作者|董道力**|ddl941110腾讯发布新一代旗舰模型 Hy4 的时候就预告即将发布一款 Flash 模型,十二天后 Hy4 flash 如期而至并在今天宣布开源,开发者可以在 GitHub、 Hugging Face 等地方直接下载部署。
看着旗舰模型攻城略地、在各种极限榜单上刷新上限固然过瘾,但回到真实的工作场景里,写文档、改 PPT、搭简单前端这类日常办公需求才是大头。
过去把这些活交给旗舰模型,往往会遇到两个问题。首先是一些高频轻量任务,比如写一段文案或改几行代码,旗舰模型层数深、推理链长,哪怕处理简单请求也要雷霆大思考,响应慢得让人等不起。
其次,模型一旦接入 Agent,需要反复读写文件、调用工具,动辄几十上百轮的上下文往返,又会把单次几美元的旗舰算力成倍叠加,让人用不起。
这正是 Flash 模型的生态位所在。就像腾讯在发布中所划定的分工,把日常生产力任务交给 Hy4 flash,本质上是在不牺牲基础可用性的前提下,把大模型接入日常工作流的门槛拉到“用得起,也等得起”的水平。
Hy4 flash 官方给出的 API 定价是每百万输入 token 0.5 元、输出 2 元,命中缓存的输入是 0.02 元。
对比一下性价比杀手 DeepSeek V4.1 Flash,Hy4 flash 的普通输入和输出单价,相当于前者闲时的一半、高峰时的四分之一。
当然,单看价格没什么意义,我们的最终目的还是用模型完成任务。
这次我们选择了 Hy4、Hy4 flash、DeepSeek V4.1 Flash、GLM 5.3 Flash 进行横评。任务也回归真实常见的办公场景,看看在一众主流 Flash 模型里,Hy4 flash 到底能交出怎样的成绩单。
1
假设硅星人年底要开大会,哪个 Flash 模型最适合
这次测试没有用挑战旗舰能力上限的复杂难题。我们选了日常办公里最常遇到的工作:读材料、写方案、排日程、做表格和汇报,改需求。
任务假设硅星人年底要在北京办一场 AI 大会,350 人,预算上限 30 万元,全权由 AI 来策划。
我们准备了同一套资料,包括旧提案、报价单、嘉宾档期和腾讯文档。题目拆成六部分,每一部分都要真正交付文件或完成线上操作。

四款模型都委派了同样的创意策划角色,也都读取了腾讯文档、Excel 和 PPT 的相关 Skill。
测试在 WorkBuddy 中进行,选取 Hy4、Hy4 flash、DeepSeek V4.1 Flash 和 GLM 5.3 Flash。Hy4 作为同门旗舰参照,每个模型使用独立项目和新会话,前一个完成后再运行下一个避免冲突。思考档位都开到客户端最高可用级别:Hy4 为 high,其余为 max/极致。
先说一下结论:这次横评里,Hy4 flash 在首轮任务中速度最快,也就意味着当你确认好需求让模型做事,Hy4 flash 能最快给你一个还不错的结果。算上后续修改和返工,Hy4 flash 的模型成本也是四款里最低的,一套活动策划下来只花了 1.66 元,比 DeepSeek V4.1 Flash 谷时价格还便宜了 26.5%。

1
总体表现:首稿交得最快,整套流程用时第二
在本次选取的测试记录中,Hy4 flash 用 10 分 20 秒交齐首轮文件,比 DeepSeek V4.1 Flash 快约 3 分 35 秒,比 GLM 5.3 Flash 快约 4 分 58 秒,是四款模型中首轮整套交付最快的。
但日常办公中改动也很常见,如果算上后续的改动任务(变更后交付),DeepSeek V4.1 Flash 累计 28 分 59 秒最快,而 Hy4 flash 为 30 分 11 秒,相差约 1 分 12 秒。Hy4 flash 仍快于另外两个模型,但首轮优势被后续同步工作消耗了一部分。
再来看 WorkBuddy 中可观测的模型用量。Hy4 flash 累计使用 4062.69 万 tokens,与 DeepSeek V4.1 Flash 的 4173.71 万 tokens 接近;GLM 5.3 Flash 为 1842.89 万 tokens,在这组记录中用量最低。
按 API 单价,将缓存命中输入、未命中输入和输出分别换算,Hy4 flash 的估算成本为 1.66 元,比 DeepSeek V4.1 Flash 的 2.26 元低 0.60 元,GLM 5.3 Flash 虽然 token 用量更少,但 API 价格高估算成本为 4.95 元。

token 统一保留两位小数,总计先按原始整数汇总再取整,缓存命中属于输入的一部分,不额外加到总量中。
还有一个细节,Hy4 flash 共发生 261 次可观测模型调用和 270 次工具调用。模型调用数高于其余三款,工具调用数高于 DeepSeek 和 GLM。更多调用可能来自任务拆分、检查、专家协作或重试。可以猜测,如果 Hy4 flash 在流程上再高效些,速度能更快。

整体来看,Hy4 flash 在这组办公测试中兼顾了交付速度与较低的 API 估算成本,首稿最快交齐,把后续修改和返工算进去,累计实际耗时排在第二。后续跨文件同步和补核消耗了首轮的部分领先,专家协作也产生了较多请求。
当然,整个项目有多个种类的任务,我们拆开来看一下,Hy4 flash 的表现。
1
不同任务表现
下面两张是不同任务中,各个模型的使用时间以及 tokens 消耗量。这里要注意,前五项只统计模型处理请求的累计时间。比如做 PPT,模型写代码的时间算在内,但 WorkBuddy 运行脚本的时间没有算进去。因此,这些数字不代表拿到成果需要等多久,也不能直接相加得到前文的总耗时,但所有模型都在 WorkBuddy 中完成相同任务差异并不大,因此这些数据仍可作为分任务表现的对比参考。


1、做 PPT 和预算表:Hy4 flash 用量少,文件也能继续改
一场大会还没开始办,通常就得先做 PPT:活动想讲什么,准备请谁,大概要花多少钱。于是我们让四款模型各做一份简报,再配一张能修改报价、自动算总额的预算表。
Hy4 flash 交了五页 PPT,主题、议程、预算和需要拍板的事都有,文字可以继续编辑。它用脚本一次生成多页,再检查版面。这组共调用模型 18 次,少于 Hy4 的 20 次、DeepSeek 的 38 次和 GLM 的 25 次。
DeepSeek 也交了五页可编辑 PPT,但采用逐页制作和检查,还回头改了预算占比页。GLM 做了六页,同样逐页处理。预算表方面,四款都通过了实际检查。

Hy4 flash 制作的 PPTHy4 flash 制作的 PPTHy4 flash 制作的 PPT这组任务中,四个模型都能完成,Hy4 flash 的模型调用次数和 token 用量则是最低的,token 消耗比 DeepSeek 少约 74%。 对做简报、算预算这类日常工作来说,Hy4 flash 可以算是性价比很高的模型了。
2、做手机网页:都能用,Hy4 flash 的用量不是最少的
到了活动现场,参会者总不能拿着一份 Excel 找会场。所以我们又让四款模型各做了一个手机网页,能搜分享、按会场筛选。日程改了,网页也要跟着改。
四款都做出了可用的页面。我们在约 390 像素宽的窗口里实际试了搜索,也替换了一条议程,重新生成网页和执行表,四款都能更新。
Hy4 flash 做的网页可以搜索活动、按会场筛选。网页和工作人员用的执行表共用一份议程,修改日程后,重新运行脚本,就能一起更新两份文件,不用改两遍。脚本也会检查信息是否漏填、场次编号是否重复、结束时间是否早于开始时间。
DeepSeek 在后续修改中,加入了对现场准备时间的检查。比如,东厅 14:10 才能进场,如果把首场活动也排在 14:10,脚本就会提醒没有预留装台时间,并停止生成文件。

实际试下来,Hy4 flash 这个页面能用,模型请求累计时间也最短,但它并不最省 token,Hy4 和 GLM 的用量都更低。DeepSeek 后来加上的日程检查也有价值,其多思考的时间也不是白浪费。
从生成的页面来看,各有特色,Hy4 flash 采用圆角卡片式,DeepSeek V4.1 Flash UI 比较素,GLM 5.3 Flash 用时间轴串联活动。
手机议程从左到右依次是 Hy4 flash、DeepSeek V4.1 Flash、GLM 5.3 Flash 生成手机议程从左到右依次是 Hy4 flash、DeepSeek V4.1 Flash、GLM 5.3 Flash 生成手机议程从左到右依次是 Hy4 flash、DeepSeek V4.1 Flash、GLM 5.3 Flash 生成3、写活动方案:Hy4 flash 的想法能用,但花得更多
做一场 AI 大会,总不能只是让嘉宾轮流上台讲一整天。我们还希望有一个观众能参与的主题,最好现场就能试出 AI 到底好不好用。
Hy4 flash 给的主意挺适合这场大会:观众出题,嘉宾现场演示,下午再改个要求重做。这个安排容易理解,也能直接放进议程。不过,为了定下这份方案,它前后找策划专家聊了两次,token 用量反而是四款里最多的。
DeepSeek 做的是“AI 对账日”,给观众一张九格计分板,边看演示边打分。GLM 做的是“AI 验收日”,上午说明要验证什么,下午再做一次检查。这两份方案也都能落到活动安排上,用量比 Hy4 flash 少得多。
Hy4 的方案叫“把活交出来”。它的一个优点是把理由写清楚了:哪些事还要拍板,为什么没有采纳某条专家建议,都有说明。比如专家建议上午较早开始一场分享,但嘉宾还没到,它就重新排了时间。接手的人更容易知道还要确认什么。也体现了旗舰模型思考较为全面的特点。

Hy4 flash 的方案能用,但用量是四款中最多的。GLM 也给出了完整的活动主线,这组的 token 用量和模型请求累计时间都最低。
以下是四款模型首轮活动方案摘要。




4、排议程、写腾讯文档:Hy4 flash 最接近要求
大会主题定好后,我们让四款模型当一次会务助理,根据嘉宾档期和会场条件,排出十场活动的日程表,标清时间、地点和嘉宾确认状态,再通过连接器写入腾讯文档,并重新读取检查。
这项任务主要考验模型 MCP 的使用能力,相较于 skill/专家, MCP 可是消耗 tokens大户。
从结果来看四款都真正完成了文档读写,也重新读了一遍检查结果。
资料包含十场必做活动和两场可选活动,由模型自行取舍。Hy4 flash 只安排了必做场次,Hy4 选了一场可选活动,DeepSeek 和 GLM 则两场都选了。

这项 Hy4 flash 的请求累计时间和 token 都最少,交付范围也最接近题目要求。
Hy4 flash 制作的场次表Hy4 flash 制作的场次表Hy4 flash 制作的场次表5、读资料:四款都找到了旧版本里的问题
办活动时,资料很容易越改越多,旧报价和新档期混在一起,拿错一份就可能排错。我们也故意留了这些问题。四款都发现了几处关键变化:主旨嘉宾首轮只能下午出场,东厅要到 10:15 才能使用,视频报价已经从 38,900 元降到 35,200 元等。

在这几条关键约束上,四款没有拉开差距。Hy4 flash 的 token 略少于另外两款 Flash,DeepSeek 的请求累计时间则明显更短。、
6、改需求:Hy4 flash 漏改了邀请函,需要再催一次
以上五个任务是主要考验的是模型生成能力,生成的第一版看起来都能用,但办活动很难不遇到临时变化。我们又加了一轮要求:东厅下午 14:10 才能开门,主旨嘉宾改成只能上午来,再加一套 6,800 元的无线麦。PPT、表格、网页、邀请函和腾讯文档,都要跟着改。

这一轮,四款模型都犯过同一种错误:东厅 14:10 才能进去,却把装台、试屏安排在开门之前。我们指出问题后,它们才重新排期。
Hy4 flash 还漏改了邀请函。网页和执行表已经写着首场 14:45 开始,邀请函却仍是 14:10。原因也很直接:网页和执行表一起更新,邀请函是另外写的,没有跟着改。

这次补改又用了 4 分 12 秒、901.19 万 tokens。它修正了四处邀约时间,并重新读取腾讯文档核对。
把修改、返工和最后检查都算进去,DeepSeek 最早完成这一阶段,GLM 的 token 用量最少。Hy4 flash 比 GLM 少花约 12 秒,但 token 用量明显更多。这一项,它没有延续首轮的领先。
Hy4 flash 做第一版的表现不错,改一整套文件时还需要人盯一下。尤其是邀请函这类另外写的材料,不能看到主表改好了,就默认其他文件也都改好了。
1
Hy4 flash 补齐腾讯模型拼图
把整套测试跑下来,最直观的感受是:随着 Hy4 flash 落地,腾讯在大模型布局上最实用的一块拼图终于补齐了。在此之前,旗舰 Hy4 负责在极限榜单和长程工程上向上探高,但真正落到每天写文档、改表格、搭简单前端的高频办公场景里,行业最缺的其实是一款既能干真活、又算得过账的轻量主力。Hy4 发布十二天后紧跟着推出 flash,补上的正是这一环。
更关键的是,它交出来的不是那种只能应付简单问答的“缩水版”效果,背后靠的也不是简单的参数裁切,而是实打实的架构与后训练取舍。
对比同场竞技的几款模型,就能看出各自的技术路径:DeepSeek V4.1 Flash 把读输入的激活参数压到 80 亿,所以在“读旧资料”和“改需求重核”这类重阅读环节跑得最快;而 Hy4 flash 在保持 120 亿激活参数与完整能力底座的同时,把 KV 缓存压到了旗舰的六分之一,又靠强化学习直接砍掉了一半输出长度。实际工作流里,它都在“写脚本批量出图”和“首轮成套交付”上把往返轮次与生成时间压到了最低,靠硬核的技术底子实打实地跑通了整套办公链路。
技术上的压缩最终也兑现到了账单上。叠加极高的缓存命中率,整个任务跑下来,Hy4 flash 的估算成本只要 1.66 元,甚至比 DeepSeek V4.1 Flash 还要低。

当然价格低也是要钱的,目前 Hy4 flash 在 WorkBuddy 中可以免费使用,模型有多快、有多高效,能不能满足需求,直接上手试试就知道了。而且这个价格,就算之后不免费了,用起来也不心疼。
大模型的竞争走到现在,旗舰模型负责决定能力上限,但决定 AI 能不能真正留在每个人的办公桌上的,往往是这种每天要被调用几十上百次的 Flash 模型。从这次实测来看,腾讯不仅补齐了这一块布局,更用实打实的架构与工程优化,把“用得起,也等得起”做到了能用、好用的水准。




点个“爱心”,再走吧
当前文章无评论,是时候发表评论了