A Tencent juntou à família Hy um modelo mais barato e, um dia depois do lançamento comercial, tornou-o descarregável. A empresa anunciou o Hy4 flash a 16 de novembro de 2026, no seu site de investigação Hy e num comunicado de imprensa, apresentando-o como o modelo Hy com melhor relação custo-eficácia até hoje. Na madrugada de 17 de novembro (UTC), a equipa Tencent Hy publicou três checkpoints no Hugging Face, no ModelScope e no GitCode, além de um novo repositório no GitHub, o Tencent-Hunyuan/Hy4-flash: o Hy4 flash afinado para instruções, uma versão FP8 para produção e o Hy4 flash-base, apenas pré-treinado.

Trata-se de um modelo de mistura de especialistas que lê texto e imagens, gera texto e suporta uma janela de contexto de 1 048 576 tokens. Os materiais de lançamento indicam 224 mil milhões de parâmetros no total, incluindo 64 mil milhões de parâmetros Engram, mas a ficha técnica no GitHub soma cerca de 220 mil milhões: um núcleo de 155,5B, 63,5B em tabelas Engram, um codificador visual de 0,43B e um modelo de rascunho de 0,85B. Em qualquer dos casos, só cerca de 12 mil milhões ficam ativos em cada token.

O desenho aposta tudo na eficiência. Camadas de atenção esparsa alternam com camadas de janela deslizante na proporção de uma para três; os especialistas trabalham num espaço latente comprimido, com 16 de 512 escolhidos por token e mais um partilhado; e embeddings aprendidos de bigramas e trigramas, obtidos por consultas de hash, complementam o núcleo. Um rascunhador interno de cinco camadas, o DFly2, reaproveita a cache do modelo principal para descodificação especulativa. Segundo a Tencent, estas opções reduzem a cache KV a um vinte e quatro avos da do Hy3 e a um sexto da do Hy4, a aprendizagem por reforço cortou para metade o comprimento médio das respostas e megakernels, quantização a 4 bits e DFly levam a descodificação acima de 150 tokens por segundo.

Quanto a preços, a tabela aponta cerca de 0,070 dólares por milhão de tokens de entrada, 0,281 por milhão de saída e 0,003 para entrada em cache, muito abaixo do Hy4. O modelo está acessível pelo Tencent Cloud TokenHub e dentro de produtos como WorkBuddy, Yuanbao, WeCom, QQ e ima, e a chegada ao OpenRouter foi anunciada para breve. Até 30 de novembro é gratuito no WorkBuddy e custa metade no TokenHub.

As alegações de qualidade assentam sobretudo em medições próprias. No WorkIndex, um teste interno construído a partir de tarefas típicas do WorkBuddy, como criar apresentações, editar documentos ou reparar folhas de cálculo, a empresa atribui 42,1 pontos ao Hy4 flash contra 39,7 do Hy4 preview, bem maior, com um treze avos do custo por tarefa. Num teste cego com 85 utilizadores internos do WorkBuddy, diz que a satisfação ficou perto da do Claude Haiku 5.5, da Anthropic. As tabelas publicadas colocam o Hy4 flash-base ligeiramente abaixo do DeepSeek-V4-flash-Base em vários testes de conhecimento, e a própria Tencent admite que o modelo base por vezes não respeita o formato pedido em avaliações few-shot. A recomendação oficial é usá-lo em pesquisa, documentos, diapositivos, pequenas demonstrações de front-end e uso do computador, deixando ao Hy4 completo a engenharia de software de longo fôlego.

Os pesos não seguem uma licença de código aberto convencional. A Tencent Hy License parte da Apache 2.0, mas acrescenta uma secção 10: quem oferecer o modelo como serviço alojado precisa de uma licença escrita à parte se as receitas mundiais ultrapassarem 50 milhões de dólares em qualquer período de 12 meses, e o mesmo vale para produtos com mais de 100 milhões de utilizadores mensais. O uso interno fica isento. Num texto para o encaminhador de modelos OrcaRouter, a 18 de novembro, jinhao.song defendeu que será esta cláusula, e não as tabelas de resultados, a determinar o juízo sobre o lançamento, e lembrou que ainda não existia qualquer pontuação independente.

O suporte para servir o modelo chegou no primeiro dia, mas ainda depende de versões fixas. A receita do projeto vLLM usa uma imagem de contentor dedicada em vez de um pacote publicado, destina-se a GPU de centro de dados NVIDIA Hopper e Blackwell, descarrega as tabelas Engram para a memória do anfitrião e ainda não abrange hardware AMD. Para equipas que procuram um modelo multimodal de contexto longo para correr em casa, o Hy4 flash é uma opção séria; falta saber se as promessas de eficiência resistem a testes externos.

Referências