شرکت Tencent عضو ارزانتری به خانواده مدلهای Hy افزوده و فقط یک روز پس از عرضه تجاری، آن را برای دانلود در دسترس گذاشته است. این شرکت ۱۶ نوامبر ۲۰۲۶ در سایت پژوهشی Hy و در یک بیانیه خبری، Hy4 flash را مقرونبهصرفهترین مدل Hy تا امروز خواند. بامداد ۱۷ نوامبر به وقت جهانی، تیم Tencent Hy سه نسخه از مدل را در Hugging Face، ModelScope و GitCode منتشر کرد و مخزن تازهای هم با نام Tencent-Hunyuan/Hy4-flash در GitHub ساخت: نسخه دستورپذیر Hy4 flash، نسخه FP8 برای استقرار عملیاتی و Hy4 flash-base که فقط پیشآموزش دیده است.
این مدل از معماری ترکیب متخصصان بهره میبرد، متن و تصویر را میخواند، متن تولید میکند و پنجره زمینهای به اندازه ۱٬۰۴۸٬۵۷۶ توکن دارد. مطالب رسمی عرضه از ۲۲۴ میلیارد پارامتر سخن میگویند که ۶۴ میلیارد آن پارامترهای موسوم به Engram است، اما جدول مشخصات مدل در GitHub به حدود ۲۲۰ میلیارد میرسد: بدنه اصلی ۱۵۵٫۵ میلیاردی، ۶۳٫۵ میلیارد پارامتر در جدولهای Engram، رمزگذار تصویری ۰٫۴۳ میلیاردی و مدل پیشنویس ۰٫۸۵ میلیاردی. در هر حال، برای هر توکن تنها حدود ۱۲ میلیارد پارامتر فعال میشود.
طراحی این مدل سراسر بر صرفهجویی تکیه دارد. لایههای توجه پراکنده و لایههای پنجره لغزان با نسبت یک به سه پشت سر هم میآیند؛ متخصصها در فضای پنهان فشرده کار میکنند و برای هر توکن ۱۶ متخصص از ۵۱۲ متخصص به همراه یک متخصص مشترک انتخاب میشوند؛ بازنماییهای آموختهشده دوتایی و سهتایی واژهها نیز با جستوجوی درهمسازی کنار بدنه اصلی قرار گرفتهاند. یک ماژول پیشنویس داخلی پنجلایه به نام DFly2 حافظه نهان مدل اصلی را برای رمزگشایی گمانهزن دوباره به کار میگیرد. به گفته Tencent، این انتخابها حافظه KV را به یکبیستوچهارم Hy3 و یکششم Hy4 کاهش داده، یادگیری تقویتی طول میانگین پاسخها را نصف کرده و ترکیب مگاکرنلها، کوانتیزهسازی چهاربیتی و DFly سرعت رمزگشایی را به بیش از ۱۵۰ توکن در ثانیه رسانده است.
در بخش قیمت، Tencent برای هر میلیون توکن ورودی حدود ۰٫۰۷۰ دلار، برای هر میلیون توکن خروجی ۰٫۲۸۱ دلار و برای ورودی ذخیرهشده ۰٫۰۰۳ دلار اعلام کرده که بسیار کمتر از Hy4 است. این مدل از طریق Tencent Cloud TokenHub و درون محصولاتی مانند WorkBuddy، Yuanbao، WeCom، QQ و ima در دسترس است و قرار است بهزودی به OpenRouter هم برسد. تا ۳۰ نوامبر استفاده از آن در WorkBuddy رایگان است و در TokenHub با نیمبها عرضه میشود.
ادعاهای کیفی عمدتاً بر سنجشهای خود شرکت استوار است. Tencent در WorkIndex، محک داخلیای که از کارهای معمول WorkBuddy مانند ساخت اسلاید، ویرایش سند و ترمیم صفحهگسترده ساخته شده، امتیاز ۴۲٫۱ را برای Hy4 flash و ۳۹٫۷ را برای Hy4 preview بسیار بزرگتر گزارش میکند، آن هم با یکسیزدهم هزینه برای هر کار. این شرکت میگوید در یک آزمون کور با ۸۵ کاربر داخلی WorkBuddy، رضایت کاربران به سطح Claude Haiku 5.5 ساخت Anthropic نزدیک بوده است. جدولهای منتشرشده، Hy4 flash-base را در چند آزمون دانش کمی پایینتر از DeepSeek-V4-flash-Base نشان میدهند و خود Tencent هشدار داده که مدل پایه گاهی در ارزیابیهای چندنمونهای قالب پاسخ را رعایت نمیکند. توصیه رسمی شرکت استفاده از Hy4 flash برای جستوجو، کار با اسناد، ساخت اسلاید، نمونههای ساده رابط کاربری و کار با رایانه است و برای مهندسی نرمافزار طولانیمدت، Hy4 کامل را پیشنهاد میکند.
وزنها با مجوز متنباز متعارف منتشر نشدهاند. مجوز Tencent Hy License بر پایه Apache 2.0 نوشته شده اما بند دهمی به آن افزوده است: شرکتهایی که مدل را بهصورت سرویس میزبانیشده ارائه میکنند، اگر درآمد جهانیشان در هر بازه دوازدهماهه از ۵۰ میلیون دلار بگذرد، به مجوز کتبی جداگانه نیاز دارند و این شرط برای هر محصولی با بیش از ۱۰۰ میلیون کاربر ماهانه هم صدق میکند. استفاده داخلی از این شرط معاف است. جینهائو سونگ (jinhao.song) در یادداشتی که ۱۸ نوامبر برای مسیریاب مدل OrcaRouter نوشت، استدلال کرد که داوری درباره این عرضه را همین بند تعیین میکند و نه جدولهای امتیاز، و یادآوری کرد که هنوز هیچ امتیاز مستقلی برای مدل منتشر نشده است.
پشتیبانی از اجرای مدل از روز نخست فراهم شد، اما هنوز به نسخههای مشخصی گره خورده است. دستورالعمل پروژه vLLM بهجای بسته منتشرشده بر یک ایمیج کانتینر اختصاصی تکیه دارد، برای پردازندههای گرافیکی مرکز داده NVIDIA از نسل Hopper و Blackwell طراحی شده، جدولهای Engram را به حافظه میزبان منتقل میکند و هنوز سختافزار AMD را پوشش نمیدهد. برای تیمهایی که دنبال مدلی چندوجهی با زمینه طولانی برای اجرای مستقل هستند، Hy4 flash گزینه جدی تازهای است؛ اما درستی ادعاهای کارایی آن را باید آزمونهای بیرونی روشن کنند.