Hy4 Flash: contexto de 1M, preço e acesso à API
O Tencent Hy4 Flash é ao mesmo tempo um modelo de API hospedado e um lançamento de pesos públicos, com cerca de 220B de parâmetros totais sob a Tencent Hy License.
Nesta página
- Dá para usar o Hy4 Flash hoje?
- Qual peso do Hy4 Flash baixar?
- O que a Tencent Hy License exige?
- Que hardware e software os exemplos da Tencent usam?
- Quais são os limites de contexto e de API?
- Quanto custam as chamadas hospedadas ao Hy4 Flash?
- Baixar os pesos ou chamar a API?
- Como o Hy4 Flash se compara ao Hy4?
- Perguntas frequentes
- Os pesos do Hy4 Flash são abertos?
- Quanto custa o Hy4 Flash?
- Quais são os limites de contexto e de saída do Hy4 Flash?
- Posso rodar o Hy4 Flash na minha própria máquina?
- Posso usar os pesos sem uma conta da Tencent Cloud?
- Fontes consultadas
O Hy4 Flash funciona de duas formas: como modelo hospedado na Tencent Cloud, no OpenRouter e no Vercel AI Gateway, e como pesos públicos no Hugging Face. O cartão do modelo indica cerca de 220 bilhões de parâmetros totais e 12 bilhões ativos por token sob a Tencent Hy License 1.0 (verificado em 19 de novembro de 2026).
- Hospedado:
hy4-flashno Tencent Cloud TokenHub;tencent/hy4-flashno OpenRouter e no Vercel AI Gateway. - Pesos: repositórios instruct, FP8 e Base, todos públicos e sem pedido de acesso, com cerca de 220B no total e 12B ativos.
- Preço: CNY 0.5 de entrada e CNY 2 de saída por milhão de tokens na tabela; uma tarifa temporária de 50% corta os dois pela metade.
Atualizado em 19 de novembro de 2026: os pesos agora são públicos. Preços, limites e detalhes dos repositórios abaixo foram verificados nesse dia.
Dá para usar o Hy4 Flash hoje?
Sim. A Tencent Cloud lista hy4-flash como online, os dois gateways listam tencent/hy4-flash, e os três repositórios do Hugging Face são públicos e sem pedido de acesso.
| Onde | ID do modelo | Status |
|---|---|---|
| Tencent Cloud TokenHub | hy4-flash | Online |
| OpenRouter | tencent/hy4-flash | Listado |
| Vercel AI Gateway | tencent/hy4-flash | Listado |
| Hugging Face | tencent/Hy4-flash | Público |
A Tencent Cloud e os dois gateways dão 16 de novembro de 2026 como data de lançamento da versão hospedada. O slug canônico do OpenRouter é tencent/hy4-flash-20261116. O TokenHub aceita três estilos de requisição com um mesmo ID de modelo: OpenAI chat completions, a Responses API e Anthropic Messages, então SDKs da OpenAI ou da Anthropic chegam ao mesmo modelo.
Qual peso do Hy4 Flash baixar?
Comece pelo tencent/Hy4-flash a menos que você atenda em grande volume ou vá fazer fine-tuning. É o modelo instruct, com entrada de imagens e chamadas de ferramentas. O repositório FP8 é o mesmo modelo instruct quantizado para servir, e o repositório Base é pré-treinado, sem ajuste para chat.
| Repositório | Para quê | Tamanho |
|---|---|---|
| Hy4-flash | Chat, visão, ferramentas | 441 GB |
| Hy4-flash-FP8 | Serviço em FP8 | 287 GB |
| Hy4-flash-base | Fine-tuning | 439 GB |
Os tamanhos são o total de armazenamento dos repositórios arredondado para o GB mais próximo, não um requisito de memória.
Os três compartilham a arquitetura: 42 camadas, 512 experts roteados com 16 ativos por token mais um expert compartilhado, vocabulário de 120,832 tokens e limite de posição de 1,048,576 tokens. Entra texto e imagem; sai texto. O cartão divide em 155.5B de parâmetros de modelo de linguagem fora do Engram, mais 63.5B de Engram, 0.43B de visão e 0.85B de DFly2. As quatro partes somam 220.28B, e os arquivos de pesos somam 220.25B. O trabalho ativo por token é 11.3B de texto mais 0.43B de visão, arredondado para 12B.
O material de lançamento da Tencent de 16 de novembro dava 224B; o cartão de pesos mais recente dá cerca de 220B. Os dois números são oficiais; para dimensionar capacidade, use os 220B aproximados do cartão.
O repositório FP8 usa pesos E4M3 em blocos de 128 por 128 com ativações dinâmicas e deixa sem conversão a cabeça do modelo de linguagem, os embeddings de tokens e hc_head.
O que a Tencent Hy License exige?
Os pesos podem ser baixados e redistribuídos com atribuição, sob uma licença própria derivada da Apache 2.0. A seção 10 acrescenta condições comerciais para grandes operadores de modelo como serviço, então são pesos abertos sob condições próprias da Tencent; o arquivo declara que não é Apache 2.0.
Redistribuir exige uma cópia da licença, avisos visíveis nos arquivos modificados e a manutenção dos avisos de atribuição; seus próprios termos não podem remover nem limitar a seção 10. Pesos ajustados, quantizados, destilados, mesclados ou podados contam como obras derivadas, e a seção 10 vai junto.
A seção 10 cobre modelo como serviço: dar a terceiros acesso remoto a inferência ou fine-tuning, inclusive por API. Exige uma licença escrita separada se a receita bruta mundial agregada da entidade e de suas afiliadas, de qualquer origem, passar de US$50 million em qualquer período de 12 meses consecutivos, ou se o serviço em questão passar de 100 milhões de usuários ativos mensais em um mês civil. Recursos estreitos para usuários finais sem acesso a um modelo de uso geral, e serviços que apenas repassam requisições a um modelo de terceiro operado de forma independente, ficam fora dessa definição. O uso apenas interno só é isento se a obra, seus derivados e suas saídas não chegarem a terceiros. O contato de licenciamento da Tencent é hy_partners@tencent.com.
O texto completo está na Tencent Hy License 1.0. O Hugging Face marca os repositórios com license: other e o nome tencent-hy-license, e o arquivo declara que não é Apache 2.0.
Que hardware e software os exemplos da Tencent usam?
A Tencent não publica modelo de GPU, número de VRAM nem quantidade mínima de GPUs. O que o cartão traz são duas receitas de serviço, ambas com tensor parallel 8, mais um caminho de carregamento via Transformers.
A imagem do vLLM é vllm/vllm-openai:hy4-flash. Ela carrega o repositório FP8 com --tensor-parallel-size 8, o backend de atenção FLASHMLA_SPARSE e uma configuração especulativa DFly de cinco tokens, e ativa os parsers de tool-call e reasoning do hy_v4. A imagem do SGLang é lmsysorg/sglang:hy4-flash, rodada com --tp 8, DFLY em bloco de 6, em x86 ou Arm. Os dois são comandos publicados para uma topologia de oito GPUs.
O suporte a Transformers ainda não está em uma versão. O cartão diz que será mesclado na branch principal em breve e aponta para um commit de pull request, com AutoModelForImageTextToText e AutoProcessor como classes de carregamento.
Trate tensor parallel 8 como o arranjo do exemplo, não como mínimo declarado nem promessa sobre memória. O download FP8 de 287 GB é um número de disco e transferência. Dimensione a máquina pelo checkpoint e pelo seu comprimento de sequência, depois teste com o seu próprio tráfego.
Quais são os limites de contexto e de API?
A janela de contexto é de 1,048,576 tokens no cartão do modelo e no config. Cada host escreve de um jeito, e os tetos de saída também não batem.
| Local | Contexto | Teto de saída |
|---|---|---|
| TokenHub | 1024K | 64k |
| OpenRouter | 1,048,576 | 65,536 |
| Vercel | 1,024,000 | 64,000 |
| Cartão | 1,048,576 | não informado |
O TokenHub limita a entrada a 960k tokens. O cartão não dá limite de saída, e os três hosts diferem em até 1,536 tokens. Em trabalhos longos, deixe folga abaixo do teto do host em vez de supor que o maior número vale em todo lugar.
A página do modelo da Tencent Cloud lista 300 requisições e 10,000,000 de tokens por minuto; a página rotula o número de requisições como RPM máximo. É a listagem de primeira mão do TokenHub. A página também mostra uma franquia gratuita de 1,000,000 de tokens sem validade.
A entrada é texto e imagens. Vídeo e áudio não aparecem como entradas suportadas nem no cartão nem nas páginas dos três hosts. O raciocínio aceita high (o padrão, pensamento ligado) ou no_think, e o cartão recomenda temperature 0.9 com top_p 1.0.
Quanto custam as chamadas hospedadas ao Hy4 Flash?
A página do modelo da Tencent Cloud lista CNY 0.5 por milhão de tokens de entrada, CNY 2 por milhão de tokens de saída e CNY 0.02 por milhão de tokens de entrada em cache. Uma tarifa temporária de 50% leva a CNY 0.25, CNY 1 e CNY 0.01; a página mostra desconto de 0.5 nas três linhas e não informa data de término.
| Por 1M de tokens | Entrada | Saída | Cache |
|---|---|---|---|
| Tabela | ¥0.5 | ¥2 | ¥0.02 |
| Tarifa 50% | ¥0.25 | ¥1 | ¥0.01 |
Uma requisição com 20,000 tokens de entrada e 2,000 de saída custa 20,000 × 0.5 / 1,000,000 + 2,000 × 2 / 1,000,000 = CNY 0.014 na tabela, ou CNY 0.007 na tarifa com desconto. Cem chamadas assim em um dia dão CNY 1.4, ou CNY 0.7 na tarifa atual. Reutilizar um prefixo de prompt idêntico cobra a parte repetida a CNY 0.02 por milhão em vez de CNY 0.5, então coloque instruções fixas e documentos compartilhados no começo.
O OpenRouter e o Vercel AI Gateway listam tarifas em dólar: 0.035 por milhão de tokens de entrada, 0.1405 por milhão de saída e 0.0015 por milhão de tokens em cache, verificadas em 19 de novembro. A mesma requisição de 20,000/2,000 custa 20,000 × 0.035 / 1,000,000 + 2,000 × 0.1405 / 1,000,000 = $0.000981, mais ou menos um décimo de centavo. Cem chamadas somam $0.0981. A Tencent cobra o TokenHub em CNY, então mantenha as duas listas separadas.
Baixar os pesos ou chamar a API?
Chame o modelo hospedado quando a demanda tem picos, quando você quer a janela de 1M sem manter uma pilha de serviço própria, ou quando precisa de chamadas de ferramentas e saída estruturada hoje. Baixe os pesos quando prompts e saídas precisam ficar no seu ambiente, quando quer o checkpoint Base para fine-tuning, ou quando o tráfego estável justifica o hardware.
A licença é o outro fator. Se você pretende expor o modelo a terceiros por API, confira a seção 10 contra os limites de receita e de usuários da sua entidade e de suas afiliadas antes de construir o serviço.
Para outro caminho até os modelos da Tencent, o catálogo da OmniaKey lista o Hy4, o carro-chefe, com as tarifas atuais na página de preços. O Hy4 Flash é um modelo separado.
Como o Hy4 Flash se compara ao Hy4?
O Hy4 Flash fica abaixo do Hy4 na linha da Tencent. A pontuação WorkIndex da própria Tencent é 42.1 para o Flash contra 51.4 para o Hy4, e a empresa coloca o Flash em 1/20 do custo por tarefa do Hy4 no mesmo conjunto interno. Também afirma velocidades de decodificação acima de 150 tokens por segundo com megakernels, quantização de 4 bits e DFly2.
São números do fornecedor, e não os refizemos; use-os para pré-selecionar e depois teste suas próprias tarefas. O relato do lançamento do Hy4 conta o que mudou em 4 de novembro, e a comparação de código e chamadas de ferramentas entre o Hy4 e o DeepSeek V4.1 Flash mostra como o carro-chefe se saiu em tarefas pequenas. Para acesso e tarifas atuais, veja a página do modelo Hy4.
Perguntas frequentes
Os pesos do Hy4 Flash são abertos?
Sim. Os pesos são públicos e redistribuíveis sob a Tencent Hy License 1.0, uma licença própria derivada da Apache 2.0 com condições comerciais extras na seção 10. Não é Apache 2.0, e o Hugging Face a marca como license: other.
Quanto custa o Hy4 Flash?
A Tencent Cloud lista CNY 0.5 por milhão de tokens de entrada, CNY 2 por milhão de saída e CNY 0.02 por milhão de tokens de entrada em cache. Uma tarifa temporária de 50% corta esses valores pela metade; OpenRouter e Vercel listam 0.035, 0.1405 e 0.0015 por milhão de tokens.
Quais são os limites de contexto e de saída do Hy4 Flash?
O cartão e o config dão um contexto de 1,048,576 tokens. O TokenHub limita a saída a 64k e a entrada a 960k, o OpenRouter a 65,536 tokens de saída e o Vercel a 64,000; o cartão não declara teto de saída.
Posso rodar o Hy4 Flash na minha própria máquina?
A Tencent não publica mínimo de GPU. Os exemplos usam tensor parallel 8 tanto no vLLM quanto no SGLang, e o download FP8 tem 287 GB, então planeje um servidor multi-GPU e teste a configuração você mesmo.
Posso usar os pesos sem uma conta da Tencent Cloud?
Sim. Os três repositórios do Hugging Face são públicos e sem pedido de acesso, e a licença permite uso local e redistribuição com atribuição. Chamadas hospedadas precisam de uma conta no TokenHub, no OpenRouter ou no Vercel.
Fontes consultadas
- Tencent: cartão do modelo Hy4-flash
- Tencent: cartão do modelo Hy4-flash FP8
- Tencent: cartão do modelo Hy4-flash Base
- Tencent Hy License 1.0
- API do Hugging Face: metadados de tencent/Hy4-flash
- Tencent Cloud TokenHub: hy4-flash
- Lista de modelos do OpenRouter
- Lista de modelos do Vercel AI Gateway
Atualizado em 19 de novembro de 2026. Vamos revisar limites e preços quando a Tencent publicar um teto de saída ou mudar a tarifa do TokenHub.
Artigos relacionados
Tencent Hy4 vs Hy4 preview: o que mudou na versão final
O Hy4 Flash está disponível desde 16 de novembro de 2026, com contexto de 1M de tokens e acesso publicado no Tencent Cloud, OpenRouter e Vercel AI Gateway.
HY4 vs DeepSeek V4.1 Flash: código e ferramentas
Quatro tarefas pequenas, uma execução cada: a diferença está na espera e na saída.
DeepSeek V4.1 Flash 1017: o que mudou e como se saiu contra o V4 Pro
Mesmo ID, mesmo preço, notas maiores. Rodamos o modelo contra o V4 Pro.