搶先實測騰訊Hy4 flash,一口氣做出黃仁勳MV,比DeepSeek更便宜

智東西
6小時前

智東西

作者 | 江宇

編輯 | 心緣

來來來,先看一段MV。

穿着黑色皮衣的黃仁勳,變成了像素小人,在蔡依林的《日不落》中登台亮相。唱到「愛的明信片」時,黃仁勳掏出的是一顆綠色GPU芯片。

熟悉的黑皮衣、熟悉的動作,也算還原出幾分英偉達GTC的味道。

這支MV當然談不上精緻。黃仁勳的動作有些僵硬,畫面細節也比較粗糙,連歌詞字幕都沒能準確對上背景音樂。

但整支視頻都是AI通過編寫代碼製作的,連黃仁勳這個像素小人,也是AI自己畫出來的。背後的模型,就是騰訊姚順雨團隊啱啱端出來的騰訊混元4 flash。

智東西11月16日消息,啱啱,騰訊正式發布新一代模型混元4 flash(Hy4 flash),總參數量224B(2240億),激活參數12B(120億),支持多模態和100萬Token上下文,解碼速度超過150 Token/s。

這款模型主打低成本。其API每百萬Token輸入價格僅0.5元、輸出2元,分別為混元4正式版的1/12和1/9,命中緩存的輸入價格低至0.02元。

在騰訊公布的日常工作任務評測中,混元4 flash的表現超過混元4預覽版,平均單任務成本約0.2元。

另一項涉及85名內部用戶、259項工作任務的盲測顯示,混元4 flash的用戶滿意度接近Claude Haiku 5.5,平均單任務成本僅0.26元,低於DeepSeek-V4.1-Flash-1017的1.2元,任務耗時也更短。

為了檢驗其實際能力,我們搶先在WorkBuddy中進行了一輪實測。除了開頭這支黃仁勳MV,還讓它開發《模擬人生5》遊戲、搭建3D網球比賽、製作北京地標動畫,也調用Blender,讓鵜鶘騎上自行車。

一、讓黃仁勳拍MV,50多個分鏡一口氣做完

先來看生成的黃仁勳《日不落》MV。這次,我參考了一套AI製作音樂MV的教程,讓模型依次完成音樂分析、畫風設計、人物繪製、劇本分鏡、視頻製作等步驟。

其中,人物設計還用上了模型的視覺理解能力。我上傳了一張黃仁勳的真人照片,讓模型參考照片中的髮型、眼鏡和黑色皮衣等特徵,將他轉化為一個Q版像素小人。

模型不僅生成了人物形象,還專門做了一個可交互的角色預覽頁面。在這個頁面裏,我可以切換黃仁勳的5種朝向、12種表情、12種動作,還能讓他拿起GPU芯片、麥克風或筆記本電腦。

可以看見,人物的灰黑短髮、眼鏡、黑色皮夾克都保留了下來,衣服上的翻領和銀灰色拉鍊也能看清,整體形象還算有辨識度。

接下來,模型根據《日不落》的音樂節奏和歌詞設計劇情,生成了五十多個鏡頭的分鏡總覽。

最終,模型根據這些分鏡編寫動畫代碼,合成了開頭那支MV。

不過,成片還有幾處明顯不足。

首先是畫面精細度不夠,人物動作略顯僵硬,部分鏡頭切換也不夠流暢。

更明顯的問題是字幕錯位。儘管我們明確要求模型根據歌詞時間軸製作字幕,並在導出時檢查同步情況,但最終字幕仍然沒能準確跟上音樂。

總體來看,模型完成了從角色設計、分鏡規劃到動畫製作、視頻導出的一整套長程任務,但在畫面細節和音畫同步方面,還有進一步打磨的空間。

二、一句話造《模擬人生5》、搭3D網球場,Blender也直接上手

除了MV,我還測試了混元4 flash完成複雜前端開發、3D場景製作和跨工具任務的能力。

(1)一句話搓出《模擬人生5》

我先向模型提出了一個遊戲製作要求:製作一款擁有畫面和玩法的《模擬人生5》。

沒想到,模型還真做出了一個可以玩的簡化版本。

畫面中央是一間等距視角的小屋,裏面有三名家庭成員。左側實時顯示人物的飽食度、精力、娛樂、社交、衛生等狀態,右側則可以查看角色信息。

玩家能夠點擊傢俱安排動作,還可以開啓自動生活,讓人物自行活動。頁面頂部提供暫停、倍速、建造模式等選項,下方還會記錄角色的行為。

當然,這和真正的《模擬人生》相去甚遠。人物只是簡單的卡通小人,傢俱也由比較基礎的幾何形狀組成,房間結構和遊戲畫面都十分簡陋。

不過,模型已經實現了角色需求變化、自動行為、傢俱交互等基本玩法,而不只是做出一個看起來像遊戲的靜態頁面。

(2)3D網球比賽搭出來了,運動員卻接不到球

接下來,我給模型安排了一個難度更高的任務:製作一場完整的3D網球比賽。提示詞要求它不僅搭建球場、看台、俱樂部等設施,還要實現運動員發球、回合對打、比賽計分,以及不同場地材質和攝像機視角切換。

最終,模型做出了一個支持交互的3D網球遊戲。

我們可以切換全景、跟拍、特寫等攝像機視角,也能調整比賽速度、球場類型和晝夜場景。

整個球場採用像素風格,周圍還搭建了看台和俱樂部設施,比賽中的球員和網球也能持續運動。

但仔細觀察,還是能找到不少Bug。比如,球場附近出現了位置不合理的旗杆;兩名運動員看似打得有來有回,有時球拍卻根本沒有碰到網球;部分看台觀衆的身體還和座椅融在了一起。

(3)調用GitHub上的Skill,北京地標卻走了形

我們還嘗試讓模型調用GitHub上的perspective illusion Skill,製作一段10秒鐘的北京地標主題動畫。

模型需要將天壇祈年殿、故宮角樓、央視總部大樓、中國尊、鳥巢等建築安排在不同的景深位置,讓鏡頭依次穿過這些地標。

模型順利完成了視頻,還自動配上了帶有中國傳統音樂韻味的BGM。

但建築還原效果不太理想。天壇祈年殿、中國尊基本能辨認出來,央視「大褲衩」的造型卻發生了嚴重變形,其他一些地標也很難看出原貌。

雖然鏡頭運動和場景切換基本符合要求,但複雜建築的幾何結構仍然是模型的難點。

(4)富士山下的雨夜便利店做出來了,氛圍感還不錯

接下來,我們要求模型製作一個日式雨夜便利店街角,整體呈現為可以自由旋轉、拖拽和縮放的3D微縮景觀。

這次的視覺效果相對不錯。便利店、自動販賣機、自行車、路燈和街角護欄等元素基本齊全。粉紫色霓虹燈、雨絲、溼潤路面上的反光,也營造出了日式動畫中的雨夜氛圍。

模型實現了自由旋轉和縮放,我們可以從不同角度查看整座微縮街景。和目前效果比較出色的AI 3D場景生成作品相比,它在美術細節和整體審美上仍有差距。

(5)直接調用Blender,鵜鶘騎上了自行車

最後,我們嘗試讓模型操作專業3D軟件Blender。這次的任務,是讓它通過Blender Python API編寫腳本,製作一段約16秒的鵜鶘騎自行車動畫。

模型成功搭出了鵜鶘、自行車和步道等角色與場景。

在視頻裏,模型還按照要求設定了跟拍、特寫等鏡頭。

不過,整個畫面比較粗糙。鵜鶘和自行車都由簡單的幾何體組成,部分渲染畫面幾乎沒有材質顏色,看起來像未經美術加工的白模。

這也和我們的提示詞有關:我們規定了人物動作和鏡頭運動,卻沒有明確要求場景配色與材質風格。

鵜鶘「踩」自行車的動作做得不錯。但鵜鶘的翅膀完全沒碰上手把手,兩隻腳蹼仍然能跟着踏板交替運動。

整個任務中,模型編寫Blender代碼大約花了26分鐘,後續視頻渲染又用了20多分鐘,總耗時接近50分鐘。但我們使用的是一台Mac,渲染耗時也受到本地電腦配置的影響。

最終,模型不僅生成了Blender腳本,還在軟件中運行並導出了視頻。這至少說明,它已經能夠通過代碼控制專業3D軟件完成基礎動畫製作。

這一輪體驗下來,混元4 flash比較突出的表現,是能夠連續完成多個步驟,並把不同工具串聯起來。

但短板也比較清楚:一是精細度,畫面、模型、材質大多停留在「能認出來」的層面;二是審美,鏡頭、配色和構圖很大程度上依賴提示詞兜底;三是對複雜結構,如建築、人體、機械的還原,越複雜越容易走形;四是自檢閉環,模型自己還發現不了問題。

作為一款Flash定位的模型,它已經能完成不少複雜的代碼與創作任務。如果想把生成內容直接當成成熟作品使用,仍有不少地方需要人工調試。

三、單任務成本不到3毛錢!盲測滿意度接近Claude Haiku 5.5

除了我們實際體驗到的效果,騰訊這次還公布了混元4 flash與DeepSeek、Claude、GLM等模型的評測對比,重點比較完成同一任務需要花多少錢。

先看騰訊自建的日常工作評測集WorkIndex。這套評測覆蓋PPT製作與修改、文檔編輯、表格修復、音視頻處理、視覺理解等8類日常工作任務。

在WorkIndex上,混元4 flash的表現得分約為42,高於混元4預覽版的39,但仍低於混元4正式版的51。

▲內外部任務上的性能和成本。

在價格方面,混元4 flash的平均單任務成本約0.2元,混元4預覽版約3.2元,混元4正式版約5.7元。

拆開來看,在PPT生成評測PPTGenBench上,混元4 flash得分54.2,高於混元4預覽版的52.3;在PPT協作編輯評測PPTCoEditBench上,二者得分分別為74.0和71.5。

但涉及更復雜的軟件工程任務,flash與正式版之間仍有較大差距。例如,在Terminal-Bench 4.0上,混元4 flash得分19.2,混元4正式版為44.4;在ProgramBench上,二者分別為16.0和30.0。

▲公開Agent基準及多模態評測詳細對比

除了跑分,騰訊還組織了一輪真實工作任務盲測。此次測試邀請了85位WorkBuddy內部用戶,對27類、共259項日常工作任務進行評估,比較模型輸出結果的用戶滿意度、端到端任務耗時和成本。

在滿分4分的用戶滿意度評測中,混元4 flash獲得2.79分,幾乎追平Claude Haiku 5.5的2.81分,高於GLM-5.3-Flash的2.53分,但低於DeepSeek-V4.1-Flash-1017的3.09分。

混元4 flash的端到端任務時長中位數為6.7分鐘,是四款模型中最短的。Claude Haiku 5.5為6.8分鐘,GLM-5.3-Flash為7.6分鐘,DeepSeek-V4.1-Flash-1017為10.3分鐘。

單任務成本方面,混元4 flash僅需0.26元,Claude Haiku 5.5為4.73元,DeepSeek-V4.1-Flash-1017為1.20元,GLM-5.3-Flash為0.81元。

也就是說,在這輪盲測中,混元4 flash的滿意度與Claude Haiku 5.5相差僅0.02分,單任務成本卻只有後者的約1/18。

四、輸入價格只有混元4的1/12,2240億參數如何降本?

混元4 flash每百萬Token的標準輸入價格為0.5元,輸出價格為2元,命中緩存的輸入價格僅0.02元。

相比之下,混元4正式版每百萬Token的標準輸入價格為6元,輸出為18元,命中緩存的輸入價格為0.3元。三項價格分別降低至原來的1/12、1/9和1/15。

騰訊披露,混元4 flash的總參數量達到224B,其中包含64B Engram參數,但每次推理僅激活12B參數。

在預訓練階段,騰訊引入混合注意力、LatentMoE、Engram等架構設計,將模型的KV Cache規模壓縮至混元4正式版的1/6、混元3的1/24,以降低長上下文推理的內存開銷。

後訓練階段,騰訊先通過混元4自蒸餾提升模型能力,再利用強化學習,將端到端任務的輸出長度降低50%,減少完成任務所需生成的Token數量。

部署環節則採用Megakernel、4bit量化、dflash等優化手段。騰訊稱,混元4 flash的解碼速度已經超過150 Token/s,支持大規模低成本部署。騰訊計劃開源混元4 Flash,並持續迭代模型。

在使用場景上,騰訊推薦將flash版本用於深度搜索、文檔處理、PPT生成、簡單前端展示以及Computer Use等日常任務;對於長程軟件工程等更復雜的任務,則建議使用能力上限更高的混元4正式版。

結語:輕量模型的價格戰,騰訊不想缺席

如果說混元4正式版是騰訊用來對標開源一線旗艦的「名片」,那麼Flash則是為了把勁使到更便宜、更高頻的場景裏去。

這個賽道上,對手已經排好了隊。DeepSeek V4.1 Flash已然是輕量市場的重要玩家。

在騰訊公布的盲測中,DeepSeek-V4.1-Flash-1017的用戶滿意度仍高於混元4 flash,但後者以更低的成本和更短的任務耗時完成了測試任務。

結合我們的實測來看,混元4 flash已經能夠通過代碼完成一些複雜的創作和開發任務,但生成內容的精細度、審美和自檢能力仍然存在不足。

隨着輕量模型越來越多地進入辦公、開發和內容創作場景,模型能否以足夠低的成本完成任務,正在成為廠商競爭的又一個重點。

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10