Tencent wypuszcza Hy4 Flash — konkurenta Claude Haiku z kontekstem miliona tokenów



Tencent udostępnił model Hy4 Flash, natywnie multimodalny, z oknem kontekstowym na 1 mln tokenów i niskimi kosztami inferencji. Firma twierdzi, że dla codziennych zadań jest porównywalny z Claude Haiku 5.5 w trybie High.
Tencent wypuścił Hy4 Flash — natywnie multimodalny model pozycjonowany jako konkurent Claude Haiku.
- 224 mld parametrów, z których aktywnych jest tylko 12 mld.
- Okno kontekstowe: 1 mln tokenów.
- Natywna multimodalność.
- Ceny: 0,07 USD za 1 mln tokenów wejściowych i 0,281 USD za 1 mln tokenów wyjściowych.
- Tokeny wejściowe w cache: 0,003 USD za 1 mln.
- Według Tencent model jest porównywalny z Claude Haiku 5.5 w trybie High dla codziennych zadań.
- Koszt wykonania zadań jest 18 razy niższy.
Do 30 listopada model można również bezpłatnie używać w WorkBuddy.
Dlaczego to ważne
AnalizaHy4 Flash pokazuje, jak rozrzedzone aktywne parametry i cache mogą obniżać koszty AI dla rutynowych zadań bez rezygnacji z bardzo dużego kontekstu. Dla developerów oznacza to potencjalnie tańsze asystenci, agenci i aplikacje multimodalne.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Gemini Flash & Pro (Google Gemini)
Rodzina multimodalnych modeli od Google DeepMind, łącząca rekordowe okno kontekstowe (do 2 mln tokenów), ekstremalną szybkość generacji (ponad 150 tokenów/s) oraz natywne przetwarzanie wideo i audio.
Google Gemini Pro (Model Google z ogromnym kontekstem)
Główny model roboczy od Google DeepMind z rekordowym oknem kontekstowym wynoszącym ponad 2 miliony tokenów. Zdolny do analizowania całych książek, nagrań wideo oraz dużych baz kodu w ramach jednego zapytania.
Qwen4-Max już dostępna: 50% mniej tokenów i niższy koszt zadania
Qwen4-Max wprowadza architekturę MoE, kontekst 1 mln tokenów, wbudowaną obsługę obrazów oraz znaczną redukcję kosztów.
Część I. Architektura agentów AI: fundamentalne elementy
Dziesięć fundamentalnych elementów współczesnego agenta: taksonomia modeli, pętla runtime, techniki promptowania, destylacja, umiejętności (skills), pamięć, wywoływanie funkcji oraz ekonomia jednostkowa.