发生了什么
11 月 17 日,腾讯在 Hugging Face、ModelScope 与 GitCode 三个仓库上线 Hy4-flash 的可下载权重,共三个版本:指令微调版、FP8 量化版与预训练基座版。该模型此前于 11 月 16 日先以 API 形式开放,本次放出的不是再一次规格发布,而是可自行部署的检查点。基座版面向继续训练,官方明确它不能直接替代对话版本。
- 规模:总量约 2200 亿,其中 Engram(n-gram 嵌入表)约 640 亿、核心模型约 1555 亿、视觉编码器 4.3 亿、投机解码草稿模型 8.5 亿
- 激活:每个词元约 120 亿(文本部分约 113 亿),路由到 512 个专家中的 16 个,另加 1 个共享专家,主干 42 层
- 上下文:上限 1,048,576 词元,支持文本与图像输入、文本输出
- 体积:标准权重张量数据约 440.5 GB,FP8 版约 287.1 GB;这是权重数据量,不是最低显存要求
真正的门槛在许可,不在技术
权重按腾讯 Hy License 1.0 发布。许可文件自己写明「本许可不是 Apache 2.0」,尽管它衍生自 Apache 2.0。第 10 条设了两道门槛:以模型即服务方式向第三方提供远程推理或微调能力,且任意连续 12 个月内全球总营收超过 5000 万美元;或在月活跃用户超过 1 亿的产品与服务中使用该模型。命中任一条件,须事先取得腾讯的书面授权。内部使用、且模型及其输出都不提供给第三方的,可豁免。
这套结构近月在中美多家实验室反复出现:权重放出来换生态与部署量,但对最大的转售方保留议价权。对年营收低于 5000 万美元的应用团队,实际使用与宽松许可差别不大;对云厂商转售,则等于必须坐到谈判桌前。判断一个模型「是否开源」,2026 年的口径已经变成「许可是什么」而不是「能不能下载」。
部署门槛与厂商自测
官方提供 vLLM 与 SGLang 专用容器,示例配置为 8 路张量并行;Engram 查找表默认卸载到主机内存,因此除显存外还需预留较大内存。起始配置只开到 8192 词元上下文——标称的 104 万词元并不等于任意硬件都能服务该长度。Transformers 侧的支持仍指向一个尚未合并的拉取请求。腾讯称配合草稿模型与 4 位量化,解码可超过 150 词元/秒,但未指明所用硬件。
- 内部基准 WorkIndex(8 组办公任务):Hy4-flash 42.1,Hy4 preview 39.7,完整 Hy4 51.4
- 成本:厂商称单任务平均成本约为 preview 的 1/13、完整 Hy4 的 1/20、DeepSeek-V4.1-Flash-1017 峰时价的 1/8
- 盲评:85 名内部员工、259 个任务,满意度 2.79/4,Claude Haiku 5.5 为 2.81;单任务 0.26 元、中位时长 6.7 分钟
- 基座 few-shot:MMLU 88.7、MMLU-Pro 71.1;对比 DeepSeek-V4-Flash-Base 的 89.7 与 68.6
不确定之处
上述数字全部来自厂商自测与内部盲评,暂无第三方复现。有外部整理指出该模型在 Terminal-Bench 4.0 上仅得 19.2,而完整 Hy4 为 44.4,并推算「二十分之一成本」更接近十倍量级;第三方榜单 Vals 上其排名靠后。腾讯表示更大的 Hy4 权重仍在准备中,TokenHub API 的五折活动持续到 11 月 30 日。企业若以长程软件工程为目标,官方建议仍是完整 Hy4 而非 Flash 档。

