Hy4 flash di Tencent: 224 miliardi di parametri, ma ne accende solo 12

Tencent lancia Hy4 flash: 224 miliardi di parametri ma solo 12 attivi per token, prezzi crollati e tempi dimezzati. I numeri sono tutti interni, però, quindi calma con gli entusiasmi.

Hy4 flash di Tencent: 224 miliardi di parametri, ma ne accende solo 12

224 miliardi di parametri totali. Per ogni token ne lavorano 12 miliardi, il resto sta lì a guardare. Questa è la formula di Hy4 flash, il nuovo modello che Tencent ha presentato il 16 novembre 2026 con una promessa precisa: costare pochissimo senza diventare scemo.

Il meccanismo è quello dei modelli a esperti (MoE): invece di far lavorare tutto il cervello a ogni parola, ne svegli solo la parte che serve. Tra i 224 miliardi ce ne sono 64 di tipo Engram, un modulo dell’architettura di cui Tencent, nel post, non spiega granché. Prendiamo atto e andiamo avanti. Il modello è multimodale nativo (testo, immagini, audio e video li digerisce senza stampelle esterne) e regge un contesto da 1 milione di token, cioè qualche migliaio di pagine in un colpo solo.

Quanto costa, in concreto

Prezzi per milione di token, Hy4 flash contro il fratello maggiore Hy4:

  • input in cache: 0,003 dollari contro 0,042
  • input normale: 0,070 contro 0,834
  • output: 0,281 contro 2,501

L’input costa circa dodici volte meno, l’output circa nove. Quello in cache sta sotto il centesimo di centesimo. Cifre da fare invidia a qualunque bolletta API.

Dove hanno tagliato

Hanno lavorato su quattro fronti. Il primo è l’architettura: attenzione ibrida, LatentMoE ed Engram insieme riducono la KV cache a 1/24 di quella di Hy3 e a 1/6 di quella di Hy4. La KV cache è la memoria di lavoro che il modello riempie mentre legge, e con un milione di token in testa diventa il vero collo di bottiglia. Ridurla è come svuotare lo zaino prima di una salita.

Poi il post-training. Hy4 flash è stato addestrato con self-distillation da Hy4: il fratello grande fa da maestro e il piccolo copia i compiti, in senso buono. Sopra ci hanno messo il reinforcement learning, che ha dimezzato i token di output medi. Il modello parla meno. Su compiti d’ufficio, spesso, è un pregio.

Sull’inferenza: megakernels (grossi blocchi di calcolo GPU fusi insieme per evitare tempi morti), quantizzazione a 4 bit (i numeri del modello compressi al minimo indispensabile) e una cosa chiamata DFly, che il post non spiega. Risultato dichiarato: oltre 150 token al secondo in decodifica. Più veloce di quanto riusciate a leggere.

I numeri (con le pinze)

Per misurarsi, Tencent ha costruito WorkIndex, un benchmark interno basato sui compiti tipici di WorkBuddy: creazione e modifica di slide, scrittura in Markdown, editing di documenti, riparazione di fogli di calcolo, audio, video, comprensione visiva. Otto set in totale, più sette benchmark pubblici sugli agenti, tra cui Terminal-Bench 4.0, HLE e OSWorld 2.1.

Il verdetto: Hy4 flash sta leggermente sopra Hy4 preview come prestazioni complessive. Il costo medio per compito è 1/13 di Hy4 preview, 1/20 di Hy4 e 1/8 di DeepSeek-V4.1-Flash-1017 al livello Max, tariffa da ora di punta, quindi lo scenario più sfavorevole per il concorrente. Il rapporto 1/20 è più generoso del divario di listino perché pesa anche il fatto che il modello produce meno token. Furbo, ma legittimo.

C’è poi un test alla cieca: 85 utenti interni di WorkBuddy, 259 compiti, 27 categorie. Soddisfazione vicina a quella di Claude Haiku 5.5, tempo di completamento più breve di tutti, costo per compito nettamente inferiore. Vicina, notate. Non uguale.

Sono tutti dati di Tencent, su un benchmark costruito da Tencent, con utenti Tencent. Non significa che siano falsi. Significa che aspetterei qualcuno di esterno prima di darli per buoni.

Cosa dicono i team di casa

Il post chiude con una sfilza di testimonianze dei prodotti del gruppo. Eccole, ridotte all’osso:

  • WorkBuddy: tempo medio per compito giù del 70% a circa 1/15 del costo di Hy4, stessa qualità sui lavori quotidiani e un piccolo calo sul coding a lungo raggio.
  • Yuanbao: +13,6% sulle prestazioni da agente rispetto a Hy3, e +2,52% in chat generale contro GLM-5.3-Flash, soprattutto nei dialoghi a più turni.
  • WeChat Pay: rispetto a DeepSeek-V4.1-Flash-1017, circa 6% di passaggi in meno e 29% di output più corto. Nella scansione statica del codice -37% di tempo e -46% di token, a parità di ragionamento.
  • WeCom: velocità di output +88% su Hy4, token di ragionamento giù di circa il 60%.
  • Honor of Kings: nell’analisi dei bug, richieste al modello giù del 22-39% e token giù del 40-61%, con localizzazione delle cause paragonabile ai rivali.
  • ima: attese ridotte del 18-35% nelle domande sulla knowledge base, con qualità dei contenuti +8,1%.
  • QQ: latenza P90 sui commenti -39%, latenza di picco -47%, output -30%.
  • Marvis: soddisfazione +6,2% sull’installazione di app, +4,4% su impostazioni e diagnostica, +6,9% su documenti e report.

Il filo è sempre lo stesso: qualità più o meno invariata, meno token, meno attesa. Nessuno dice che sia migliore di tutto. Dicono che costa meno e risponde prima, e nel lavoro d’ufficio questa è già metà della partita.

Dove trovarlo e quando usarlo

Hy4 flash è già disponibile su Tencent Cloud TokenHub, WorkBuddy, Yuanbao, WeCom, QQ, ima e Marvis. OpenRouter arriverà presto. Fino al 30 novembre è gratis in WorkBuddy e c’è lo sconto del 50% sulle API via TokenHub.

Tencent lo consiglia per ricerca approfondita, documenti, slide, piccole demo frontend e computer use. Per l’ingegneria del software complessa e a lungo raggio continua a puntare su Hy4, che ha il soffitto di intelligenza più alto. Onesto, almeno.

La cosa da tenere d’occhio è un’altra: è prevista una versione open-weight, con i pesi scaricabili. Nessuna data. Quando uscirà, sarà il momento in cui qualcuno fuori da Tencent potrà verificare se WorkIndex racconta la verità o solo la parte comoda.

Scritto da

Michel Morelli

Sviluppatore full-stack da oltre 26 anni. Integro l’IA in siti, e-commerce e gestionali, e ogni giorno racconto le novità dell’intelligenza artificiale su ZioBuddaLabs.

Vuoi l’IA al lavoro nella tua azienda?

Una call di 30 minuti, senza impegno. Oppure scrivi a michel@ziobuddalabs.it