A Tencent anunciou que seu modelo Hunyuan Hy4 flash processou mais de 50 trilhões de tokens apenas no primeiro dia após o lançamento em 16 de novembro. Este número foi o mais alto entre todos os modelos da série Hunyuan no primeiro dia de operação.
O forte início do Hy4 flash também se refletiu em seu desempenho em várias plataformas. Em 17 de novembro, o modelo ocupou o primeiro lugar no ranking diário de LLMs no OpenRouter.
Além disso, a Tencent observou que na sua plataforma WorkBuddy, o Hy4 flash demonstrou um volume de uso dez vezes maior em comparação com seu antecessor, o Hy4 preview, e ajudou a completar mais de 50 milhões de tarefas de usuários reais.
De acordo com dados da Tencent, o Hy4 flash utiliza uma arquitetura de ativação híbrida e possui um total de 224 bilhões de parâmetros, incluindo 64 bilhões de parâmetros Engram, sendo que 12 bilhões de parâmetros são ativados durante a inferência. O modelo também suporta processamento multimodal e uma janela de contexto de até 1 milhão de tokens, com velocidade de geração atingindo cerca de 200 tokens por segundo.
Um ponto de destaque é o equilíbrio entre desempenho e custo oferecido pelo Hy4 flash. De acordo com a precificação da Tencent, o modelo custa apenas 0,5 yuan (US$ 0,07) por milhão de tokens de entrada e 2 yuans (US$ 0,3) por milhão de tokens de saída, enquanto os tokens de entrada em cache custam apenas 0,02 yuan (US$ 0,003) por milhão.
Com base no benchmark interno WorkIndex da Tencent, que avalia tarefas de escritório padrão, o Hy4 flash custa apenas um trigésimo terceiro em comparação com o Hy4 preview e um vigésimo em comparação com o Hy4 para executar uma tarefa. Seu custo também é de aproximadamente um oitavo do custo dos modelos leves principais na mesma categoria.
Essas vantagens tornam o modelo particularmente adequado para operações de escritório frequentes, como criação e edição de apresentações, processamento de documentos, recuperação de planilhas, processamento de áudio e vídeo, bem como compreensão visual.
O lançamento ocorreu após um pico anterior de demanda pelo Hy4. Quando o modelo apareceu pela primeira vez no WorkBuddy em 4 de novembro, a demanda impulsionada por suas capacidades de agente superou as expectativas, e muitos usuários atingiram os limites de uso no primeiro dia. Em resposta, a Tencent aumentou os clusters de inferência do Hy4 em dez vezes e expandiu as cotas de uso gratuito.
No entanto, desta vez, a equipe aparentemente se preparou mais cuidadosamente para a alta competitividade antes do lançamento do Hy4 flash, e atualmente não há relatos de problemas generalizados com limites de uso.
Este desenvolvimento também reflete uma mudança mais ampla no cenário competitivo da indústria de inteligência artificial. À medida que o uso diário de tokens na China continua a crescer, os tokens estão se tornando um indicador cada vez mais importante de adoção de IA. Enquanto isso, autoridades locais em todo o país estão introduzindo novas medidas, desde capacidade computacional e vouchers para modelos até financiamento baseado em tokens, para tornar os serviços de IA mais acessíveis.
A concorrência agora é determinada não apenas pelo número de parâmetros ou pelo desempenho do modelo. Garantir bons resultados mantendo baixos custos operacionais está se tornando igualmente importante. O lançamento do Hy4 flash com 50 trilhões de tokens envia um sinal claro: o mercado precisa não apenas de modelos de IA mais poderosos, mas também de modelos suficientemente acessíveis para uso diário frequente.
No entanto, ainda existe uma lacuna entre o alto uso inicial e o valor comercial de longo prazo. A concorrência entre modelos leves de IA pode cada vez mais se resumir não apenas a preços e uso de tokens. O verdadeiro desafio é fornecer soluções para necessidades comerciais reais de forma estável e confiável, mantendo os custos gerais baixos. Para a Hunyuan da Tencent, o forte lançamento do Hy4 flash é um começo promissor, mas sua capacidade de transformar o impulso inicial de uso em valor sustentável para os usuários será um teste crucial no futuro.



