Hy4 Flash : contexte de 1M, prix et accès API
Tencent Hy4 Flash est à la fois un modèle d'API hébergé et une publication de poids publics, avec environ 220B de paramètres au total sous la Tencent Hy License.
Sur cette page
- Peut-on utiliser Hy4 Flash aujourd'hui ?
- Quels poids de Hy4 Flash télécharger ?
- Que demande la Tencent Hy License ?
- Quel matériel et quels logiciels utilisent les exemples de Tencent ?
- Quelles sont les limites de contexte et d'API ?
- Combien coûtent les appels hébergés à Hy4 Flash ?
- Télécharger les poids ou appeler l'API ?
- Comment Hy4 Flash se compare-t-il à Hy4 ?
- Questions fréquentes
- Les poids de Hy4 Flash sont-ils ouverts ?
- Combien coûte Hy4 Flash ?
- Quelles sont les limites de contexte et de sortie de Hy4 Flash ?
- Puis-je exécuter Hy4 Flash sur ma propre machine ?
- Puis-je utiliser les poids sans compte Tencent Cloud ?
- Sources vérifiées
Hy4 Flash s'utilise de deux façons : comme modèle hébergé sur Tencent Cloud, OpenRouter et Vercel AI Gateway, ou comme poids publics sur Hugging Face. La fiche annonce environ 220 milliards de paramètres au total et 12 milliards actifs par token sous la Tencent Hy License 1.0 (vérifié le 19 novembre 2026).
- Hébergé :
hy4-flashsur Tencent Cloud TokenHub ;tencent/hy4-flashsur OpenRouter et Vercel AI Gateway. - Poids : dépôts instruct, FP8 et Base, tous publics et sans demande d'accès, avec environ 220B au total et 12B actifs.
- Prix : CNY 0.5 en entrée et CNY 2 en sortie par million de tokens au tarif catalogue ; un tarif temporaire de 50% divise les deux par deux.
Mis à jour le 19 novembre 2026 : les poids sont désormais publics. Les prix, limites et détails des dépôts ci-dessous ont été vérifiés ce jour-là.
Peut-on utiliser Hy4 Flash aujourd'hui ?
Oui. Tencent Cloud affiche hy4-flash en ligne, les deux passerelles listent tencent/hy4-flash, et les trois dépôts Hugging Face sont publics et sans demande d'accès.
| Où | ID du modèle | État |
|---|---|---|
| Tencent Cloud TokenHub | hy4-flash | En ligne |
| OpenRouter | tencent/hy4-flash | Référencé |
| Vercel AI Gateway | tencent/hy4-flash | Référencé |
| Hugging Face | tencent/Hy4-flash | Public |
Tencent Cloud et les deux passerelles donnent le 16 novembre 2026 comme date de sortie de la version hébergée. Le slug canonique d'OpenRouter est tencent/hy4-flash-20261116. TokenHub accepte trois styles de requête sous un même ID de modèle : OpenAI chat completions, la Responses API et Anthropic Messages, si bien que les SDK OpenAI ou Anthropic atteignent le même modèle.
Quels poids de Hy4 Flash télécharger ?
Commencez par tencent/Hy4-flash sauf si vous servez à grande échelle ou prévoyez un fine-tuning. C'est le modèle instruct, avec entrée d'images et appels d'outils. Le dépôt FP8 est le même modèle instruct quantifié pour le service, et le dépôt Base est préentraîné, sans ajustement pour le chat.
| Dépôt | Pour quoi | Taille |
|---|---|---|
| Hy4-flash | Chat, vision, outils | 441 GB |
| Hy4-flash-FP8 | Service FP8 | 287 GB |
| Hy4-flash-base | Fine-tuning | 439 GB |
Les tailles sont les totaux de stockage des dépôts arrondis au Go le plus proche, pas un besoin en mémoire.
Les trois partagent une architecture : 42 couches, 512 experts routés avec 16 actifs par token plus un expert partagé, un vocabulaire de 120,832 tokens et une limite de position de 1,048,576 tokens. Entrent du texte et des images ; sort du texte. La fiche décompose en 155.5B de paramètres de modèle de langage hors Engram, plus 63.5B d'Engram, 0.43B de vision et 0.85B de DFly2. Les quatre parties totalisent 220.28B, et les fichiers de poids 220.25B. Le travail actif par token est de 11.3B de texte plus 0.43B de vision, arrondi à 12B.
Le matériel de lancement de Tencent du 16 novembre annonçait 224B ; la dernière fiche de poids donne environ 220B. Les deux chiffres sont officiels ; pour dimensionner, utilisez les 220B approximatifs de la fiche.
Le dépôt FP8 utilise des poids E4M3 par blocs de 128 sur 128 avec des activations dynamiques, et laisse non convertis la tête du modèle de langage, les embeddings de tokens et hc_head.
Que demande la Tencent Hy License ?
Les poids sont téléchargeables et redistribuables avec attribution, sous une licence propre dérivée d'Apache 2.0. La section 10 ajoute des conditions commerciales pour les grands opérateurs de modèles en tant que service : ce sont donc des poids ouverts sous des conditions propres à Tencent ; le fichier précise qu'il ne s'agit pas d'Apache 2.0.
La redistribution exige une copie de la licence, des mentions visibles sur les fichiers modifiés et le maintien des mentions d'attribution ; vos propres conditions ne peuvent ni supprimer ni limiter la section 10. Les poids ajustés, quantifiés, distillés, fusionnés ou élagués comptent comme des œuvres dérivées, et la section 10 les suit.
La section 10 couvre le modèle en tant que service : donner à des tiers un accès distant à l'inférence ou au fine-tuning, y compris via une API. Une licence écrite distincte est requise si le chiffre d'affaires brut mondial agrégé de l'entité et de ses affiliés, toutes sources confondues, dépasse US$50 million sur une période de 12 mois consécutifs, ou si le service concerné dépasse 100 millions d'utilisateurs actifs mensuels sur un mois calendaire. Les fonctions étroites destinées aux utilisateurs finaux sans accès à un modèle généraliste, et les services qui ne font que relayer des requêtes vers un modèle tiers exploité indépendamment, sortent de cette définition. L'usage purement interne n'est exempté que si l'œuvre, ses dérivés et leurs sorties restent à l'écart des tiers. Le contact licences de Tencent est hy_partners@tencent.com.
Le texte complet est dans la Tencent Hy License 1.0. Hugging Face étiquette les dépôts license: other avec le nom tencent-hy-license, et le fichier précise qu'il ne s'agit pas d'Apache 2.0.
Quel matériel et quels logiciels utilisent les exemples de Tencent ?
Tencent ne publie ni modèle de GPU, ni chiffre de VRAM, ni nombre minimal de GPU. Ce que la fiche fournit, ce sont deux recettes de service, toutes deux en tensor parallel 8, plus un mode de chargement via Transformers.
L'image vLLM est vllm/vllm-openai:hy4-flash. Elle charge le dépôt FP8 avec --tensor-parallel-size 8, le backend d'attention FLASHMLA_SPARSE et une configuration spéculative DFly de cinq tokens, et active les parseurs tool-call et reasoning de hy_v4. L'image SGLang est lmsysorg/sglang:hy4-flash, lancée avec --tp 8, DFLY en bloc de 6, sur x86 ou Arm. Les deux sont des commandes publiées pour une topologie de huit GPU.
La prise en charge par Transformers n'est pas encore dans une version. La fiche indique une fusion prochaine dans la branche principale et pointe vers un commit de pull request, avec AutoModelForImageTextToText et AutoProcessor comme classes de chargement.
Considérez tensor parallel 8 comme la disposition de l'exemple, pas comme un minimum annoncé ni une promesse sur la mémoire. Le téléchargement FP8 de 287 GB est un chiffre de disque et de transfert. Dimensionnez la machine selon le checkpoint et votre longueur de séquence, puis testez avec votre propre trafic.
Quelles sont les limites de contexte et d'API ?
La fenêtre de contexte est de 1,048,576 tokens sur la fiche du modèle et dans le config. Chaque hôte l'écrit différemment, et leurs plafonds de sortie ne concordent pas non plus.
| Endroit | Contexte | Plafond de sortie |
|---|---|---|
| TokenHub | 1024K | 64k |
| OpenRouter | 1,048,576 | 65,536 |
| Vercel | 1,024,000 | 64,000 |
| Fiche | 1,048,576 | non précisé |
TokenHub limite l'entrée à 960k tokens. La fiche ne donne aucune limite de sortie, et les trois hôtes diffèrent jusqu'à 1,536 tokens. Pour les travaux longs, gardez de la marge sous le plafond de l'hôte plutôt que de supposer que le plus grand chiffre s'applique partout.
La page du modèle de Tencent Cloud indique 300 requêtes et 10,000,000 de tokens par minute ; la page étiquette le chiffre des requêtes comme RPM maximal. C'est la fiche de première main pour TokenHub. La page affiche aussi une allocation gratuite de 1,000,000 de tokens sans expiration.
L'entrée est du texte et des images. La vidéo et l'audio n'apparaissent pas comme entrées prises en charge, ni sur la fiche ni sur les pages des trois hôtes. Le raisonnement accepte high (la valeur par défaut, réflexion activée) ou no_think, et la fiche recommande temperature 0.9 avec top_p 1.0.
Combien coûtent les appels hébergés à Hy4 Flash ?
La page du modèle de Tencent Cloud indique CNY 0.5 par million de tokens d'entrée, CNY 2 par million de tokens de sortie et CNY 0.02 par million de tokens d'entrée en cache. Un tarif temporaire de 50% les ramène à CNY 0.25, CNY 1 et CNY 0.01 ; la page affiche une remise de 0.5 sur les trois lignes et ne donne pas de date de fin.
| Par 1M de tokens | Entrée | Sortie | Cache |
|---|---|---|---|
| Catalogue | ¥0.5 | ¥2 | ¥0.02 |
| Tarif 50% | ¥0.25 | ¥1 | ¥0.01 |
Une requête de 20,000 tokens d'entrée et 2,000 de sortie coûte 20,000 × 0.5 / 1,000,000 + 2,000 × 2 / 1,000,000 = CNY 0.014 au tarif catalogue, ou CNY 0.007 au tarif remisé. Cent appels de ce type en une journée font CNY 1.4, ou CNY 0.7 au tarif actuel. Réutiliser un préfixe de prompt identique facture la partie répétée à CNY 0.02 par million au lieu de CNY 0.5, donc placez les instructions fixes et les documents partagés en tête.
OpenRouter et Vercel AI Gateway listent des tarifs en dollars : 0.035 par million de tokens d'entrée, 0.1405 par million de tokens de sortie et 0.0015 par million de tokens en cache, vérifiés le 19 novembre. La même requête 20,000/2,000 coûte 20,000 × 0.035 / 1,000,000 + 2,000 × 0.1405 / 1,000,000 = $0.000981, soit environ un dixième de centime. Cent appels font $0.0981. Tencent facture TokenHub en CNY, gardez donc les deux listes séparées.
Télécharger les poids ou appeler l'API ?
Appelez le modèle hébergé quand la demande est en pics, quand vous voulez la fenêtre de 1M sans exploiter votre propre pile de service, ou quand il vous faut dès aujourd'hui des appels d'outils et une sortie structurée. Téléchargez les poids quand les prompts et les sorties doivent rester dans votre environnement, quand vous voulez le checkpoint Base pour un fine-tuning, ou quand un trafic régulier justifie le matériel.
La licence est l'autre facteur. Si vous comptez exposer le modèle à des tiers via une API, comparez la section 10 aux seuils de revenus et d'utilisateurs de votre entité et de ses affiliés avant de construire le service.
Pour une autre voie vers les modèles de Tencent, le catalogue d'OmniaKey référence Hy4, le modèle phare, avec les tarifs actuels sur la page des prix. Hy4 Flash est un modèle distinct.
Comment Hy4 Flash se compare-t-il à Hy4 ?
Hy4 Flash se situe sous Hy4 dans la gamme de Tencent. Le score WorkIndex de Tencent est de 42.1 pour Flash contre 51.4 pour Hy4, et l'entreprise place Flash à 1/20 du coût par tâche de Hy4 sur le même ensemble interne. Elle annonce aussi des vitesses de décodage supérieures à 150 tokens par seconde avec megakernels, quantification 4 bits et DFly2.
Ce sont des chiffres du fournisseur, que nous n'avons pas refaits ; servez-vous en pour présélectionner, puis testez vos propres tâches. Le récit de lancement de Hy4 détaille ce qui a changé le 4 novembre, et la comparaison de Hy4 et DeepSeek V4.1 Flash sur le code et les appels d'outils montre comment le modèle phare s'est comporté sur de petites tâches. Pour l'accès et les tarifs actuels, voir la page du modèle Hy4.
Questions fréquentes
Les poids de Hy4 Flash sont-ils ouverts ?
Oui. Les poids sont publics et redistribuables sous la Tencent Hy License 1.0, une licence propre dérivée d'Apache 2.0 avec des conditions commerciales supplémentaires à la section 10. Ce n'est pas Apache 2.0, et Hugging Face l'étiquette license: other.
Combien coûte Hy4 Flash ?
Tencent Cloud indique CNY 0.5 par million de tokens d'entrée, CNY 2 par million de tokens de sortie et CNY 0.02 par million de tokens d'entrée en cache. Un tarif temporaire de 50% divise ces chiffres par deux ; OpenRouter et Vercel listent 0.035, 0.1405 et 0.0015 par million de tokens.
Quelles sont les limites de contexte et de sortie de Hy4 Flash ?
La fiche et le config donnent un contexte de 1,048,576 tokens. TokenHub plafonne la sortie à 64k et l'entrée à 960k, OpenRouter à 65,536 tokens de sortie et Vercel à 64,000 ; la fiche ne donne aucun plafond de sortie.
Puis-je exécuter Hy4 Flash sur ma propre machine ?
Tencent ne publie aucun minimum de GPU. Ses exemples utilisent tensor parallel 8 pour vLLM comme pour SGLang, et le téléchargement FP8 fait 287 GB : prévoyez un serveur multi-GPU et testez vous-même l'installation.
Puis-je utiliser les poids sans compte Tencent Cloud ?
Oui. Les trois dépôts Hugging Face sont publics et sans demande d'accès, et la licence autorise l'usage local et la redistribution avec attribution. Les appels hébergés demandent un compte TokenHub, OpenRouter ou Vercel.
Sources vérifiées
- Tencent : fiche du modèle Hy4-flash
- Tencent : fiche du modèle Hy4-flash FP8
- Tencent : fiche du modèle Hy4-flash Base
- Tencent Hy License 1.0
- API Hugging Face : métadonnées de tencent/Hy4-flash
- Tencent Cloud TokenHub : hy4-flash
- Liste des modèles OpenRouter
- Liste des modèles Vercel AI Gateway
Mis à jour le 19 novembre 2026. Nous réviserons les limites et les prix dès que Tencent publiera un plafond de sortie ou modifiera le tarif de TokenHub.
Articles similaires
Tencent Hy4 vs Hy4 preview : ce qui change à la sortie
Hy4 Flash est disponible depuis le 16 novembre 2026, avec un contexte de 1M de tokens et un accès publié sur Tencent Cloud, OpenRouter et Vercel AI Gateway.
HY4 vs DeepSeek V4.1 Flash : code et outils
Quatre petites tâches, une exécution chacune : l'écart tient à l'attente et à la sortie.
DeepSeek V4.1 Flash 1017 : ce qui change et notre test face à V4 Pro
Même ID, même prix, meilleurs scores. Nous l'avons mesuré face à V4 Pro.