和计算资源。

  • 最后是快跑,提高计算执行速度。腾讯使用megakernel、4bit量化、DFly2等手段进行推理优化,使其解码速度超过每秒150个Token。

从商业视角看,这套技术的共同目标并不是单纯让模型“小一点”,而是尽可能压低每单位有效智能的生产成本。这可以类比一下我们更熟悉的制造业改善单位产品成本的逻辑:原材料消耗、设备利用率、工序效率、良品率,最终共同决定一件产品的制造成本;而在AI生产体系中,激活参数、显存占用、输出长度、推理速度和任务成功率,正在成为新的成本控制变量。

少算一点、少存一点、少说一点、跑快一点。当AI每天处理的任务规模扩大到数百万乃至数千万次时,哪怕单次执行只节约几分钱,也可能累积成可观的商业价值。

3

Token确实便宜了,企业利润呢?

Token确实便宜了,但企业账本上的故事并没有同步改变。

前述麦肯锡调查所揭示的个人提效与企业财务回报之间的反差,就说明了这件事:降低一项工作的执行成本,与降低整个组织的运营成本,并不是同一道题。一个员工原来需要两个小时完成的PPT,现在只需要20分钟,节约的时间是否能够转化为更多业务、更高质量,或者更少的组织成本?如果这份PPT仍然需要反复核查、层层审批、多人修改,真正缩短的也许只是整条流程中的一个环节。更极端一些,假如AI生成的内容存在不易发现的错误,后续纠错成本甚至可能吞掉之前节省的全部时间。因此,评价AI的经济性,不能只计算一次推理花了多少钱,还要计算任务成功率、返工率、人工复核成本,以及成果进入下一道业务流程的效率。便宜的答案,不一定是便宜的工作;便宜的工作,也不一定创造更高的企业利润。

这也是为什么,腾讯把评测重心转向WorkIndex,比单纯公布更低的Token价格更有行业意义。

过去,大模型习惯通过知识、数学、推理和编程榜单证明能力;但对于日常办公用户来说,模型能解出多少高难度题目,与它能否准确整理一份合同、制作一份可编辑PPT,并不是完全相同的问题。AI正在从“智能水平的供给竞争”,进一步走向“工作成果的交付竞争”。

不独腾讯,今年以来,国内外科技大厂不约而同把更多目光从个人提效转向组织落地。

微软在《Work Trend Index》提出,企业需要重新设计人与Agent协作的工作方式,而不仅是让员工使用更多工具。Google在9月将Gemini融入Gmail、Drive、Docs、Slides和Chat等Workspace应用,尝试通过跨应用的信息连接,让AI从辅助撰写内容走向执行多步骤工作。

国内的动作同样密集。腾讯3月发布WorkBuddy,将其定位为“全场景职场 AI Agent 桌面工作台”,并强调其内置技能、自动化执行和多Agent 并行处理能力;10月发布Buddy One,将WorkBuddy与腾讯文档、ima等办公工具连接起来,企业版已落地50多个行业;其最新财报显示,WorkBuddy日活已经突破1000万。

阿里8月推出千问办公,将桌面智能体、云端智能体和企业协作智能体整合到一个平台,并进一步融入钉钉及企业业务系统。

字节、百度也不遑多让,豆包工作、百度搭子以及库库AI相继加入竞争,办公AI市场的头部格局正在形成。

不同公司的产品路线不尽相同,但这些动向表明,行业正在形成一个越来越清晰的判断:AI时代的生产力瓶颈,开始从模型的智能供给,向组织吸收、调度和使用智能的能力转移。

这也正是腾讯Hy4 flash需要放在更大的产业背景中理解的原因。它首先解决的是智能供给的经济性问题;WorkBuddy和Buddy One尝试解决的是跨工具、跨任务的执行与协作问题;而企业真正需要解决的,则是如何把这些能力纳入可以管理、可以衡量、可以持续优化的组织流程。


4

从卖Token到卖任务交付,谁能拿走AI办公的利润?

这场变化,正在重构办公软件行业的商业模式。

过去,软件厂商主要卖功能;云计算时代,SaaS厂商更多按使用席位订阅收费;进入大模型时代,Token又成为一种重要的计费单位。

但是,Token是计算资源的计量单位,并不是企业采购AI的最终目的。企业真正想买到的,是一份准确的报告、一次完成的客户服务、一笔处理妥当的订单,或者一项能够持续运行的业务流程。因此,随着Agent深入应用,新的计费方式正在出现。

Salesforce的Agentforce通过Flex Credits支持按智能体动作计费;客服AI公司Intercom则对Fin采用每个符合规定的结果0.99美元的定价。这些都说明:AI服务的商业价值,正在从底层调用量逐步向实际业务活动和结果靠近。竞争的焦点也从更强的模型转向真实工作场景、企业上下文、安全合规地完成任务,并且成本可控。未来,AI办公平台的竞争壁垒,可能越来越集中在三个方面:对业务场景的理解、对工作流程的连接,以及对执行结果的可靠管理。

值得留意的是,这里有一个容易被低估的变化。当模型的能力被不断推高、价格越来越低,企业可能不再需要所有任务都调用最强模型。高频、规则明确的工作可以优先使用Flash模型;复杂推理、长期规划和高风险任务则由更强的模型处理,同时保留必要的人工审核。这种按任务难度分配智能资源的机制,将使模型调度能力本身成为一种重要的产品竞争力。换句话说,未来的办公AI平台可能越来越像一套智能生产调度系统:它不仅知道如何回答问题,还需要判断什么任务值得使用什么模型、何时调用工具、何时升级处理,以及什么结果必须交由人来确认。比选择最强的模型更重要的,是以合适的成本,把合适的智能安排到合适的位置。

这意味着,AI办公产业链的价值分配可能出现新的层次:底层模型厂商继续优化推理成本;Agent平台通过任务编排和工具调用,将模型能力封装为可交付的服务;而掌握客户关系、业务系统和工作流程入口的平台,则有机会获得更稳定的商业回报。不过,这里面存在一个潜在的悖论:模型越便宜,模型本身的差异化利润空间可能被压缩;但与此同时,围绕模型构建的高价值应用和企业服务,可能获得更大的商业机会。

对腾讯而言,Hy4 flash的低成本有机会降低WorkBuddy的高频使用门槛;Buddy One则尝试把分散的办公工具和任务连接起来。两者结合,可能极大拓展腾讯未来在企业AI生产力体系中的市场空间。

5

降价之后,AI办公真正的竞争才刚刚开始

回到Hy4 flash。

它的意义,并不在于证明所有办公任务都可以用两毛六完成,而是释放了一个信号。当模型能力达到一定水平,企业开始认真计算另一笔账:完成一项真实工作,究竟需要多少钱?

过去三年,大模型竞争大幅降低了获得智能的成本;今天,AI开始进入真实的工作流程;下一阶段,更大的挑战是,如何把这种能力转化为可管理、可复制、可衡量的组织生产力。这意味着,AI办公的竞争正在经历两次递进:从比拼模型能力,到比拼任务执行成本;再从比拼任务执行能力,到比拼组织创造价值的能力。

两毛六当然买不到一个员工,更买不到专业判断和责任。但如果它能稳定完成过去需要人反复处理的某个工作环节,真正值得关注的,就不再是这两毛六有多便宜,而是有多少工作将因此被重新组织。当智能越来越便宜,真正昂贵的,就不再是获得智能,而是让整个组织学会有效地使用智能、创造价值、实现回报。

从Token账单到任务成本,从个人效率到组织利润,一套新的AI生产力经济学正在形成。

这才是腾讯Hy4 flash背后,更值得关注的产业变化。而这场竞争,显然才刚刚开始。