A Tencent apresentou o Hy4 Flash, primeiro integrante da categoria Flash na quarta geração da família Hunyuan, projetado para máxima velocidade e eficiência de custo em tarefas cotidianas e fluxos de agentes. Junto à estreia, o OpenCode liberou o modelo gratuitamente com uso quase ilimitado e política de retenção zero de dados (Zero Data Retention — ZDR) pelas próximas duas semanas.

O Hy4 Flash possui 224 bilhões de parâmetros totais — incluindo 64 bilhões em tabelas de memória condicional Engram — mas ativa apenas 12 bilhões de parâmetros por token (frente a 770B totais e 49B ativos no modelo principal Hy4). A combinação de atenção híbrida, LatentMoE e módulos Engram reduz o tamanho do cache KV para 1/6 do Hy4 e 1/24 do Hy3.

Relação entre pontuação e custo médio por tarefa do Hy4 Flash na suíte interna WorkIndex e em benchmarks públicos. Fonte: Tencent Hunyuan.

Velocidade, custos e disponibilidade

  • Destilação com RL e >150 tokens/s: pós-treinado por autodestilação a partir do Hy4 e comprimido via aprendizado por reforço (RL) para cortar em 50% o volume de tokens de saída por tarefa, o modelo utiliza quantização de 4 bits, megakernels e DFly para superar 150 tokens por segundo com janela de contexto multimodal de 1 milhão de tokens.

  • Fração do custo no WorkIndex: na suíte corporativa WorkIndex e em testes cegos internos, igualou o índice de satisfação do Claude Haiku 5.5 (2,79 contra 2,81) custando 18 vezes menos por tarefa, além de superar o Hy4 preview a 1/20 do custo por tarefa do Hy4 completo.

  • Preços de API e pesos abertos: no Tencent Cloud TokenHub, a tarifa oficial é de US$ 0,070 (¥ 0,50) por milhão de tokens de entrada, US$ 0,281 (¥ 2,00) na saída e US$ 0,003 (¥ 0,02) em cache. A Tencent confirmou que também disponibilizará os pesos abertos (open-weights) do modelo futuramente.