腾讯混元推出 Hy4 flash,224B 总参仅激活 12B
发布时间:2026年11月16日 10:10:0011 月 16 日,腾讯混元推出高性价比模型 Hy4 flash,总参数 224B、激活参数仅 12B,支持多模态与 1M 长上下文。官方称通过 MoE、混合注意力、自蒸馏与强化学习等优化,在压缩成本的同时把输出长度降低约一半,解码速度超过 150 tps,主打日常办公与高频调用场景。
事件:一个「够用就好」的模型
11 月 16 日,腾讯混元推出 Hy4 flash。
| 项目 | 参数 |
|---|---|
| 总参数 | 224B |
| 激活参数 | 12B |
| 上下文 | 1M |
| 模态 | 多模态 |
| 解码速度 | 超过 150 tps |
| 官方说法 | 输出长度降低约一半,成本显著压缩 |
优化手段列了四项:MoE、混合注意力、自蒸馏、强化学习。
「输出长度减半」为什么值得单独说
大模型的账单里,输出 token 比输入贵 3 到 5 倍,而输出长度往往不受控——模型爱铺垫、爱总结、爱复述问题。
把输出长度压到一半,等于在不改变单价的情况下直接把账单砍掉近一半。这比单纯降价更可持续,也更难做到:压缩输出不能牺牲信息量,否则用户会追问,反而多花一轮。
配合 150+ tps 的解码速度,Hy4 flash 的定位很清楚:高频、低延迟、日常办公。
与 Hy4 的关系
这形成了一个清晰的产品梯队:
| 型号 | 定位 | 特点 |
|---|---|---|
| Hy4 | 旗舰 | 视觉理解 + 电脑操作 |
| Hy4 flash | 高频日常 | 便宜、快、输出短 |
| Hy4 preview | 上一代 | 已被取代 |
这与谷歌「Carbon 做规划、Hydrogen 做执行」、Anthropic「旗舰 + 便宜档」的思路是同一个方向:模型产品线必须分层,不能只有一个全能模型。
12B 激活意味着什么
激活参数只有 12B,说明推理时的算力开销接近一个小模型,但可以调用 224B 的知识容量。
这带来两个实际好处:
- 端侧与边缘部署更现实:显存与算力需求取决于激活量,而非总参数;
- 并发成本低:同一张卡能服务的并发数显著上升。
代价是复杂推理能力弱于旗舰。所以它适合「写周报、做表格、提炼会议纪要、客服问答」,不适合「重构代码、做多步规划」。
三层影响
对企业采购:可以把大量高频场景从旗舰模型迁到 flash 档,成本结构会明显改善。
对腾讯自身产品:腾讯文档、会议、企微这类高频场景是天然的落地场。
对国内模型竞争:性价比竞争已经从「单价」转向「每任务总成本」,输出长度和轮数都成了变量。
需要冷静看的几点
- 「输出长度降低一半」的代价:是否存在该给的信息被省略的情况,需实测。
- 1M 上下文的有效性:长上下文与低激活量的组合,中段召回可能衰减。
- 多模态的具体范围:是否支持视频输入,官方未细说。
- 定价未在公布中明确:需看开放平台的实际价格。
观察点
- 与 Qwen4-Max 的实际价格对比。
- 输出压缩对任务完成率的影响。
- 在腾讯自有产品中的渗透速度。
- 是否开源:Hy 系列此前有开源先例。
一句话总结:Hy4 flash 的思路很务实——不追最强的脑子,而是把「输出别啰嗦、速度要快、价格要低」这三件日常最痛的事做到位。