Čínský technologický gigant Tencent představil nový jazykový model Hy4 flash. Nemá překonávat rekordy v programování ani řešit složité vědecké úlohy. Vývojáři ho navrhli pro běžnou kancelářskou práci, například pro vyhledávání informací, tvorbu prezentací, úpravy dokumentů nebo opravy tabulek. Hlavním cílem ale byla nízká cena. Podle firemních testů vyjde jeden úkol zhruba na dvacetinu nákladů oproti plné verzi modelu Hy4.
Dle slov společnosti jde o dosud nejvýhodnějším modelu z celé řady Hy. Systém už běží v aplikacích WorkBuddy a Yuanbao a vývojáři ho najdou také v cloudové službě TokenHub.
Změny v modelu
Hy4 flash využívá architekturu takzvané směsi expertů. Celkově má 224 miliard parametrů, ale při zpracování každého tokenu jich zapojí jen asi 12 miliard. Systém tak nemusí pokaždé aktivovat celou svou kapacitu, což výrazně šetří výpočetní výkon i peníze.
Stejně jako plnohodnotný Hy4 umí model od základu pracovat s více druhy vstupů najednou, tedy s textem, obrázky i dalšími formáty. Zvládne kontext až kolem milionu tokenů, takže si poradí i s velmi dlouhými dokumenty. Dokumentace služby TokenHub uvádí maximální vstup 960 tisíc tokenů a výstup 64 tisíc tokenů.
Inženýři Tencentu se výrazně soustředili na rychlost. Model optimalizovali pomocí čtyřbitové kvantizace a dalších technik, díky kterým Hy4 flash generuje přes 150 tokenů za sekundu. Firma ho tak může nasadit ve velkém a za nízkou cenu.
Změnil se i přístup k hodnocení. Místo veřejných žebříčků, které podle Tencentu často nemají s každodenní prací mnoho společného, si tým vytvořil vlastní test WorkIndex. Vychází z typických úkolů, které lidé zadávají asistentovi WorkBuddy, a kombinuje je s hodnocením od reálných uživatelů. Sleduje skutečnou kvalitu výstupu, délku odpovědí a celkovou dobu, za kterou model úkol dokončí.
Na co se Hy4 flash hodí nejvíce
Tencent doporučuje Hy4 flash hlavně na vyhledávání, práci s dokumenty, tvorbu prezentací a jednodušší ovládání počítače. Test WorkIndex pokrývá osm skupin úkolů, mezi které patří tvorba a úprava slajdů, editace dokumentů, opravy tabulek, zpracování zvuku a videa nebo porozumění obrázkům.
V tomto testu získal Hy4 flash 42,1 bodu. Starší Hy4 preview skončil na 39,7 bodu a plný Hy4 dosáhl 51,4 bodu. Nový model tedy na vlajkovou loď ve výkonu nestačí, ale cenový rozdíl je zásadní. Dobře to ukazuje společná úprava prezentací, kde Hy4 flash získal 74 bodů proti 78,9 bodu u plného Hy4. Náklady na jeden úkol přitom klesly z přibližně 1,7 juanu na zhruba desetinu juanu, konkrétně na 0,105 juanu.
Na složité programování ale Hy4 flash navržený není a Tencent to otevřeně přiznává. V testu Terminal-Bench 4.0, který měří schopnost pracovat v příkazové řádce, získal 19,2 bodu, zatímco plný Hy4 dosáhl 44,4 bodu. V testu ProgramBench je poměr podobný, 16 bodů proti 30. Kdo potřebuje řešit náročné programátorské úlohy, toho firma odkazuje na dražší Hy4.
Kolik stojí a srovnání s konkurencí
Ceník je zřejmě nejvýraznější částí celého oznámení. Za milion vstupních tokenů zaplatí vývojáři 0,07 dolaru a za milion výstupních tokenů zhruba 0,28 dolaru. Pokud model využije data uložená v mezipaměti, cena klesne na 0,003 dolaru za milion tokenů.
Na úvod přidal Tencent i zaváděcí slevy. Uživatelé aplikace WorkBuddy mohou Hy4 flash do 30. listopadu používat zdarma a TokenHub nabízí přístup přes rozhraní API za polovinu běžné ceny. Model se objevil také na platformě OpenRouter, kde s úvodní padesátiprocentní slevou stojí 0,035 dolaru za milion vstupních a zhruba 0,14 dolaru za milion výstupních tokenů.
Při srovnání s konkurencí se Tencent opírá hlavně o slepý test. Zapojil do něj 85 vlastních uživatelů aplikace WorkBuddy, kteří hodnotili výstupy z 259 úkolů ve 27 kategoriích, aniž by věděli, který model odpověď vytvořil. Hy4 flash dostal v průměru 2,79 bodu ze čtyř. Claude Haiku 5.5 od společnosti Anthropic získal 2,81 bodu, takže výsledky jsou téměř vyrovnané. Nejlépe ze srovnávaných modelů dopadl DeepSeek V4.1 Flash se ziskem 3,09 bodu.
Rozhodující rozdíl ale spočívá v ceně. Jeden úkol vyšel Hy4 flash v průměru na 0,26 juanu, zatímco u modelu Haiku to bylo 4,73 juanu. Tencentův model je tak zhruba osmnáctkrát levnější a oproti DeepSeeku asi čtyřiapůlkrát výhodnější. S mediánem 6,7 minuty na úkol byl navíc ze všech testovaných nástrojů nejrychlejší. V interním testu WorkIndex pak firma uvádí, že průměrný úkol stojí osminu ceny oproti nejvyššímu tarifu modelu DeepSeek V4.1 Flash.
U základní verze modelu zveřejnil Tencent i výsledky ve známých znalostních testech. V testu MMLU získal 88,7 bodu a DeepSeek V4 Flash ve stejném měření 89,7 bodu. V náročnějším MMLU Pro naopak Hy4 flash vedl výsledkem 71,1 proti 68,6 bodu.
Pro Tencent, skupinu s tržní hodnotou kolem 3,5 bilionu hongkongských dolarů, dává levný model jasný obchodní smysl. Analytici upozorňují, že dlouhý kontext, práce s různými typy vstupů a test postavený na úkolech z WorkBuddy sledují jediný cíl. Firma chce, aby zákazníci směřovali placené úlohy na její vlastní modely Hunyuan a nikoli k americkým konkurentům, jako jsou OpenAI nebo Anthropic. Zároveň se ukazuje, jak citlivé je celé odvětví na náklady jednotlivých úloh ve srovnání s domácí konkurencí, kam patří Alibaba Cloud nebo Baidu. Investoři totiž bedlivě sledují, zda se obrovské výdaje za výpočetní kapacitu a výzkum promítnou do pravidelných příjmů z aplikace Weixin, cloudu a firemních nástrojů.
Zdroje: finance.yahoo.com a hpcwire.com



