同一天腾讯混元上线轻量旗舰 Hy4 flash,总参数 224B、激活只有 12B,支持多模态和百万上下文。官方数据显示综合效果略优于总参数 770B 的 Hy4 preview,但单任务成本只有后者的十三分之一、标准版 Hy4 的二十分之一。
它靠什么把成本打下来 主要三招。混合注意力加 LatentMoE 加 Engram 的架构组合,把 KV cache 压到 Hy4 的六分之一,长上下文推理的显存压力直接减负。再加 megakernel 和 4bit 量化,解码速度超过每秒 150 token。价格上每百万 token 输入 0.5 元、输出 2 元,命中缓存时输入只要 0.02 元。
两个厂商,两种路线 阿里选择继续往上堆智能上限,用更大的总容量去啃专业任务;腾讯选择用更小的体格换更低的单价,把长尾调用场景吃下来。这两条路并不冲突,反而说明市场在分层:高价值任务愿意为能力付溢价,海量低价值任务只认成本。
盲测数据的读法 腾讯在 85 位内部用户、27 类共 259 个任务上做了盲测,满意度接近 Claude Haiku 5.5,单任务成本在所有对照模型里最低,端到端耗时也最短。内部盲测要打折看,样本量和任务分布都不公开,但它至少说明一件事:小模型在常规任务上的差距已经很小了。
选型思路 如果你的业务是客服分流、文档摘要、表单抽取这类高频低难度任务,先别一上来就上最大杯。用轻量模型打底,把最难的百分之十路由给大模型,成本能降一个数量级,而用户几乎感知不到差别。这套分层路由的做法今年会变成标配。
本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。