# Hy4 Flash：100 万上下文、价格和 API 接入

> 腾讯 Hy4 Flash 的权重已公开，有 instruct、FP8 和 Base 三个版本。220B 模型的自定义许可、API 限制、价格和硬件示例一次说清。

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

---

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](https://huggingface.co/tencent/Hy4-flash) 开始。它是 instruct 模型，支持图像输入和工具调用。[FP8 仓库](https://huggingface.co/tencent/Hy4-flash-FP8) 是同一个 instruct 模型的量化版本，用于推理部署；[Base 仓库](https://huggingface.co/tencent/Hy4-flash-base) 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](https://huggingface.co/tencent/Hy4-flash/raw/main/LICENSE) 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](https://huggingface.co/tencent/Hy4-flash) 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](https://cloud.tencent.com/tokenhub/hy4-flash)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](https://cloud.tencent.com/tokenhub/hy4-flash)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](https://openrouter.ai/api/v1/models) 和 [Vercel AI Gateway](https://ai-gateway.vercel.sh/v1/models) 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](https://omniakey.com/zh/hy4)，当前价格见[价格页](https://omniakey.com/zh/pricing)。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](https://omniakey.com/zh/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](https://omniakey.com/zh/blog/tencent-hy4)；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](https://omniakey.com/zh/blog/hy4-vs-deepseek-v4-1-flash)。当前的接入方式和价格在 [Hy4 模型页](https://omniakey.com/zh/hy4)。

## 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](https://huggingface.co/tencent/Hy4-flash)
- [腾讯：Hy4-flash FP8 模型卡](https://huggingface.co/tencent/Hy4-flash-FP8)
- [腾讯：Hy4-flash Base 模型卡](https://huggingface.co/tencent/Hy4-flash-base)
- [Tencent Hy License 1.0](https://huggingface.co/tencent/Hy4-flash/raw/main/LICENSE)
- [Hugging Face API：tencent/Hy4-flash 元数据](https://huggingface.co/api/models/tencent/Hy4-flash)
- [腾讯云 TokenHub：hy4-flash](https://cloud.tencent.com/tokenhub/hy4-flash)
- [OpenRouter 模型列表](https://openrouter.ai/api/v1/models)
- [Vercel AI Gateway 模型列表](https://ai-gateway.vercel.sh/v1/models)

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。
