TabbitBlog

Reseña de HY4 Flash: qué muestran las pruebas

Compara los resultados internos de Tencent con el benchmark de Plotly, revisa los fallos y delimita para qué tareas hay evidencia.

En este artículo
  1. Puntos clave
  2. Evidencia de HY4 Flash
  3. Qué dicen los fallos
  4. Lo que preguntó la comunidad
  5. Veredicto: empezar con tareas verificables

La evidencia disponible sobre HY4 Flash es prometedora, pero limitada. Plotly informa de 39/43 en una ejecución de su DataAnalyticsBench, con un coste de $0,13 y una mediana de 29 segundos por pregunta. Falló cuatro preguntas, tres de ellas sobre patrones ocultos. Los resultados internos de Tencent aportan datos de tareas de oficina, pero son evaluaciones del proveedor. Este artículo no incluye una prueba propia ni una ejecución en Tabbit.

La pregunta útil es qué tareas pueden aceptar los fallos observados y aprovechar la tarifa baja. Tencent recomienda Flash para tareas cotidianas y HY4 para ingeniería de software de larga duración. Consulta el precio de HY4 Flash y la comparación con HY4.

Puntos clave

  • Plotly obtuvo 39/43 en una sola ejecución de preguntas privadas.

  • Los cuatro fallos incluyeron tres patrones ocultos y una trampa estadística.

  • La prueba interna de Tencent con 85 usuarios y 259 tareas no es una réplica independiente.

  • Un usuario de Reddit dijo que tres modelos resolvieron una tarea aritmética, pero DeepSeek fue más rápido en esa ejecución.

  • Comprueba las respuestas con un criterio fijo antes de confiar en ellas.

Evidencia de HY4 Flash

EvidenciaResultadoQué permite concluirLímite
Plotly DataAnalyticsBench39/43; $0,13; mediana 29 s/preguntaUna configuración de análisis con herramientasPreguntas privadas; una ejecución
Tencent WorkIndexResultado amplio de oficina; coste de tarea 1/8 de DeepSeek 1017 según TencentPosicionamiento de TencentMétodo y evaluación internos
Prueba WorkBuddy85 usuarios, 259 tareas y 27 categoríasPreferencia en ese productoSin variación ni réplica independiente
Reddit: cálculos publicitariosLos tres modelos acertaron; DeepSeek 7 s, HY4 Flash 19 sUn relato personal acotadoUna ejecución; sin uso de tokens ni registros

Plotly afirma que usó el mismo evaluador para cada modelo, con datos sintéticos privados de una granja eólica. HY4 obtuvo 42/43, $2,11 y 117 segundos por pregunta. Es una comparación de coste y calidad en ese test, no prueba que Flash siempre sea cuatro veces más rápido o dieciséis veces más barato. Plotly también reportó 88 % de entradas atendidas desde caché; el coste depende de ese patrón de uso.

Qué dicen los fallos

Tres errores fueron preguntas de patrón oculto en las que el modelo debía encontrar una señal no indicada. El cuarto fue una pregunta sobre umbrales estadísticos. Por eso, resolver cálculos habituales no garantiza encontrar anomalías inesperadas.

TrabajoPunto de partidaComprobación necesaria
Cálculos rutinarios o extracción de documentosPrueba pequeña y delimitadaConciliar con respuestas esperadas
Preguntas ambiguasPlotly reportó 5/5Repetir con datos propios
Anomalías no señaladasPrecaución: Plotly reportó 2/5Segunda revisión o segundo modelo
Ingeniería largaTencent recomienda HY4Verificar todo el flujo y sus artefactos

Tencent afirma que la decodificación supera 150 tokens/s y que WorkIndex obtuvo un coste por tarea equivalente a una octava parte de DeepSeek V4.1 Flash 1017 en nivel Max y hora punta. Son afirmaciones del proveedor para su prueba. La prueba de Plotly ofrece más método, aunque la batería completa no es pública.

Lo que preguntó la comunidad

Un usuario de Reddit preguntó si HY4 Flash “does it pick the right tool or just guess”. Es una pregunta, no un fallo medido. Otro participante preguntó por los pesos; Tencent solo anunció un plan futuro de publicación. Lee la conversación.

En otra comparación de WorkBuddy, el autor escribió: “DeepSeek finished in 7s. Hy4 and GLM both showed 19s.” También dijo que los tres acertaron la aritmética, pero no publicó tokens usados ni resultados completos. Publicación original.

Captura de una publicación de Reddit con resultados de cálculos publicitarios en WorkBuddy y tiempo de HY4 Flash
Una comparación de WorkBuddy reportada en Reddit; no muestra una factura ni tiempos repetidos.

Veredicto: empezar con tareas verificables

HY4 Flash merece una prueba controlada si el trabajo se repite, la salida se puede validar y la tarifa de TokenHub importa. Los fallos de patrones ocultos de Plotly justifican una revisión adicional en análisis abiertos. Compara HY4 Flash y DeepSeek V4.1 Flash y consulta la guía de precios.

La API del modelo no da acceso al navegador. Consulta los recursos de HY4 Flash (English), el flujo de navegador con Tencent Hy4 y el flujo de navegador de DeepSeek V4.1 Flash. La guía DeepSeek Harness, el ejemplo Feishu Base, la guía de Tabbit CLI y la lista de primera tarea describen rutas distintas.

Hy4 Flash está disponible en Tabbit Browser. Descarga Tabbit y selecciona Hy4 Flash en la lista de modelos del chat para empezar.

Tabbit Browser

Preguntas frecuentes

¿Qué resultado obtuvo HY4 Flash en una prueba independiente?

Plotly informa de 39 respuestas correctas de 43 en una ejecución de su DataAnalyticsBench privado, con un coste de $0,13 y una mediana de 29 segundos por pregunta. Es una muestra y un benchmark concretos, no una tasa de éxito general.

¿HY4 Flash supera a HY4?

En la ejecución de Plotly, no: HY4 obtuvo 42/43 y Flash 39/43. Flash costó menos y respondió antes en esa prueba, pero el resultado no predice otras cargas.

¿HY4 Flash ya es de código abierto?

Tencent anunció que planea abrir los pesos, pero no indicó fecha. Comprueba que haya pesos y licencia publicados antes de planificar una instalación local.

¿La prueba demuestra que las llamadas a herramientas son fiables?

Plotly usó un agente analítico con varias llamadas a herramientas, pero su benchmark privado no demuestra fiabilidad en otros clientes. Un usuario de Reddit preguntó precisamente por ese comportamiento.

¿Puedo usar HY4 Flash en Tabbit?

Hy4 Flash está disponible en Tabbit Browser. Descarga Tabbit y selecciona Hy4 Flash en la lista de modelos del chat para empezar.

Da el siguiente paso

Deja que Tabbit trabaje junto a ti.

Investiga entre pestañas, automatiza el trabajo repetitivo del navegador y mantén todo el contexto al alcance.