值得,如果……
你有大量短到中等长度的请求,或者系统提示词复用率高,或者目前在用前沿模型处理 12B 活跃参数就能胜任的任务。缓存档在前两种情况下尤其省钱。
Hy4 Flash 是腾讯 Hy4 系列中的高性价比版本:2240亿参数的混合专家架构,每个 token 仅激活 120亿参数,支持百万 token 上下文和多模态输入。在 TokenRa 上,输入仅需 $0.056/百万 token,接口与 OpenAI 完全兼容,现有集成只需更换 base URL、密钥和模型 ID 即可切换。
Hy4 Flash 按 token 计费,无月费门槛。TokenRa 各档均低于腾讯云官方标价,同一模型通过一个密钥调用成本更低。
| 计费项 | TokenRa | 腾讯云官方标价 | 节省 |
|---|---|---|---|
| 输入 | $0.056 / 百万 | $0.070 / 百万 | 20% |
| 输出(补全) | $0.225 / 百万 | $0.281 / 百万 | 20% |
| 缓存输入读取 | $0.0024 / 百万 | $0.003 / 百万 | 20% |
价格单位为每百万 token(美元)。腾讯云数据为撰写时的官方公开标价;TokenRa 数据为实际计费价格。正式排期预算前请查看实时模型列表确认最新费率。
典型 RAG 或文档问答场景,每月发送 1000万输入 token,返回 200万输出 token:
缓存在长系统提示词场景下最划算。缓存读取仅为输入价格的 4.3%($0.0024 ÷ $0.056),一个 5万 token 的指令块发送 1000次,不走缓存约需 $2.80,命中缓存约需 $0.12,仅这一项即可节省 95% 以上。
将固定不变的系统提示词和工具定义放在每次请求的开头,让它们稳定命中缓存读取。把变化部分——用户文档、检索到的片段——放在后面。
腾讯于 2026年11月16日发布 Hy4 Flash,作为 770B 级旗舰 Hy4 的轻量版本。架构采用稀疏设计:总参数 2240亿,每个 token 只激活 120亿。这正是它快速且廉价,同时又不退化到小模型推理质量的原因。
| 规格 | Hy4 Flash |
|---|---|
| 总参数量 | 2240亿(MoE) |
| 每 token 激活参数 | 120亿 |
| 上下文窗口 | 最多 100万输入 token |
| 最大输出 | 每次请求约 64K token |
| 输入模态 | 文本、图片 |
| 工具调用 | 函数工具、JSON 及 JSON-schema 输出 |
| 发布时间 | 2026年11月16日 |
| 开源状态 | 已宣布开源,权重发布日期尚未公布 |
Hy4 是旗舰版(770B 级,已开源),每 token 价格高出数倍。Hy4 Flash 是大批量场景的主力。如果你想查旗舰版价格,请访问 Hy4 API 页面;早期预览版信息参见 Hy4 Preview 文档。
模型 ID 为 hy4-flash。由于渠道命名有时与对外宣传名称不同,建议先查询密钥可访问的模型列表确认:
curl https://tokenra.io/v1/models \
-H "Authorization: Bearer $NEW_API_KEY"
确认后,调用方式与 GPT 或 Claude 完全一致——请求结构、SDK 均无需改动:
curl https://tokenra.io/v1/chat/completions \
-H "Authorization: Bearer $NEW_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "hy4-flash",
"messages": [
{
"role": "user",
"content": "Explain quantum entanglement in one paragraph."
}
],
"temperature": 0.7
}'
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["NEW_API_KEY"],
base_url="https://tokenra.io/v1",
)
resp = client.chat.completions.create(
model="hy4-flash",
messages=[
{
"role": "user",
"content": "Explain quantum entanglement in one paragraph.",
},
],
temperature=0.7,
)
print(resp.choices[0].message.content)
print(resp.usage) # prompt_tokens / completion_tokens / total_tokens
Hy4 Flash 的图片输入方式与 OpenAI 视觉模型相同——将 URL 或 base64 数据 URI 作为 image_url 内容块传入:
resp = client.chat.completions.create(
model="hy4-flash",
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "这张仪表盘图表有什么问题?"},
{"type": "image_url", "image_url": {"url": "https://example.com/chart.png"}},
],
}],
)
函数调用使用标准 tools 数组,需要固定输出格式时可在 response_format 中传入 {"type": "json_object"} 或完整的 json_schema。代码库里为 gpt-4o-mini 或 deepseek-chat 写的调用逻辑,改一个模型字符串即可在 Hy4 Flash 上运行。
/v1/models 返回的精确模型 ID(本页使用 hy4-flash),以及你的账号允许的最大输出 token 数——公开资料显示约 64K,以控制台为准。
这三个模型经常被放在一起比较,因为它们处于相近的价位。诚实的答案是:它们适合不同的任务,而不是哪一个赢了另一个。
| 模型 | 规模 | 上下文 | 适用场景 |
|---|---|---|---|
| Hy4 Flash | 224B MoE,12B 活跃 | 100万 | token 成本敏感的高并发文本和图片任务:信息提取、摘要、批量翻译、常规代码生成。 |
| Hy4 | 770B 级旗舰 | 100万 | 长周期 Agent 编程和高难度推理,错误答案的代价高于 token 账单。 |
| DeepSeek V4.1 Flash | 约 304B MoE | 131万 | 需要略大激活量和最长上下文,且技术栈已偏向 DeepSeek 的场景。 |
实用原则:先用 Hy4 Flash 跑原型,只在任务未通过你在意的检验时——单元测试、schema 校验、人工审核——才把请求路由到 Hy4。大多数流水线中,这样能让 80–90% 的流量留在廉价档,而不出现可感知的质量下降。
你有大量短到中等长度的请求,或者系统提示词复用率高,或者目前在用前沿模型处理 12B 活跃参数就能胜任的任务。缓存档在前两种情况下尤其省钱。
你的业务依赖前沿推理基准上的原生表现,或者今天就需要自托管权重——开源发布已宣布但日期未定。
输入 $0.056/百万 token,输出 $0.225/百万 token,缓存读取 $0.0024/百万 token。比腾讯云官方标价($0.070 / $0.281 / $0.003)低 20%。
hy4-flash,本页全文统一使用该 ID。写入生产代码前,请先通过 GET /v1/models 在你的密钥下确认精确字符串。
最多 100万输入 token。每次请求的输出上限据公开资料约为 64K token,以控制台显示为准。
腾讯已宣布将开源,但截至 2026年11月17日尚未公布权重发布日期。在此之前请使用托管 API。
均支持。图片以 image_url 内容块传入;函数工具使用标准 tools 数组,response_format 支持 JSON 和 JSON-schema 输出。
可以。将 base_url 指向 https://tokenra.io/v1,使用 TokenRa 密钥,模型设为 hy4-flash,请求其余部分无需改动。