Token导航 LogoToken导航

AI 资讯 · 品玩

Hy4 flash开源 比DeepSeek便宜一半的办公模型

更新 2026-11-18品玩正文 5438字阅读约 17分钟22 张图片

第一段替换成这个腾讯发布新一代旗舰模型 Hy4 的时候就预告即将发布一款 Flash 模型,十二天后 Hy4 flash 如期而至并在今天宣布开源,开发者可以在 GitHub、 Hugging Face 等地方直接下载部署。

看着旗舰模型攻城略地、在各种极限榜单上刷新上限固然过瘾,但回到真实的工作场景里,写文档、改 PPT、搭简单前端这类日常办公需求才是大头。

过去把这些活交给旗舰模型,往往会遇到两个问题。首先是一些高频轻量任务,比如写一段文案或改几行代码,旗舰模型层数深、推理链长,哪怕处理简单请求也要雷霆大思考,响应慢得让人等不起。

其次,模型一旦接入 Agent,需要反复读写文件、调用工具,动辄几十上百轮的上下文往返,又会把单次几美元的旗舰算力成倍叠加,让人用不起。

这正是 Flash 模型的生态位所在。就像腾讯在发布中所划定的分工,把日常生产力任务交给 Hy4 flash,本质上是在不牺牲基础可用性的前提下,把大模型接入日常工作流的门槛拉到“用得起,也等得起”的水平。

Hy4 flash 官方给出的 API 定价是每百万输入 token 0.5 元、输出 2 元,命中缓存的输入是 0.02 元。

对比一下性价比杀手 DeepSeek V4.1 Flash,Hy4 flash 的普通输入和输出单价,相当于前者闲时的一半、高峰时的四分之一。

当然,单看价格没什么意义,我们的最终目的还是用模型完成任务。

这次我们选择了 Hy4、Hy4 flash、DeepSeek V4.1 Flash、GLM 5.3 Flash 进行横评。任务也回归真实常见的办公场景,看看在一众主流 Flash 模型里,Hy4 flash 到底能交出怎样的成绩单。

假设硅星人年底要开大会,哪个 Flash 模型最适合

这次测试没有用挑战旗舰能力上限的复杂难题。我们选了日常办公里最常遇到的工作:读材料、写方案、排日程、做表格和汇报,改需求。

任务假设硅星人年底要在北京办一场 AI 大会,350 人,预算上限 30 万元,全权由 AI 来策划。

我们准备了同一套资料,包括旧提案、报价单、嘉宾档期和腾讯文档。题目拆成六部分,每一部分都要真正交付文件或完成线上操作。

四款模型都委派了同样的创意策划角色,也都读取了腾讯文档、Excel 和 PPT 的相关 Skill。

测试在 WorkBuddy 中进行,选取 Hy4、Hy4 flash、DeepSeek V4.1 Flash 和 GLM 5.3 Flash。Hy4 作为同门旗舰参照,每个模型使用独立项目和新会话,前一个完成后再运行下一个避免冲突。思考档位都开到客户端最高可用级别:Hy4 为 high,其余为 max/极致。

先说一下结论:这次横评里,Hy4 flash 在首轮任务中速度最快,也就意味着当你确认好需求让模型做事,Hy4 flash 能最快给你一个还不错的结果。算上后续修改和返工,Hy4 flash 的模型成本也是四款里最低的,一套活动策划下来只花了 1.66 元,比 DeepSeek V4.1 Flash 谷时价格还便宜了 26.5%。

总体表现:首稿交得最快,整套流程用时第二

在本次选取的测试记录中,Hy4 flash 用 10 分 20 秒交齐首轮文件,比 DeepSeek V4.1 Flash 快约 3 分 35 秒,比 GLM 5.3 Flash 快约 4 分 58 秒,是四款模型中首轮整套交付最快的。

但日常办公中改动也很常见,如果算上后续的改动任务(变更后交付),DeepSeek V4.1 Flash 累计 28 分 59 秒最快,而 Hy4 flash 为 30 分 11 秒,相差约 1 分 12 秒。Hy4 flash 仍快于另外两个模型,但首轮优势被后续同步工作消耗了一部分。

再来看 WorkBuddy 中可观测的模型用量。Hy4 flash 累计使用 4062.69 万 tokens,与 DeepSeek V4.1 Flash 的 4173.71 万 tokens 接近;GLM 5.3 Flash 为 1842.89 万 tokens,在这组记录中用量最低。

按 API 单价,将缓存命中输入、未命中输入和输出分别换算,Hy4 flash 的估算成本为 1.66 元,比 DeepSeek V4.1 Flash 的 2.26 元低 0.60 元,GLM 5.3 Flash 虽然 token 用量更少,但 API 价格高估算成本为 4.95 元。

token 统一保留两位小数,总计先按原始整数汇总再取整,缓存命中属于输入的一部分,不额外加到总量中。

还有一个细节,Hy4 flash 共发生 261 次可观测模型调用和 270 次工具调用。模型调用数高于其余三款,工具调用数高于 DeepSeek 和 GLM。更多调用可能来自任务拆分、检查、专家协作或重试。可以猜测,如果 Hy4 flash 在流程上再高效些,速度能更快。

整体来看,Hy4 flash 在这组办公测试中兼顾了交付速度与较低的 API 估算成本,首稿最快交齐,把后续修改和返工算进去,累计实际耗时排在第二。后续跨文件同步和补核消耗了首轮的部分领先,专家协作也产生了较多请求。

当然,整个项目有多个种类的任务,我们拆开来看一下,Hy4 flash 的表现。

不同任务表现

下面两张是不同任务中,各个模型的使用时间以及 tokens 消耗量。这里要注意,前五项只统计模型处理请求的累计时间。比如做 PPT,模型写代码的时间算在内,但 WorkBuddy 运行脚本的时间没有算进去。因此,这些数字不代表拿到成果需要等多久,也不能直接相加得到前文的总耗时,但所有模型都在 WorkBuddy 中完成相同任务差异并不大,因此这些数据仍可作为分任务表现的对比参考。

1、做 PPT 和预算表:Hy4 flash 用量少,文件也能继续改

一场大会还没开始办,通常就得先做 PPT:活动想讲什么,准备请谁,大概要花多少钱。于是我们让四款模型各做一份简报,再配一张能修改报价、自动算总额的预算表。

Hy4 flash 交了五页 PPT,主题、议程、预算和需要拍板的事都有,文字可以继续编辑。它用脚本一次生成多页,再检查版面。这组共调用模型 18 次,少于 Hy4 的 20 次、DeepSeek 的 38 次和 GLM 的 25 次。

DeepSeek 也交了五页可编辑 PPT,但采用逐页制作和检查,还回头改了预算占比页。GLM 做了六页,同样逐页处理。预算表方面,四款都通过了实际检查。

Hy4 flash 制作的 PPT
Hy4 flash 制作的 PPT

这组任务中,四个模型都能完成,Hy4 flash 的模型调用次数和 token 用量则是最低的,token 消耗比 DeepSeek 少约 74%。 对做简报、算预算这类日常工作来说,Hy4 flash 可以算是性价比很高的模型了。

2、做手机网页:都能用,Hy4 flash 的用量不是最少的

到了活动现场,参会者总不能拿着一份 Excel 找会场。所以我们又让四款模型各做了一个手机网页,能搜分享、按会场筛选。日程改了,网页也要跟着改。

四款都做出了可用的页面。我们在约 390 像素宽的窗口里实际试了搜索,也替换了一条议程,重新生成网页和执行表,四款都能更新。

Hy4 flash 做的网页可以搜索活动、按会场筛选。网页和工作人员用的执行表共用一份议程,修改日程后,重新运行脚本,就能一起更新两份文件,不用改两遍。脚本也会检查信息是否漏填、场次编号是否重复、结束时间是否早于开始时间。

DeepSeek 在后续修改中,加入了对现场准备时间的检查。比如,东厅 14:10 才能进场,如果把首场活动也排在 14:10,脚本就会提醒没有预留装台时间,并停止生成文件。

实际试下来,Hy4 flash 这个页面能用,模型请求累计时间也最短,但它并不最省 token,Hy4 和 GLM 的用量都更低。DeepSeek 后来加上的日程检查也有价值,其多思考的时间也不是白浪费。

从生成的页面来看,各有特色,Hy4 flash 采用圆角卡片式,DeepSeek V4.1 Flash UI 比较素,GLM 5.3 Flash 用时间轴串联活动。

手机议程从左到右依次是 Hy4 flash、DeepSeek V4.1 Flash、GLM 5.3 Flash 生成
手机议程从左到右依次是 Hy4 flash、DeepSeek V4.1 Flash、GLM 5.3 Flash 生成

3、写活动方案:Hy4 flash 的想法能用,但花得更多

做一场 AI 大会,总不能只是让嘉宾轮流上台讲一整天。我们还希望有一个观众能参与的主题,最好现场就能试出 AI 到底好不好用。

Hy4 flash 给的主意挺适合这场大会:观众出题,嘉宾现场演示,下午再改个要求重做。这个安排容易理解,也能直接放进议程。不过,为了定下这份方案,它前后找策划专家聊了两次,token 用量反而是四款里最多的。

DeepSeek 做的是“AI 对账日”,给观众一张九格计分板,边看演示边打分。GLM 做的是“AI 验收日”,上午说明要验证什么,下午再做一次检查。这两份方案也都能落到活动安排上,用量比 Hy4 flash 少得多。

Hy4 的方案叫“把活交出来”。它的一个优点是把理由写清楚了:哪些事还要拍板,为什么没有采纳某条专家建议,都有说明。比如专家建议上午较早开始一场分享,但嘉宾还没到,它就重新排了时间。接手的人更容易知道还要确认什么。也体现了旗舰模型思考较为全面的特点。

Hy4 flash 的方案能用,但用量是四款中最多的。GLM 也给出了完整的活动主线,这组的 token 用量和模型请求累计时间都最低。

以下是四款模型首轮活动方案摘要。

4、排议程、写腾讯文档:Hy4 flash 最接近要求

大会主题定好后,我们让四款模型当一次会务助理,根据嘉宾档期和会场条件,排出十场活动的日程表,标清时间、地点和嘉宾确认状态,再通过连接器写入腾讯文档,并重新读取检查。

这项任务主要考验模型 MCP 的使用能力,相较于 skill/专家, MCP 可是消耗 tokens大户。

从结果来看四款都真正完成了文档读写,也重新读了一遍检查结果。

资料包含十场必做活动和两场可选活动,由模型自行取舍。Hy4 flash 只安排了必做场次,Hy4 选了一场可选活动,DeepSeek 和 GLM 则两场都选了。

这项 Hy4 flash 的请求累计时间和 token 都最少,交付范围也最接近题目要求。

Hy4 flash 制作的场次表
Hy4 flash 制作的场次表

5、读资料:四款都找到了旧版本里的问题

办活动时,资料很容易越改越多,旧报价和新档期混在一起,拿错一份就可能排错。我们也故意留了这些问题。四款都发现了几处关键变化:主旨嘉宾首轮只能下午出场,东厅要到 10:15 才能使用,视频报价已经从 38,900 元降到 35,200 元等。

在这几条关键约束上,四款没有拉开差距。Hy4 flash 的 token 略少于另外两款 Flash,DeepSeek 的请求累计时间则明显更短。、

6、改需求:Hy4 flash 漏改了邀请函,需要再催一次

以上五个任务是主要考验的是模型生成能力,生成的第一版看起来都能用,但办活动很难不遇到临时变化。我们又加了一轮要求:东厅下午 14:10 才能开门,主旨嘉宾改成只能上午来,再加一套 6,800 元的无线麦。PPT、表格、网页、邀请函和腾讯文档,都要跟着改。

这一轮,四款模型都犯过同一种错误:东厅 14:10 才能进去,却把装台、试屏安排在开门之前。我们指出问题后,它们才重新排期。

Hy4 flash 还漏改了邀请函。网页和执行表已经写着首场 14:45 开始,邀请函却仍是 14:10。原因也很直接:网页和执行表一起更新,邀请函是另外写的,没有跟着改。

这次补改又用了 4 分 12 秒、901.19 万 tokens。它修正了四处邀约时间,并重新读取腾讯文档核对。

把修改、返工和最后检查都算进去,DeepSeek 最早完成这一阶段,GLM 的 token 用量最少。Hy4 flash 比 GLM 少花约 12 秒,但 token 用量明显更多。这一项,它没有延续首轮的领先。

Hy4 flash 做第一版的表现不错,改一整套文件时还需要人盯一下。尤其是邀请函这类另外写的材料,不能看到主表改好了,就默认其他文件也都改好了。

Hy4 flash 补齐腾讯模型拼图

把整套测试跑下来,最直观的感受是:随着 Hy4 flash 落地,腾讯在大模型布局上最实用的一块拼图终于补齐了。在此之前,旗舰 Hy4 负责在极限榜单和长程工程上向上探高,但真正落到每天写文档、改表格、搭简单前端的高频办公场景里,行业最缺的其实是一款既能干真活、又算得过账的轻量主力。Hy4 发布十二天后紧跟着推出 flash,补上的正是这一环。

更关键的是,它交出来的不是那种只能应付简单问答的“缩水版”效果,背后靠的也不是简单的参数裁切,而是实打实的架构与后训练取舍。

对比同场竞技的几款模型,就能看出各自的技术路径:DeepSeek V4.1 Flash 把读输入的激活参数压到 80 亿,所以在“读旧资料”和“改需求重核”这类重阅读环节跑得最快;而 Hy4 flash 在保持 120 亿激活参数与完整能力底座的同时,把 KV 缓存压到了旗舰的六分之一,又靠强化学习直接砍掉了一半输出长度。实际工作流里,它都在“写脚本批量出图”和“首轮成套交付”上把往返轮次与生成时间压到了最低,靠硬核的技术底子实打实地跑通了整套办公链路。

技术上的压缩最终也兑现到了账单上。叠加极高的缓存命中率,整个任务跑下来,Hy4 flash 的估算成本只要 1.66 元,甚至比 DeepSeek V4.1 Flash 还要低。

当然价格低也是要钱的,目前 Hy4 flash 在 WorkBuddy 中可以免费使用,模型有多快、有多高效,能不能满足需求,直接上手试试就知道了。而且这个价格,就算之后不免费了,用起来也不心疼。

大模型的竞争走到现在,旗舰模型负责决定能力上限,但决定 AI 能不能真正留在每个人的办公桌上的,往往是这种每天要被调用几十上百次的 Flash 模型。从这次实测来看,腾讯不仅补齐了这一块布局,更用实打实的架构与工程优化,把“用得起,也等得起”做到了能用、好用的水准。

文章标签DeepSeek智能体

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。