Hy4 Flash:100 万上下文、价格和 API 接入
腾讯 Hy4 Flash 现在既能通过托管 API 调用,也公开了权重:总参数约 220B,采用腾讯 Hy 许可。
本页内容
Hy4 Flash 有两种用法:作为托管模型调用,或者下载公开权重。托管的渠道是腾讯云、OpenRouter 和 Vercel AI Gateway,权重放在 Hugging Face 上。模型卡写着总参数约 220B、每个 token 激活 12B。许可为 Tencent Hy License 1.0,2026 年 11 月 19 日核对。
- 托管调用: 腾讯云 TokenHub 上的
hy4-flash,以及 OpenRouter 和 Vercel AI Gateway 上的tencent/hy4-flash。 - 权重: instruct、FP8 和 Base 三个仓库,全部公开、无需申请,总参数约 220B、激活 12B。
- 价格: 标价每百万输入 token 人民币 0.5 元、每百万输出 token 2 元;限时 50% 折扣后两者减半。
2026 年 11 月 19 日更新:权重已经公开。下面的价格、限制和仓库信息都是当天核对的。
Hy4 Flash 现在能用吗?
能。腾讯云把 hy4-flash 列为在线,两个网关都列出了 tencent/hy4-flash,三个 Hugging Face 仓库公开且无需申请。
| 平台 | 模型 ID | 状态 |
|---|---|---|
| 腾讯云 TokenHub | hy4-flash | 在线 |
| OpenRouter | tencent/hy4-flash | 已列出 |
| Vercel AI Gateway | tencent/hy4-flash | 已列出 |
| Hugging Face | tencent/Hy4-flash | 公开 |
腾讯云和两个网关的页面都把 2026 年 11 月 16 日写成托管版发布日。OpenRouter 的标准 slug 是 tencent/hy4-flash-20261116。TokenHub 的同一个模型 ID 支持三种请求方式:OpenAI chat completions、Responses API、Anthropic Messages。这样 OpenAI 或 Anthropic 的 SDK 都能直接调用。
该下载哪个 Hy4 Flash 权重?
除非你要大批量部署或做微调,先从 tencent/Hy4-flash 开始。它是 instruct 模型,支持图像输入和工具调用。FP8 仓库 是同一个 instruct 模型的量化版本,用于推理部署;Base 仓库 是预训练模型,没有做对话微调。
| 仓库 | 用途 | 大小 |
|---|---|---|
| Hy4-flash | 对话、视觉、工具 | 441 GB |
| Hy4-flash-FP8 | FP8 部署 | 287 GB |
| Hy4-flash-base | 微调 | 439 GB |
大小是仓库存储总量,四舍五入到整 GB,不是显存需求。
三个仓库共用一套架构:42 层,512 个 routed experts,每个 token 激活其中 16 个,另加 1 个 shared expert。词表 120,832 个 token,位置上限 1,048,576 个 token。输入是文本和图像,输出是文本。模型卡的拆分是:Engram 之外的语言模型参数 155.5B,加上 63.5B Engram、0.43B 视觉和 0.85B DFly2。四部分合计 220.28B,权重文件合计 220.25B。每个 token 的实际计算是 11.3B 文本参数加 0.43B 视觉参数,四舍五入为 12B。
腾讯 11 月 16 日的发布材料写 224B,最新模型卡写约 220B。两个数字都来自官方;做容量规划时按模型卡的约 220B 算。
FP8 仓库用 E4M3 权重,128×128 分块,激活动态量化;语言模型头、token embedding 和 hc_head 没有转换。
腾讯 Hy 许可要求什么?
权重可以下载、可以再分发,前提是署名。许可基于 Apache 2.0 改写,第 10 条给大型模型即服务运营方加了商业条款。所以这是腾讯自定义条款下的开放权重,许可文件写明它没有采用 Apache 2.0。
再分发时要附一份许可副本,在修改过的文件上放醒目说明,保留原有的署名声明;你自己的条款不能删除或限制第 10 条。微调、量化、蒸馏、合并或剪枝后的权重都算衍生作品,第 10 条同样跟着走。
第 10 条管的是模型即服务:让第三方远程使用推理或微调,包括通过 API 提供。门槛有两个,任一超出都要另签书面许可。第一,公司及其关联方任意连续 12 个月的全球总营收(不论来源)超过 US$50 million(5000 万美元)。第二,相关服务在一个自然月内的月活超过 1 亿。不提供通用模型能力的窄用途终端功能,以及只把请求转给独立第三方模型的服务,不在这个定义里。仅内部使用时,只有成果、衍生作品及其输出都不流向第三方才豁免。腾讯的许可联系邮箱是 hy_partners@tencent.com。
全文在 Tencent Hy License 1.0 里。Hugging Face 给三个仓库打的标签是 license: other,名称 tencent-hy-license,许可文件写明没有采用 Apache 2.0。
腾讯的示例用什么硬件和软件?
腾讯没有公布 GPU 型号、显存数字或最少卡数。模型卡给的是两套部署命令,都用 tensor parallel 8,另加一条 Transformers 加载路径。
vLLM 镜像是 vllm/vllm-openai:hy4-flash,加载 FP8 仓库,参数为 --tensor-parallel-size 8,注意力后端用 FLASHMLA_SPARSE,DFly 推测解码配置为 5 个 token,并启用 hy_v4 的 tool-call 和 reasoning 解析器。SGLang 镜像是 lmsysorg/sglang:hy4-flash,用 --tp 8 运行,DFLY 块大小 6,支持 x86 或 Arm。两条都是官方发布的命令,对应八卡拓扑。
Transformers 支持还没进正式版本。模型卡说很快会合并到主分支,并指向一个 pull request 提交,加载类用 AutoModelForImageTextToText 和 AutoProcessor。
把 tensor parallel 8 当成示例的布局,而不是官方给出的最低配置或显存需求。287 GB 的 FP8 下载量是磁盘和传输数字。选机器时按 checkpoint 和你自己的序列长度算,再拿真实流量测一遍。
上下文和 API 限制是多少?
上下文窗口是 1,048,576 个 token,模型卡 和 config 里都这么写。各托管平台写法不同,输出上限也对不上。
| 平台 | 上下文 | 输出上限 |
|---|---|---|
| TokenHub | 1024K | 64k |
| OpenRouter | 1,048,576 | 65,536 |
| Vercel | 1,024,000 | 64,000 |
| 模型卡 | 1,048,576 | 未给出 |
TokenHub 把输入限制在 960k 个 token。模型卡没写输出上限,三个平台之间最多差 1,536 个 token。跑长任务时在所用平台的上限之下留出余量,别假设最大的数字到处都适用。
腾讯云的模型页写的是每分钟 300 次请求、10,000,000 个 token;页面把请求数标为最大 RPM。这是 TokenHub 的一手页面。页面还写着 1,000,000 个 token 的免费额度,不过期。
输入是文本和图像。模型卡和三个平台页面都没有把视频、音频列为支持的输入。推理参数接受 high(默认,开启思考)或 no_think,模型卡建议 temperature 0.9、top_p 1.0。
托管调用 Hy4 Flash 多少钱?
腾讯云的模型页标价:每百万输入 token 人民币 0.5 元,每百万输出 token 2 元,每百万缓存输入 token 0.02 元。限时 50% 折扣后是 0.25 元、1 元和 0.01 元;页面三条价格都标了 0.5 折扣,没有写结束日期。
| 每百万 token | 输入 | 输出 | 缓存命中 |
|---|---|---|---|
| 标价 | ¥0.5 | ¥2 | ¥0.02 |
| 50% 折扣 | ¥0.25 | ¥1 | ¥0.01 |
一次请求 20,000 个输入 token、2,000 个输出 token。按标价算:20,000 × 0.5 / 1,000,000 + 2,000 × 2 / 1,000,000 = 人民币 0.014 元。五折后 0.007 元。一天一百次这样的调用是 1.4 元,按当前折扣是 0.7 元。重复使用相同的前缀时,重复部分按每百万 0.02 元计费,而不是 0.5 元,所以把固定指令和共用文档放在前面。
OpenRouter 和 Vercel AI Gateway 都用美元报价,单位是每百万 token。输入 0.035 美元,输出 0.1405 美元,缓存 0.0015 美元,11 月 19 日核对。同样的 20,000/2,000 请求等于 $0.000981,大约一美分的十分之一。算式是 20,000 × 0.035 / 1,000,000 + 2,000 × 0.1405 / 1,000,000。一百次是 $0.0981。腾讯的 TokenHub 用人民币结算,两种报价分开看。
下载权重还是调用 API?
需求波动大、想要 100 万上下文又不想自己搭推理服务、或者现在就要工具调用和结构化输出,就调托管模型。提示词和输出必须留在自己的环境里、要用 Base checkpoint 做微调、或者稳定流量大到值得买机器,就下载权重。
另一个决定因素是许可。如果打算通过 API 把模型开放给第三方,先按你公司及关联方的营收和用户数对照第 10 条,再动工。
想换一条调用腾讯模型的路径,OmniaKey 目录里有旗舰 Hy4,当前价格见价格页。Hy4 Flash 是另一个模型。
Hy4 Flash 和 Hy4 怎么比?
在腾讯的产品线里,Hy4 Flash 排在 Hy4 之下。腾讯自己的 WorkIndex 分数是 Flash 42.1、Hy4 51.4;在同一套内部测试上,腾讯把 Flash 的单任务成本算成 Hy4 的 1/20。它还声称用 megakernel、4-bit 量化和 DFly2 把解码速度做到每秒 150 个 token 以上。
这些是厂商数字,我们没有复测;拿来筛候选,再到自己的任务上测。11 月 4 日改了什么,看 Hy4 发布文章;旗舰在小任务上的表现,看 Hy4 对 DeepSeek V4.1 Flash 的编程和工具调用对比。当前的接入方式和价格在 Hy4 模型页。
常见问题
Hy4 Flash 的权重是开放的吗?
是。权重公开、可以再分发,条件是遵守 Tencent Hy License 1.0:它基于 Apache 2.0 改写,第 10 条加了商业条款。它没有采用 Apache 2.0,Hugging Face 的标签是 license: other。
Hy4 Flash 多少钱?
腾讯云标价每百万输入 token 人民币 0.5 元、每百万输出 token 2 元、每百万缓存输入 token 0.02 元。限时 50% 折扣后这些数字减半;OpenRouter 和 Vercel 标的是每百万 token 0.035、0.1405 和 0.0015 美元。
Hy4 Flash 的上下文和输出上限是多少?
模型卡和 config 都写 1,048,576 个 token 的上下文。TokenHub 把输出限制在 64k、输入限制在 960k。OpenRouter 输出 65,536 个 token,Vercel 是 64,000,模型卡没有写输出上限。
能自己在本机跑 Hy4 Flash 吗?
腾讯没有公布 GPU 最低配置。示例里 vLLM 和 SGLang 都用 tensor parallel 8,FP8 下载量 287 GB,所以按多卡服务器准备,再自己实测。
没有腾讯云账号也能用这些权重吗?
能。三个 Hugging Face 仓库公开、无需申请,许可允许本地使用和署名再分发。托管调用需要 TokenHub、OpenRouter 或 Vercel 账号。
来源核对
- 腾讯:Hy4-flash 模型卡
- 腾讯:Hy4-flash FP8 模型卡
- 腾讯:Hy4-flash Base 模型卡
- Tencent Hy License 1.0
- Hugging Face API:tencent/Hy4-flash 元数据
- 腾讯云 TokenHub:hy4-flash
- OpenRouter 模型列表
- Vercel AI Gateway 模型列表
2026 年 11 月 19 日更新。腾讯公布输出上限或调整 TokenHub 价格后,我们会更新限制和价格。