打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

还有一个值得尝试的场景,是让 Hy4 flash 与 WorkBuddy 的专家团协作。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。

打开网易新闻 查看精彩图片

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。