# Hy4 Flash: 1M Kontext, Preis und API-Zugang

> Die Gewichte von Tencent Hy4 Flash sind jetzt öffentlich: instruct, FP8 und Base. Lizenz, API-Limits und Preise des 220B-Modells.

- Canonical HTML: https://omniakey.com/de/blog/hy4-flash
- Markdown: https://omniakey.com/de/blog/hy4-flash.md
- Published: 2026-11-16 (updated 2026-11-19)
- Author: Kiki, COO at OmniaKey
- Language: de
- Category: Guide
- Reading time: 8 min
- All posts: https://omniakey.com/blog/llms.txt

---

Hy4 Flash funktioniert auf zwei Wegen: als gehostetes Modell bei Tencent Cloud, OpenRouter und Vercel AI Gateway und als öffentliche Gewichte auf Hugging Face. Die Modellkarte nennt rund 220 Milliarden Gesamtparameter und 12 Milliarden aktive pro Token unter der Tencent Hy License 1.0 (Stand 19. November 2026).

- **Gehostet:** `hy4-flash` bei Tencent Cloud TokenHub; `tencent/hy4-flash` bei OpenRouter und Vercel AI Gateway.
- **Gewichte:** Repositories für Instruct, FP8 und Base, alle öffentlich und ohne Freigabe, mit rund 220B gesamt und 12B aktiv.
- **Preis:** CNY 0.5 pro Million Eingabe-Token und CNY 2 pro Million Ausgabe-Token zum Listenpreis; ein zeitlich begrenzter 50%-Tarif halbiert beides.

Stand 19. November 2026: Die Gewichte sind jetzt öffentlich. Preise, Limits und Repository-Details unten wurden an diesem Tag geprüft.

## Lässt sich Hy4 Flash heute nutzen?

Ja. Tencent Cloud führt `hy4-flash` als online, beide Gateways führen `tencent/hy4-flash`, und die drei Hugging-Face-Repositories sind öffentlich und ohne Freigabe zugänglich.

|Wo|Modell-ID|Status|
|-|-|-|
|Tencent Cloud TokenHub|`hy4-flash`|Online|
|OpenRouter|`tencent/hy4-flash`|Gelistet|
|Vercel AI Gateway|`tencent/hy4-flash`|Gelistet|
|Hugging Face|`tencent/Hy4-flash`|Öffentlich|

Tencent Cloud und beide Gateway-Einträge nennen den 16. November 2026 als Datum des gehosteten Releases. Der kanonische Slug bei OpenRouter ist `tencent/hy4-flash-20261116`. TokenHub nimmt unter einer Modell-ID drei Anfragearten an: OpenAI chat completions, die Responses API und Anthropic Messages. OpenAI- und Anthropic-SDKs erreichen also dasselbe Modell.

## Welche Hy4-Flash-Gewichte sollte man herunterladen?

Beginne mit [tencent/Hy4-flash](https://huggingface.co/tencent/Hy4-flash), außer du servierst in großem Umfang oder willst fine-tunen. Das ist das Instruct-Modell mit Bildeingabe und Tool-Aufrufen. Das [FP8-Repository](https://huggingface.co/tencent/Hy4-flash-FP8) ist dasselbe Instruct-Modell, für das Serving quantisiert, und das [Base-Repository](https://huggingface.co/tencent/Hy4-flash-base) ist vorab trainiert statt für Chat abgestimmt.

|Repository|Wofür|Größe|
|-|-|-|
|Hy4-flash|Chat, Vision, Tools|441 GB|
|Hy4-flash-FP8|FP8-Serving|287 GB|
|Hy4-flash-base|Fine-Tuning|439 GB|

Die Größen sind Speicher-Summen der Repositories, auf ganze GB gerundet, kein Speicherbedarf.

Alle drei teilen eine Architektur: 42 Schichten, 512 routed Experts mit 16 aktiven pro Token plus ein geteilter Experte, ein Vokabular von 120,832 Token und ein Positionslimit von 1,048,576 Token. Hinein gehen Text und Bilder, heraus kommt Text. Die Karte teilt das in 155.5B Sprachmodell-Parameter außerhalb von Engram, dazu 63.5B Engram, 0.43B Vision und 0.85B DFly2. Die vier Teile ergeben 220.28B, die Gewichtsdateien insgesamt 220.25B. Aktive Arbeit pro Token sind 11.3B Textparameter plus 0.43B Vision, gerundet 12B.

Das ursprüngliche Launch-Material von Tencent vom 16. November nannte 224B; die neueste Gewichtskarte nennt etwa 220B. Beide Zahlen sind offiziell; für die Kapazitätsplanung gilt die gerundete 220B-Angabe der Karte.

Das FP8-Repository nutzt E4M3-Gewichte in 128×128-Blöcken mit dynamischen Aktivierungen und lässt den Sprachmodell-Kopf, die Token-Embeddings und `hc_head` unkonvertiert.

## Was verlangt die Tencent Hy License?

Die Gewichte lassen sich herunterladen und mit Namensnennung weitergeben, unter einer eigenen Lizenz, die von Apache 2.0 abgeleitet ist. Abschnitt 10 ergänzt kommerzielle Bedingungen für große Anbieter von Modellen als Dienst. Es sind also offene Gewichte unter eigenen Bedingungen von Tencent; die Datei stellt klar, dass es nicht Apache 2.0 ist.

Für die Weitergabe braucht es eine Kopie der Lizenz, deutliche Hinweise auf geänderten Dateien und die Beibehaltung der Namensnennung; eigene Bedingungen dürfen Abschnitt 10 nicht entfernen oder einschränken. Feinabgestimmte, quantisierte, destillierte, zusammengeführte oder beschnittene Gewichte gelten als abgeleitete Werke, und Abschnitt 10 gilt für sie mit.

Abschnitt 10 betrifft Modelle als Dienst: Dritten fern Zugriff auf Inferenz oder Fine-Tuning geben, auch über eine API. Eine separate schriftliche Lizenz ist nötig, wenn der weltweite Bruttoumsatz des Unternehmens und seiner verbundenen Unternehmen aus allen Quellen in einem beliebigen Zeitraum von 12 aufeinanderfolgenden Monaten US$50 million übersteigt oder wenn der betreffende Dienst in einem Kalendermonat 100 Millionen monatlich aktive Nutzer übersteigt. Enge Endnutzer-Funktionen ohne Zugang zu einem Allzweckmodell und Dienste, die Anfragen nur an ein unabhängig betriebenes Fremdmodell weiterreichen, fallen nicht unter diese Definition. Reine interne Nutzung ist nur befreit, wenn das Werk, seine Ableitungen und deren Ausgaben Dritten fernbleiben. Tencents Lizenzkontakt ist <hy_partners@tencent.com>.

Der vollständige Text steht in der [Tencent Hy License 1.0](https://huggingface.co/tencent/Hy4-flash/raw/main/LICENSE). Hugging Face taggt die Repositories mit `license: other` und dem Namen `tencent-hy-license`, und die Datei stellt klar, dass es nicht Apache 2.0 ist.

## Welche Hardware und Software nutzen Tencents Beispiele?

Tencent veröffentlicht kein GPU-Modell, keine VRAM-Zahl und keine Mindestzahl an GPUs. Die Karte liefert zwei Serving-Rezepte, beide mit Tensor Parallel 8, plus einen Ladeweg über Transformers.

Das vLLM-Image ist `vllm/vllm-openai:hy4-flash`. Es lädt das FP8-Repository mit `--tensor-parallel-size 8`, dem Attention-Backend `FLASHMLA_SPARSE` und einer spekulativen DFly-Konfiguration mit fünf Token und aktiviert die Tool-Call- und Reasoning-Parser von `hy_v4`. Das SGLang-Image ist `lmsysorg/sglang:hy4-flash`, gestartet mit `--tp 8`, DFLY mit Blockgröße 6, auf x86 oder Arm. Beide sind veröffentlichte Befehle für eine Topologie mit acht GPUs.

Transformers-Unterstützung ist noch nicht in einem Release. Die Karte sagt, sie werde bald in den Hauptzweig gemergt, und verweist auf einen Pull-Request-Commit; als Ladeklassen dienen `AutoModelForImageTextToText` und `AutoProcessor`.

Tensor Parallel 8 ist das Layout des Beispiels, kein genanntes Minimum und kein Versprechen zum Speicherbedarf. Der FP8-Download von 287 GB ist eine Größe für Platte und Transfer. Dimensioniere die Maschine nach dem Checkpoint und deiner Sequenzlänge und teste dann mit deinem eigenen Verkehr.

## Welche Kontext- und API-Limits gelten?

Das Kontextfenster umfasst 1,048,576 Token laut [Modellkarte](https://huggingface.co/tencent/Hy4-flash) und Config. Die Hosts schreiben es unterschiedlich, und ihre Ausgabegrenzen passen ebenfalls nicht zusammen.

|Ort|Kontext|Ausgabelimit|
|-|-|-|
|TokenHub|1024K|64k|
|OpenRouter|1,048,576|65,536|
|Vercel|1,024,000|64,000|
|Karte|1,048,576|keine Angabe|

TokenHub begrenzt die Eingabe auf 960k Token. Die Karte nennt kein Ausgabelimit, und die drei Hosts unterscheiden sich um bis zu 1,536 Token. Lass bei langen Aufgaben Luft unter dem Limit des Hosts, statt anzunehmen, die größte Zahl gelte überall.

Die [Modellseite](https://cloud.tencent.com/tokenhub/hy4-flash) von Tencent Cloud nennt 300 Anfragen und 10,000,000 Token pro Minute; die Seite bezeichnet die Anfragezahl als maximales RPM. Das ist der Erstanbieter-Eintrag für TokenHub. Die Seite zeigt außerdem ein kostenloses Kontingent von 1,000,000 Token ohne Ablaufdatum.

Eingaben sind Text und Bilder. Video und Audio erscheinen weder auf der Karte noch in den Einträgen der drei Hosts als unterstützte Eingaben. Reasoning akzeptiert `high` (der Standard, Denken an) oder `no_think`, und die Karte empfiehlt Temperature 0.9 mit top\_p 1.0.

## Was kosten gehostete Hy4-Flash-Aufrufe?

Die [Modellseite](https://cloud.tencent.com/tokenhub/hy4-flash) von Tencent Cloud nennt CNY 0.5 pro Million Eingabe-Token, CNY 2 pro Million Ausgabe-Token und CNY 0.02 pro Million gecachter Eingabe-Token. Ein zeitlich begrenzter 50%-Tarif macht daraus CNY 0.25, CNY 1 und CNY 0.01; die Seite zeigt 0.5 Rabatt auf allen drei Zeilen und kein Enddatum.

|Pro 1M Token|Eingabe|Ausgabe|Cache-Treffer|
|-|-|-|-|
|Liste|¥0.5|¥2|¥0.02|
|50%-Tarif|¥0.25|¥1|¥0.01|

Eine Anfrage mit 20,000 Eingabe- und 2,000 Ausgabe-Token kostet 20,000 × 0.5 / 1,000,000 + 2,000 × 2 / 1,000,000 = CNY 0.014 zum Listenpreis oder CNY 0.007 zum ermäßigten Tarif. Hundert solche Aufrufe an einem Tag ergeben CNY 1.4, zum aktuellen Tarif CNY 0.7. Wird derselbe Prompt-Anfang wiederverwendet, wird der wiederholte Teil mit CNY 0.02 pro Million statt CNY 0.5 berechnet; feste Anweisungen und geteilte Dokumente gehören also nach vorn.

[OpenRouter](https://openrouter.ai/api/v1/models) und [Vercel AI Gateway](https://ai-gateway.vercel.sh/v1/models) listen Dollarpreise: 0.035 pro Million Eingabe-Token, 0.1405 pro Million Ausgabe-Token und 0.0015 pro Million gecachter Token, geprüft am 19. November. Dieselbe Anfrage mit 20,000/2,000 kostet 20,000 × 0.035 / 1,000,000 + 2,000 × 0.1405 / 1,000,000 = $0.000981, also etwa ein Zehntel Cent. Hundert Aufrufe ergeben $0.0981. Tencent rechnet TokenHub in CNY ab, deshalb bleiben die beiden Listen getrennt.

## Gewichte herunterladen oder API aufrufen?

Rufe das gehostete Modell auf, wenn die Nachfrage schwankt, wenn du das 1M-Fenster willst, ohne selbst einen Serving-Stack zu betreiben, oder wenn du Tool-Aufrufe und strukturierte Ausgabe heute brauchst. Lade die Gewichte herunter, wenn Prompts und Ausgaben in deiner Umgebung bleiben müssen, wenn du den Base-Checkpoint für Fine-Tuning willst oder wenn stetiger Verkehr die Hardware rechtfertigt.

Der zweite Faktor ist die Lizenz. Wenn du das Modell Dritten über eine API zugänglich machen willst, prüfe Abschnitt 10 gegen die Umsatz- und Nutzerschwellen für dein Unternehmen und seine verbundenen Unternehmen, bevor du den Dienst baust.

Für einen anderen Weg zu Tencents Modellen führt der Katalog von OmniaKey das Flaggschiff [Hy4](https://omniakey.com/de/hy4), aktuelle Preise stehen auf [der Preisseite](https://omniakey.com/de/pricing). Hy4 Flash ist ein eigenes Modell.

## Wie schlägt sich Hy4 Flash gegen Hy4?

Hy4 Flash steht in Tencents Reihe unter [Hy4](https://omniakey.com/de/hy4). Tencents eigener WorkIndex-Wert liegt bei 42.1 für Flash und 51.4 für Hy4, und das Unternehmen setzt Flash auf 1/20 der Kosten pro Aufgabe von Hy4 im selben internen Set. Außerdem nennt es Dekodiergeschwindigkeiten über 150 Token pro Sekunde mit Megakernels, 4-Bit-Quantisierung und DFly2.

Das sind Herstellerzahlen, wir haben sie nicht nachgemessen; nutze sie für eine Vorauswahl und teste dann deine eigenen Aufgaben. Der [Beitrag zum Hy4-Release](https://omniakey.com/de/blog/tencent-hy4) beschreibt, was sich am 4. November geändert hat, und der [Vergleich von Hy4 mit DeepSeek V4.1 Flash bei Code und Tool-Aufrufen](https://omniakey.com/de/blog/hy4-vs-deepseek-v4-1-flash) zeigt, wie sich das Flaggschiff bei kleinen Aufgaben verhalten hat. Aktueller Zugang und Preise stehen auf der [Hy4-Modellseite](https://omniakey.com/de/hy4).

## Häufige Fragen

### Sind die Hy4-Flash-Gewichte offen?

Ja. Die Gewichte sind öffentlich und unter der Tencent Hy License 1.0 weitergebbar, einer eigenen Lizenz, die von Apache 2.0 abgeleitet ist und in Abschnitt 10 zusätzliche kommerzielle Bedingungen enthält. Es ist nicht Apache 2.0, und Hugging Face taggt sie als `license: other`.

### Was kostet Hy4 Flash?

Tencent Cloud nennt CNY 0.5 pro Million Eingabe-Token, CNY 2 pro Million Ausgabe-Token und CNY 0.02 pro Million gecachter Eingabe-Token. Ein zeitlich begrenzter 50%-Tarif halbiert diese Werte; OpenRouter und Vercel listen 0.035, 0.1405 und 0.0015 pro Million Token.

### Welche Kontext- und Ausgabelimits hat Hy4 Flash?

Karte und Config nennen einen Kontext von 1,048,576 Token. TokenHub begrenzt die Ausgabe auf 64k und die Eingabe auf 960k, OpenRouter auf 65,536 Ausgabe-Token und Vercel auf 64,000; die Karte nennt kein Ausgabelimit.

### Kann ich Hy4 Flash auf meiner eigenen Maschine betreiben?

Tencent veröffentlicht kein GPU-Minimum. Die Beispiele nutzen Tensor Parallel 8 für vLLM und SGLang, und der FP8-Download umfasst 287 GB; plane also mit einem Multi-GPU-Server und teste das Setup selbst.

### Kann ich die Gewichte ohne Tencent-Cloud-Konto nutzen?

Ja. Die drei Hugging-Face-Repositories sind öffentlich und ohne Freigabe, und die Lizenz erlaubt lokale Nutzung und Weitergabe mit Namensnennung. Gehostete Aufrufe brauchen ein Konto bei TokenHub, OpenRouter oder Vercel.

## Geprüfte Quellen

- [Tencent: Hy4-flash Modellkarte](https://huggingface.co/tencent/Hy4-flash)
- [Tencent: Hy4-flash FP8 Modellkarte](https://huggingface.co/tencent/Hy4-flash-FP8)
- [Tencent: Hy4-flash Base Modellkarte](https://huggingface.co/tencent/Hy4-flash-base)
- [Tencent Hy License 1.0](https://huggingface.co/tencent/Hy4-flash/raw/main/LICENSE)
- [Hugging Face API: Metadaten zu tencent/Hy4-flash](https://huggingface.co/api/models/tencent/Hy4-flash)
- [Tencent Cloud TokenHub: hy4-flash](https://cloud.tencent.com/tokenhub/hy4-flash)
- [OpenRouter Modellliste](https://openrouter.ai/api/v1/models)
- [Vercel AI Gateway Modellliste](https://ai-gateway.vercel.sh/v1/models)

Stand 19. November 2026. Wir aktualisieren Limits und Preise, sobald Tencent ein Ausgabelimit veröffentlicht oder den TokenHub-Tarif ändert.
