TabbitBlog

HY4 Flash レビュー:ベンチマークの結果と限界

Tencent の内部評価と Plotly の単発データ分析テストを比較し、HY4 Flash の失点と根拠のある用途を確認します。

この記事の内容
  1. 要点
  2. HY4 Flash のエビデンス
  3. 失点から分かること
  4. 公開直後に利用者が尋ねたこと
  5. 結論:検証可能な小さな仕事から

HY4 Flash の公開エビデンスは有望ですが、範囲は限られています。Plotly は DataAnalyticsBench の1回の実行で39/43、費用 $0.13、1問あたり中央値 29秒と報告しました。4問を落とし、そのうち3問は隠れたパターンの問題でした。Tencent の内部テストは日常業務の情報を加えますが、ベンダー評価です。この記事では著者自身の実測や Tabbit での確認を行っていません。

判断のポイントは、どのタスクなら確認された失点を許容できるかです。Tencent は日常業務にFlash、長期のソフトウェア開発にHY4を推奨しています。HY4 Flash の価格とHY4との比較も参照してください。

要点

  • Plotly の非公開ベンチマークで1回39/43。

  • 失点は隠れたパターン3問と統計上の罠1問。

  • Tencent の85人・259タスクの盲検評価は独立した再現ではありません。

  • Reddit の同一計算タスクでは3モデルすべて正解したとの報告がありましたが、その回はDeepSeekが速かったとのことです。

  • 重要な用途では固定した基準で出力を確認してください。

HY4 Flash のエビデンス

エビデンス結果分かること主な限界
Plotly DataAnalyticsBench39/43、$0.13、中央値29秒/問ある分析エージェント構成での結果非公開問題、1回のみ
Tencent WorkIndexオフィス課題評価。DeepSeek 1017の1/8コストと主張Tencent が想定する用途内部評価、独自手法
WorkBuddy 盲検テスト85人、259課題、27分類特定製品内の利用者評価分散や第三者再現なし
Reddit広告計算3モデル正解、DeepSeek 7秒、Flash 19秒との報告限定的な個人比較1回、利用量やログなし

Plotly は同じハーネスを使ったと説明していますが、問題は非公開の合成風力発電データで、各モデルの実行は1回です。HY4は42/43、$2.11、1問あたり117秒でした。これはその試験内の費用と品質の比較であり、Flashが常に4倍速い、または16分の1の費用だと示すものではありません。

失点から分かること

3問は、指示されていないデータ上の兆候を探す問題、1問は統計的な閾値判断でした。通常の計算が正しくても、予想外のパターンを発見できるとは限りません。

用途試し始める目安確認事項
定型計算や文書抽出範囲を限定した試行正解例と照合
曖昧な質問Plotly試験では5/5自社データで再試験
隠れた異常の発見注意:Plotlyでは2/5二重確認または別モデル
長期のソフトウェア開発TencentはHY4を推奨一連のツールと成果物を確認

Tencent は150 token/s超のデコード速度と、Max推論・ピーク価格条件でWorkIndexの単タスク費用がDeepSeek V4.1 Flash 1017の8分の1だと述べています。これはTencentが選んだ評価の結果です。Plotlyの独立テストは手法を詳しく説明していますが、全問は公開されていません。

公開直後に利用者が尋ねたこと

Reddit では「does it pick the right tool or just guess」と尋ねる利用者がいました。これは失敗報告ではありませんが、総合点だけでは分からないツール選択への関心を示します。別の利用者はオープンウェイトの所在を質問しました。Tencent は将来の公開予定を発表しています。スレッド。

別のWorkBuddy広告計算比較では、投稿者は「DeepSeek finished in 7s. Hy4 and GLM both showed 19s.」と報告しました。3モデルとも計算は正しかったとのことですが、トークン量や生の出力は示されていません。元の投稿。

Reddit 投稿の画像。WorkBuddy 広告指標の計算結果と HY4 Flash の所要時間を表示
Reddit に投稿された1回の比較。請求額や繰り返し計測を示すものではありません。

結論:検証可能な小さな仕事から

作業が定型的で、結果を確認でき、TokenHub の単価が重要なら、HY4 Flash は管理された試行に向いています。隠れたパターンの失点を踏まえ、自由度の高い分析では追加確認を入れましょう。DeepSeek V4.1 Flashとの比較と料金案内を参照してください。

モデルAPI自体はブラウザーではありません。HY4 Flash リソース (English)、Tencent Hy4 のブラウザーワークフロー、DeepSeek V4.1 Flashのブラウザーワークフロー、DeepSeek Harness ガイド、Feishu Base の例、Tabbit CLI ガイド、初回タスクの確認表を参照できます。

TabbitブラウザーでHy4 Flashを利用できます。Tabbitをダウンロードし、チャットのモデル一覧からHy4 Flashを選んでお試しください。

Tabbit Browser

よくある質問

独立テストでの HY4 Flash の結果は?

Plotly は非公開の DataAnalyticsBench で1回だけ実行し、43問中39問、費用$0.13、1問あたり中央値29秒と報告しました。一般的な成功率を表す結果ではありません。

HY4 Flash は HY4 より優れていますか?

Plotly の1回のテストでは HY4 が42/43、Flash が39/43でした。同じテストでFlashは安価で速かったものの、すべての用途に当てはまるとは限りません。

HY4 Flash はオープンソースですか?

Tencent は公開を計画していると発表しましたが、日程は示していません。ローカル実行の計画前に、重みとライセンスの公開を確認してください。

ツール呼び出しの信頼性は証明されていますか?

Plotly は複数回のツール呼び出しを含む分析エージェントで評価しましたが、非公開ベンチマークだけで他の環境の信頼性は証明できません。Reddit では利用者がツールループについて質問しています。

Tabbit で HY4 Flash を使えますか?

TabbitブラウザーでHy4 Flashを利用できます。Tabbitをダウンロードし、チャットのモデル一覧からHy4 Flashを選んでお試しください。

次のステップへ

Tabbit と一緒に仕事をしましょう。

タブをまたいで調査し、繰り返しのブラウザ作業を自動化し、あらゆる文脈を手の届くところに。