实测腾讯混元 Hy4 flash:七项任务表现及与 Hy4、DeepSeek-V4.1-flash 的对比
实测Hy4 flash:WorkBuddy限免,比旗舰便宜20倍的办公利器
腾讯混元发布 Hy4 flash,并在 WorkBuddy 国内版和国际版同步首发,11 月 30 日 23:59 前限时免费。
七项办公与开发任务的对照测试呈现了 Hy4 flash 相对旗舰 Hy4 和 DeepSeek-V4.1-flash 的速度、准确性与细节取舍,可供判断轻量模型在高频工作流中的适用性。
11 月 16 日,腾讯混元正式发布 Hy4 flash,并在腾讯办公智能体 WorkBuddy 国内版和国际版同步首发,11 月 30 日 23:59 前限时免费。官方称它是“迄今为止最高性价比的 Hy 模型”。
把价格压到这个程度,背后是整个行业的风向。11 月第一周,OpenRouter 全球模型调用量榜单的前三名都是 flash 模型。腾讯混元 11 月 4 日发布 Hy4 正式版时也预告了 Hy4 flash,定位是在继承 Hy4 能力的基础上大幅降低任务成本。十二天后,它来了。
趁着限免,我们在 WorkBuddy 里用 Hy4 flash 跑完了 7 项高频办公与开发任务:读财报、读招股书、批量整理公司资料、做网页工具、洗数据、修代码和做设计规划,并拉来旗舰版 Hy4 与同级别的 DeepSeek-V4.1-flash 做同题横评。它给我们最直观的感受就是快,多数任务都能在 10 分钟以内交付。
7 项任务实测
从最常见的读材料任务开始。我们把微软、Alphabet、亚马逊截至 2026 年 9 月 30 日那一季的季报原表截了 7 张图,直接交给 Hy4 和 Hy4 flash,让它们分别写一份三大云厂商的季度对比。
材料里有几处容易出错。三家表里年份列的左右顺序不一样,Alphabet 和亚马逊是去年在左、今年在右,微软反过来;微软也没有单独披露 Azure 的营业利润,只给了收入
Hy4 flash 2 分 33 秒交稿,结论都对:AWS 规模最大,Google Cloud 增长最快,同比翻了一倍多;Alphabet 和亚马逊都是营业利润在涨、净利润在跌,原因在营业外收支由正转负,而不是主业变差了。同样的指令,Hy4 用了 4 分 44 秒。两份稿子结论接近,也都通过了我们的检查。有意思的是,两个模型最后的追问也一致:AWS 和 Google Cloud 都披露了云业务的利润,微软为什么只给 Azure 的收入,不给它的成本和利润?这是一个合格分析师会注意到的问题,flash 和旗舰在这一点上的判断是一致的,而 flash 只用了旗舰一半左右的时间。
分析招股书是更难的任务。我们把 Anthropic 上个月向美国证监会提交的招股书交给两个模型,只取其中摘要部分的英文原文,要求写一份内部研究备忘录。
这份材料最容易读偏的地方是一组反差:2026 年上半年,Anthropic 营收 162.9 亿美元,营业亏损只有 6.9 亿,净亏损却是 807 亿。中间差出来的八百亿,绝大部分是可转换票据等工具的公允价值变动。公司估值涨了,这些票据的账面价值跟着涨,记成了亏损,但并没有现金流出;IPO 时票据会转成股票,这笔账之后也不会再出现。
两份备忘录都注意到了这个数字,不同在写法。Hy4 flash 用了 9 分 42 秒,写得紧凑,还特意提醒了一个容易混的口径:招股书里那个 1,368% 的增速是单季度的,按半年算大约是 1,300%,两者不能混用。治理结构它也梳理清楚了,长期利益信托有权选出董事会多数,七位联合创始人通过一股特别股份握有 50.1% 的投票权。Hy4 用了 22 分 28 秒,写得更细,营业费用逐项列开,还算出公允价值变动占到净亏损的 89.6%。
综合看来,想快速形成判断,flash 那份够用;要逐项核账,Hy4 那份更顺手。
读完材料,下一组任务是整理材料与结构化建档 。这次我们 引入同级别的 DeepSeek-V4.1-flash 进行横评,看它能否兼顾速度与质量。
60 家 AI 公司的原始简介,中英文混着,要求模型自己设计分类、逐家建档,再画一张产业链地图。我们没有给现成的分类标签,就是想看它怎么理解这个行业。我们还在材料里埋了两处坑。一处是 14 家公司的简介没写成立年份,模型多半“知道”答案,问题是它会不会顺手补上。另一处是三对名字很像的公司:Cohere 和 Coherent,Figma 和 Figure,Scale AI 和 Anyscale,考察模型会不会混淆。
Hy4 flash 没有踩坑。60 家全部入表,有年份的 46 家都和简介一致,剩下 14 家老老实实写了“未提及”,三对公司的信息也没有串。我们隔离记忆,用同样的提示词让它跑了第二遍,两遍用时都是 6 分 41 秒。但两遍的分类名不完全一样,第一遍 5 个大类,第二遍变成 6 个,把具身智能拆成了机器人和自动驾驶;但哪些公司被归在一起,两遍有 98.4% 是一致的。
同一个任务交给 DeepSeek-V4.1-flash,结果同样准确,分了 7 个大类、23 个小类,还多交了一份 Markdown 版本和一个能重新生成表格的 Python 脚本。代价是时间,花了 16 分 06 秒,它走了一条更绕的路,先写代码生成表格,再截图检查排版,改脚本、改排版都要重跑,过程中弹了约十次授权请求。
从质量上看,两边打成平手;但如果这是一个每周都要做一次的工作,6 分多钟和 16 分钟,再加上中途要不停地点"允许",体验上的差距会被放大很多。
接下来是一个多轮修改的任务,两个 flash 模型的速度差距在这里拉得最开。
我们让模型做一个创业公司股权稀释模拟器:输入每轮融资的估值、金额和期权池,算出各方持股。
第一版做完,我们检查之后又提了三轮修改:先加一个对比模式,看期权池放在融资前扩和融资后扩有什么区别;再支持两位创始人;最后加上导出 CSV。期权池怎么扩,是有些创业者自己都会算错的地方。放在融资前扩,稀释的全是老股东;放在融资后扩,新投资人也要一起摊。在我们给的参数下,两种做法让创始人的最终持股差了 1.33 个百分点。
四轮下来,两边都没算错,每一轮都和我们手算的结果一致。导出的表格用 Excel 打开,中文也没有乱码。
Hy4 flash
DeepSeek-V4.1-flash
区别在过程。Hy4 flash 四轮一共用了 8 分 42 秒,DeepSeek-V4.1-flash 用了 24 分 11 秒,每一轮都慢两到三倍;用掉的上下文,Hy4 flash 是 84.6K,DeepSeek-V4.1-flash 是 210.5K。当然 DeepSeek 用时更久,数据精度也更高,数字保留两位小数,还自主设计了逐轮对照表和指标卡片。
后面三个任务我们逐步提升难度,测试 Hy4 flash 的多步骤、跨领域交付能力。
数据清洗是一步接一步的工作,前一步错了,后面就全错。我们提供了一份 518 行的标普 500 成分股名单,里面掺了空白行、重复行、写法不统一的板块名,日期也有五种格式,要求依次完成清洗、汇总、作图、写报告。
Hy4 flash 用了 6 分 47 秒:删掉 3 行空白、12 行重复,剩 503 行;32 行板块名归并成 11 个标准板块,73 行日期统一了格式。清洗日志写得很细,每类问题处理了几行、前后行数怎么对上,都有交代。汇总下来,工业板块的公司最多,83 家,能源最少,21 家;2023 年以来新进入指数的 65 家公司里,信息技术占了 20 家,数量最多。
修代码要的是另一种耐心。我们拿了开源项目 TinyDB,一个用 Python 写的轻量数据库,在里面人为埋了两个 Bug,让 230 个测试里挂掉 7 个。第一个出在缓存上:缓存满了,本该淘汰最久没用的数据,代码却淘汰了刚刚用过的。第二个更隐蔽,“小于”和“大于”两种查询的缓存键里漏了比较值,于是“分数小于 50”和“分数小于 80”被当成了同一个查询,后者直接拿到了前者的旧结果。报错出现在表格查询的测试里,根因却在另一个文件。
Hy4 flash 先跑了一遍测试摸底,再顺着调用链往下找,两个根因都在源头修掉了,没改测试,也没有为了省事把缓存关掉。修完,229 个测试通过,项目原本就跳过的那 1 个照旧跳过。接着按要求加了一个闭区间查询 between,补了两个测试,中途碰上一次临时目录冲突,换了目录重跑,最终 234 个里 233 个通过,1 个照旧跳过。前后一共用时 5 分 22 秒。
两个 Bug 都是能糊弄过去的,Hy4 flash 都在源头修好了,而且修完没有引入新失败,原测试一行未动;加功能时不同区间不串答案这一步它也做到了。
最后一个任务我们给出了一组假设参数,让 Hy4 flash 做一份 AI 算力机房的规划初稿。一期要放 1,152 张 GPU,需要多少机柜、多少冷却设备、多少电,以及这间屋子最多能放多少机柜;二期在 6 兆瓦的供电上限内,要设计好最多能部署多少张卡。
Hy4 flash 6 分 28 秒交了计算书、设备清单和一张平面图。一期的 8 个关键数字很合理,每一步都列了算式。二期它算出最多 35 个 GPU 柜、2,520 张卡,并且点明卡住扩容的是电,不是空间——它还多算了一步反证:再加一个柜到 36 个,IT 功率就要 4,827 千瓦,折设施功率 6,033.75 千瓦,超过 6,000 千瓦的上限;而单看空间能放 101 个柜、7,272 张卡,35 个柜只用了 5,868.75 千瓦,离上限还剩 131.25 千瓦。
平面图画得也规整,四排、每排 35 个柜位,冷热通道、维护通道、图例和比例尺都有,图上的机柜和清单一一对得上:横向 35 个柜每个 0.6 米宽,加上两端各 1.5 米维护通道,正好 24.0 米,纵向的通道加排宽也正好凑满 14.0 米,尺寸是算出来的,不是画上去凑数的。
它还列了三条需要业主确认的问题,比如冷通道宽度能不能满足消防要求、园区供电是不是这间机房独享,都是真实项目里会被问到的。这个任务最见功力的一点是,模型不只算出了答案,还把边界算清楚了:多一个柜为什么不行、空间还剩多少、哪些问题该留给业主,都有交代。
整体表现
七个任务做下来,Hy4 flash 最直观的特点是快。四组对比里,它的用时都明显更短:读财报比 Hy4 少用了将近一半的时间,读招股书 Hy4 用了 22 分钟,它不到 10 分钟;和 DeepSeek-V4.1-flash 相比,批量建档和多轮修改两个任务,它分别快了约 2.4 倍和 2.8 倍。
难得的是, 这种速度并没有以牺牲准确性为代价。七个任务它都交出了可用的结果,我们刻意设置的几个坑,比如招股书里的非现金亏损、简介里没写的成立年份、代码里藏在另一个文件的根因,它都处理对了。尤其是批量建档的任务,有 14 家没写成立年份的公司 ,它没有用自己的知识去补,而是如实标注。 对金融和投研这类对数据信源要求极严的工作来说,这一点很重要。
速度优势的背后,是混元团队对 Hy4 flash 设定的核心机制:更高的 Token 效率与更精简的输出。 这一点在测试里确实能看到:同一份招股书备忘录,Hy4 flash 写得更紧凑;股权模拟器任务里,它用掉的上下文不到 DeepSeek 的一半。当然,精简的另一面是细节颗粒度不如旗舰模型饱满,和 Hy4 相比少了些延展拆解。但对于高频的日常工作,这样的取舍是划算的。 官方自己也给出了类似的分工建议:深度搜索、文档处理、PPT 生成、简单前端展示和 Computer Use 等大部分日常任务交给 flash,长程软件工程这类复杂任务仍推荐用 Hy4。
而要把模型的速度真正转化为工作产出,还得看它被放在什么样的 Harness 里。 这次测试全部在 WorkBuddy 里完成。模型可以直接读截图、PDF 和 Excel,跑代码、生成网页和矢量图,交回来的是能直接打开使用的文件。flash 模型的价值本就在于高频调用,配合 WorkBuddy 11 月 30 日前的限时免费,这种“轻量模型+桌面 Agent”的组合,很容易直接嵌入日常的工作流中。
腾讯混元的另一条增长路径
今年下半年,大模型行业的竞争重点明显向 flash 模型倾斜。原因并不复杂:Agent 已经成为最通用的 AI 应用,一次任务往往要调用模型很多次,速度和单价直接决定了一个产品的使用体验和性价比。DeepSeek 把 V4 Pro 的请求转给 V4.1 flash,调用量榜单前三名都是 flash 模型,都是这个变化的体现。
现在回看混元今年整体的模型节奏,自 2 月重建基础设施以来,混元保持了大约两个月一个大版本的节奏,先发 preview,再发正式版。4 月的 Hy3 preview 一度登上 OpenRouter 单日调用量榜首;8 月 28 日发布并开源的 Hy4 preview 把总参数提到 770B,发布后的第一个完整周就以 14.7 万亿 Token 的周调用量排在全球第一;11 月 4 日的 Hy4 正式版首次加入视觉理解和电脑操作能力,发布当周排在全球第四。
定价上,Hy4 每百万 Token 输入 6 元、输出 18 元,与 preview 版持平。而仅隔 12 天发布的 Hy4 flash 把价格又往下压了一个数量级:输入 0.5 元、输出 2 元、缓存命中 0.02 元,分别是 Hy4 的 1/12、1/9 和 1/15。11 月 30 日前,腾讯云 TokenHub 还在此基础上打五折。
如果说旗舰版 Hy4 是为了拉高能力上限,那么 Hy4 flash 对腾讯的意义,更多在于承接自家的海量业务场景。目前,Hy4 flash 已经在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima 和 Marvis 上线;与此同时,WorkBuddy 结束了 Hy4 的限免,并下线了 Hy3,端内的免费流量正在向 flash 集中。这些高频场景,需要一个足够快、足够便宜的模型来跑通商业闭环。从这次测试看,它已经能稳定承担不少实际工作。
放眼目前的轻量模型梯队,Hy4 flash 是一个反应更快、做事足够稳的日常交付模型。 对需要大量调用模型的企业和开发者来说,它值得放进候选名单;而对想要低成本解决繁杂任务的普通用户来说 ,这也是一个上手即用、足够省心的选择。
来源:腾讯新闻 · view.inews.qq.com