Tencent ajoute à sa famille Hy un modèle moins cher et, un jour seulement après son lancement commercial, le rend téléchargeable. Le groupe a annoncé Hy4 flash le 16 novembre 2026 sur son site de recherche Hy et dans un communiqué, en le présentant comme le modèle Hy au meilleur rapport coût-efficacité à ce jour. Au petit matin du 17 novembre (UTC), l'équipe Tencent Hy a mis en ligne trois checkpoints sur Hugging Face, ModelScope et GitCode, accompagnés d'un nouveau dépôt GitHub, Tencent-Hunyuan/Hy4-flash : la version Hy4 flash entraînée à suivre des instructions, une variante FP8 destinée à la production et Hy4 flash-base, simplement pré-entraîné.
Il s'agit d'un modèle à mélange d'experts qui lit textes et images, produit du texte et accepte une fenêtre de contexte de 1 048 576 tokens. Les supports de lancement évoquent 224 milliards de paramètres au total, dont 64 milliards de paramètres dits Engram, alors que la fiche technique publiée sur GitHub aboutit à environ 220 milliards : un tronc de 155,5B, 63,5B de tables Engram, un encodeur visuel de 0,43B et un modèle de brouillon de 0,85B. Dans tous les cas, seuls quelque 12 milliards de paramètres s'activent pour chaque token.
L'architecture mise tout sur la sobriété. Des couches d'attention clairsemée alternent avec des couches à fenêtre glissante dans un rapport d'une pour trois ; les experts opèrent dans un espace latent compressé, 16 sur 512 étant sollicités par token en plus d'un expert partagé ; enfin, des plongements appris de bigrammes et de trigrammes, récupérés par hachage, viennent compléter le tronc. Un module de brouillon intégré à cinq couches, DFly2, réutilise le cache du modèle principal pour le décodage spéculatif. D'après Tencent, ces choix ramènent le cache KV à un vingt-quatrième de celui de Hy3 et à un sixième de celui de Hy4, l'apprentissage par renforcement a divisé par deux la longueur moyenne des réponses, et megakernels, quantification sur 4 bits et DFly portent le décodage au-delà de 150 tokens par seconde.
Côté tarifs, la grille affiche environ 0,070 dollar par million de tokens en entrée, 0,281 dollar par million en sortie et 0,003 dollar pour une entrée en cache, bien en dessous de Hy4. Le modèle est proposé via Tencent Cloud TokenHub et intégré à des produits comme WorkBuddy, Yuanbao, WeCom, QQ et ima, tandis qu'une arrivée sur OpenRouter est annoncée prochainement. Jusqu'au 30 novembre, il est gratuit dans WorkBuddy et facturé moitié prix sur TokenHub.
Les performances revendiquées reposent surtout sur des mesures internes. Sur WorkIndex, un banc d'essai maison bâti à partir de tâches courantes de WorkBuddy comme la création de présentations, l'édition de documents ou la réparation de tableurs, l'entreprise attribue 42,1 points à Hy4 flash contre 39,7 pour Hy4 preview, pourtant bien plus gros, pour un treizième du coût par tâche. Lors d'un test à l'aveugle mené auprès de 85 utilisateurs internes de WorkBuddy, la satisfaction aurait approché celle de Claude Haiku 5.5, d'Anthropic. Les tableaux publiés situent Hy4 flash-base légèrement sous DeepSeek-V4-flash-Base sur plusieurs tests de connaissances, et Tencent reconnaît que ce modèle de base ne respecte pas toujours le format attendu en évaluation few-shot. Le groupe conseille Hy4 flash pour la recherche, le traitement documentaire, les diaporamas, les petites démos front-end et le pilotage d'ordinateur, et réserve Hy4 au génie logiciel de longue haleine.
Les poids ne sont pas publiés sous une licence open source classique. La Tencent Hy License reprend Apache 2.0 mais y ajoute une section 10 : un acteur qui propose le modèle comme service hébergé doit obtenir une licence écrite distincte dès que son chiffre d'affaires mondial dépasse 50 millions de dollars sur douze mois glissants, et il en va de même pour tout produit comptant plus de 100 millions d'utilisateurs mensuels. L'usage interne en est exempté. Dans un billet publié le 18 novembre pour le routeur de modèles OrcaRouter, jinhao.song estime que c'est cette clause, bien plus que les tableaux de scores, qui fera la réputation de cette sortie, et relève qu'aucun score indépendant n'était encore disponible.
La prise en charge côté serveur était prête dès le premier jour, mais reste figée sur des versions précises. La recette du projet vLLM s'appuie sur une image de conteneur dédiée plutôt que sur un paquet publié, cible les GPU de centre de données NVIDIA Hopper et Blackwell, déporte les tables Engram vers la mémoire de l'hôte et n'inclut pas encore le matériel AMD. Pour les équipes en quête d'un modèle multimodal à long contexte à exploiter elles-mêmes, Hy4 flash constitue une option sérieuse ; reste à voir si ses promesses d'efficacité résisteront aux évaluations externes.