Hy4 flash de Tencent baisse fortement les coûts des API d’IA
Tencent a présenté Hy4 flash, une version plus légère de son modèle multimodal Hy4, avec une fenêtre de contexte d’un million de tokens et des prix API nettement plus bas. L’objectif est clair : viser les tâches de productivité à grand volume sans sacrifier la qualité.
Tencent a lancé Hy4 flash le 16 novembre 2026, une version multimodale de son modèle Hy4 pensée pour les tâches de productivité quotidiennes. Avec une fenêtre de contexte d’un million de tokens et des tarifs API bien plus bas que ceux de Hy4, le groupe veut rendre l’usage de l’IA plus soutenable pour les tâches répétitives à grande échelle. Le pari compte, car le coût d’inférence reste l’un des vrais nerfs de la guerre pour les entreprises. Et, au passage, les factures ont rarement le sens de l’humour.
Des prix cassés, mais avec un positionnement précis
La grille tarifaire de Tencent Cloud affiche Hy4 flash à 0,070 dollar par million de tokens en entrée et 0,281 dollar en sortie. À comparer avec Hy4, facturé 0,834 dollar en entrée et 2,501 dollars en sortie sur la même base. Sur les seuls tarifs listés, cela représente environ 92 % de moins sur l’entrée et 89 % de moins sur la sortie.
Le message commercial est limpide : Hy4 flash vise les usages à fort volume, quand Hy4 garde le rôle du modèle plus ambitieux pour les tâches complexes. Tencent le recommande pour la recherche approfondie, le traitement de documents, la création de slides, des démonstrations front-end simples et l’usage de l’ordinateur par agent. Pour les projets logiciels à long horizon, le groupe continue de privilégier la version complète, jugée plus capable.
Une architecture allégée pour tenir la cadence
Tencent dit avoir bâti Hy4 flash sur une architecture hybride mêlant attention latente, LatentMoE et Engram. En clair, le modèle réduit la taille du cache clé-valeur, c’est-à-dire la mémoire temporaire qui réutilise les calculs sur le contexte déjà vu. Selon l’éditeur, ce cache descend à un vingt-quatrième de celui de Hy3 et à un sixième de celui de Hy4.
Le modèle totalise 224 milliards de paramètres, dont 64 milliards de paramètres Engram, avec 12 milliards activés par token. Après l’entraînement, Tencent indique avoir utilisé une auto-distillation depuis Hy4, puis du renforcement qui réduit de 50 % le nombre moyen de tokens produits de bout en bout. Côté exécution, des mégakernels, une quantification en quatre bits et DFly portent la vitesse de décodage au-delà de 150 tokens par seconde selon l’entreprise. Cela reste une promesse interne à ce stade, mais la trajectoire est claire : produire plus vite, pour moins cher, sans faire grimper la note à chaque interaction.
WorkIndex, ou comment juger un modèle sur de vraies tâches de bureau
Plutôt que de mettre en avant les traditionnels benchmarks publics, Tencent a construit WorkIndex autour de tâches réelles de bureau. L’évaluation mesure la qualité du livrable, la longueur de sortie en un seul passage et le temps de traitement. Les huit jeux de test couvrent la création et l’édition de slides, la co-rédaction avec humain, l’édition de documents, la réparation de tableurs, le traitement audio/vidéo et la compréhension visuelle.
Sur WorkIndex, Tencent affirme que Hy4 flash fait légèrement mieux que Hy4 preview au global, tout en ramenant le coût moyen par tâche à un treizième de Hy4 preview, à un vingtième de Hy4 et à un huitième de DeepSeek-V4.1-Flash-1017 au tarif Max en heures de pointe. Une autre évaluation en aveugle a mobilisé 85 utilisateurs internes de WorkBuddy sur 259 tâches réparties dans 27 catégories. Résultat annoncé : une satisfaction proche de Claude Haiku 5.5, avec le temps de fin de tâche le plus court et le coût le plus bas parmi les modèles testés.
Une stratégie à deux étages pour les produits Tencent
Hy4 flash est déjà disponible dans Tencent Cloud TokenHub, WorkBuddy, Yuanbao, WeCom, QQ, ima et Marvis, avec une arrivée prévue sur OpenRouter. L’accès à WorkBuddy est gratuit jusqu’au 30 novembre 2026, tandis que l’usage via TokenHub bénéficie d’une remise de 50 % jusqu’à midi, heure de Pékin, le même jour. Pour les développeurs, l’identifiant API est hy4-flash, avec prise en charge de l’alignement OpenAI Chat Completions, OpenAI Responses et Anthropic Messages, ainsi que des fonctions de mise en cache.
Cette sortie prolonge l’annonce du 4 novembre 2026 sur Hy4, qui avait introduit la compréhension visuelle et les capacités de computer use. Tencent prépare aussi une version open-weight de Hy4 flash et promet des mises à jour fréquentes. Le groupe installe ainsi un duo assez lisible : un modèle pour faire tourner les gros volumes de travail, un autre pour les cas plus difficiles. Reste à voir si les gains de coût et de vitesse observés dans l’environnement Tencent tiendront la route en dehors de ses propres services, ce qui est souvent le moment où la note de bas de page prend toute son importance.
Points clés
- Hy4 flash est sorti le 16 novembre 2026.
- Tarifs API : 0,070 $ en entrée, 0,281 $ en sortie.
- Hy4 flash vise les tâches de productivité à grand volume.
- WorkIndex couvre huit jeux de test de bureau.
- 85 utilisateurs internes ont participé à l’évaluation en aveugle.
- Tencent prépare une version open-weight de Hy4 flash.
En chiffres
- 1 million de tokens — fenêtre de contexte annoncée pour Hy4 flash.
- 224 milliards de paramètres — taille totale du modèle, selon Tencent.
- 150 tokens par seconde — vitesse de décodage annoncée par Tencent.
- 50 % — baisse moyenne des tokens de sortie après renforcement, selon Tencent.
- 259 tâches — volume de l’évaluation interne WorkBuddy citée par Tencent.