抢先实测腾讯Hy4 flash,一口气做出黄仁勋MV,比DeepSeek更便宜

智东西
Yesterday

智东西

作者 | 江宇

编辑 | 心缘

来来来,先看一段MV。

穿着黑色皮衣的黄仁勋,变成了像素小人,在蔡依林的《日不落》中登台亮相。唱到“爱的明信片”时,黄仁勋掏出的是一颗绿色GPU芯片。

熟悉的黑皮衣、熟悉的动作,也算还原出几分英伟达GTC的味道。

这支MV当然谈不上精致。黄仁勋的动作有些僵硬,画面细节也比较粗糙,连歌词字幕都没能准确对上背景音乐。

但整支视频都是AI通过编写代码制作的,连黄仁勋这个像素小人,也是AI自己画出来的。背后的模型,就是腾讯姚顺雨团队刚刚端出来的腾讯混元4 flash。

智东西11月16日消息,刚刚,腾讯正式发布新一代模型混元4 flash(Hy4 flash),总参数量224B(2240亿),激活参数12B(120亿),支持多模态和100万Token上下文,解码速度超过150 Token/s。

这款模型主打低成本。其API每百万Token输入价格仅0.5元、输出2元,分别为混元4正式版的1/12和1/9,命中缓存的输入价格低至0.02元。

在腾讯公布的日常工作任务评测中,混元4 flash的表现超过混元4预览版,平均单任务成本约0.2元。

另一项涉及85名内部用户、259项工作任务的盲测显示,混元4 flash的用户满意度接近Claude Haiku 5.5,平均单任务成本仅0.26元,低于DeepSeek-V4.1-Flash-1017的1.2元,任务耗时也更短。

为了检验其实际能力,我们抢先在WorkBuddy中进行了一轮实测。除了开头这支黄仁勋MV,还让它开发《模拟人生5》游戏、搭建3D网球比赛、制作北京地标动画,也调用Blender,让鹈鹕骑上自行车。

一、让黄仁勋拍MV,50多个分镜一口气做完

先来看生成的黄仁勋《日不落》MV。这次,我参考了一套AI制作音乐MV的教程,让模型依次完成音乐分析、画风设计、人物绘制、剧本分镜、视频制作等步骤。

其中,人物设计还用上了模型的视觉理解能力。我上传了一张黄仁勋的真人照片,让模型参考照片中的发型、眼镜和黑色皮衣等特征,将他转化为一个Q版像素小人。

模型不仅生成了人物形象,还专门做了一个可交互的角色预览页面。在这个页面里,我可以切换黄仁勋的5种朝向、12种表情、12种动作,还能让他拿起GPU芯片、麦克风或笔记本电脑。

可以看见,人物的灰黑短发、眼镜、黑色皮夹克都保留了下来,衣服上的翻领和银灰色拉链也能看清,整体形象还算有辨识度。

接下来,模型根据《日不落》的音乐节奏和歌词设计剧情,生成了五十多个镜头的分镜总览。

最终,模型根据这些分镜编写动画代码,合成了开头那支MV。

不过,成片还有几处明显不足。

首先是画面精细度不够,人物动作略显僵硬,部分镜头切换也不够流畅。

更明显的问题是字幕错位。尽管我们明确要求模型根据歌词时间轴制作字幕,并在导出时检查同步情况,但最终字幕仍然没能准确跟上音乐。

总体来看,模型完成了从角色设计、分镜规划到动画制作、视频导出的一整套长程任务,但在画面细节和音画同步方面,还有进一步打磨的空间。

二、一句话造《模拟人生5》、搭3D网球场,Blender也直接上手

除了MV,我还测试了混元4 flash完成复杂前端开发、3D场景制作和跨工具任务的能力。

(1)一句话搓出《模拟人生5》

我先向模型提出了一个游戏制作要求:制作一款拥有画面和玩法的《模拟人生5》。

没想到,模型还真做出了一个可以玩的简化版本。

画面中央是一间等距视角的小屋,里面有三名家庭成员。左侧实时显示人物的饱食度、精力、娱乐、社交、卫生等状态,右侧则可以查看角色信息。

玩家能够点击家具安排动作,还可以开启自动生活,让人物自行活动。页面顶部提供暂停、倍速、建造模式等选项,下方还会记录角色的行为。

当然,这和真正的《模拟人生》相去甚远。人物只是简单的卡通小人,家具也由比较基础的几何形状组成,房间结构和游戏画面都十分简陋。

不过,模型已经实现了角色需求变化、自动行为、家具交互等基本玩法,而不只是做出一个看起来像游戏的静态页面。

(2)3D网球比赛搭出来了,运动员却接不到球

接下来,我给模型安排了一个难度更高的任务:制作一场完整的3D网球比赛。提示词要求它不仅搭建球场、看台、俱乐部等设施,还要实现运动员发球、回合对打、比赛计分,以及不同场地材质和摄像机视角切换。

最终,模型做出了一个支持交互的3D网球游戏。

我们可以切换全景、跟拍、特写等摄像机视角,也能调整比赛速度、球场类型和昼夜场景。

整个球场采用像素风格,周围还搭建了看台和俱乐部设施,比赛中的球员和网球也能持续运动。

但仔细观察,还是能找到不少Bug。比如,球场附近出现了位置不合理的旗杆;两名运动员看似打得有来有回,有时球拍却根本没有碰到网球;部分看台观众的身体还和座椅融在了一起。

(3)调用GitHub上的Skill,北京地标却走了形

我们还尝试让模型调用GitHub上的perspective illusion Skill,制作一段10秒钟的北京地标主题动画。

模型需要将天坛祈年殿、故宫角楼、央视总部大楼、中国尊、鸟巢等建筑安排在不同的景深位置,让镜头依次穿过这些地标。

模型顺利完成了视频,还自动配上了带有中国传统音乐韵味的BGM。

但建筑还原效果不太理想。天坛祈年殿、中国尊基本能辨认出来,央视“大裤衩”的造型却发生了严重变形,其他一些地标也很难看出原貌。

虽然镜头运动和场景切换基本符合要求,但复杂建筑的几何结构仍然是模型的难点。

(4)富士山下的雨夜便利店做出来了,氛围感还不错

接下来,我们要求模型制作一个日式雨夜便利店街角,整体呈现为可以自由旋转、拖拽和缩放的3D微缩景观。

这次的视觉效果相对不错。便利店、自动贩卖机、自行车、路灯和街角护栏等元素基本齐全。粉紫色霓虹灯、雨丝、湿润路面上的反光,也营造出了日式动画中的雨夜氛围。

模型实现了自由旋转和缩放,我们可以从不同角度查看整座微缩街景。和目前效果比较出色的AI 3D场景生成作品相比,它在美术细节和整体审美上仍有差距。

(5)直接调用Blender,鹈鹕骑上了自行车

最后,我们尝试让模型操作专业3D软件Blender。这次的任务,是让它通过Blender Python API编写脚本,制作一段约16秒的鹈鹕骑自行车动画。

模型成功搭出了鹈鹕、自行车和步道等角色与场景。

在视频里,模型还按照要求设置了跟拍、特写等镜头。

不过,整个画面比较粗糙。鹈鹕和自行车都由简单的几何体组成,部分渲染画面几乎没有材质颜色,看起来像未经美术加工的白模。

这也和我们的提示词有关:我们规定了人物动作和镜头运动,却没有明确要求场景配色与材质风格。

鹈鹕“踩”自行车的动作做得不错。但鹈鹕的翅膀完全没碰上手把手,两只脚蹼仍然能跟着踏板交替运动。

整个任务中,模型编写Blender代码大约花了26分钟,后续视频渲染又用了20多分钟,总耗时接近50分钟。但我们使用的是一台Mac,渲染耗时也受到本地电脑配置的影响。

最终,模型不仅生成了Blender脚本,还在软件中运行并导出了视频。这至少说明,它已经能够通过代码控制专业3D软件完成基础动画制作。

这一轮体验下来,混元4 flash比较突出的表现,是能够连续完成多个步骤,并把不同工具串联起来。

但短板也比较清楚:一是精细度,画面、模型、材质大多停留在“能认出来”的层面;二是审美,镜头、配色和构图很大程度上依赖提示词兜底;三是对复杂结构,如建筑、人体、机械的还原,越复杂越容易走形;四是自检闭环,模型自己还发现不了问题。

作为一款Flash定位的模型,它已经能完成不少复杂的代码与创作任务。如果想把生成内容直接当成成熟作品使用,仍有不少地方需要人工调试。

三、单任务成本不到3毛钱!盲测满意度接近Claude Haiku 5.5

除了我们实际体验到的效果,腾讯这次还公布了混元4 flash与DeepSeek、Claude、GLM等模型的评测对比,重点比较完成同一任务需要花多少钱。

先看腾讯自建的日常工作评测集WorkIndex。这套评测覆盖PPT制作与修改、文档编辑、表格修复、音视频处理、视觉理解等8类日常工作任务。

在WorkIndex上,混元4 flash的表现得分约为42,高于混元4预览版的39,但仍低于混元4正式版的51。

▲内外部任务上的性能和成本。

在价格方面,混元4 flash的平均单任务成本约0.2元,混元4预览版约3.2元,混元4正式版约5.7元。

拆开来看,在PPT生成评测PPTGenBench上,混元4 flash得分54.2,高于混元4预览版的52.3;在PPT协作编辑评测PPTCoEditBench上,二者得分分别为74.0和71.5。

但涉及更复杂的软件工程任务,flash与正式版之间仍有较大差距。例如,在Terminal-Bench 4.0上,混元4 flash得分19.2,混元4正式版为44.4;在ProgramBench上,二者分别为16.0和30.0。

▲公开Agent基准及多模态评测详细对比

除了跑分,腾讯还组织了一轮真实工作任务盲测。此次测试邀请了85位WorkBuddy内部用户,对27类、共259项日常工作任务进行评估,比较模型输出结果的用户满意度、端到端任务耗时和成本。

在满分4分的用户满意度评测中,混元4 flash获得2.79分,几乎追平Claude Haiku 5.5的2.81分,高于GLM-5.3-Flash的2.53分,但低于DeepSeek-V4.1-Flash-1017的3.09分。

混元4 flash的端到端任务时长中位数为6.7分钟,是四款模型中最短的。Claude Haiku 5.5为6.8分钟,GLM-5.3-Flash为7.6分钟,DeepSeek-V4.1-Flash-1017为10.3分钟。

单任务成本方面,混元4 flash仅需0.26元,Claude Haiku 5.5为4.73元,DeepSeek-V4.1-Flash-1017为1.20元,GLM-5.3-Flash为0.81元。

也就是说,在这轮盲测中,混元4 flash的满意度与Claude Haiku 5.5相差仅0.02分,单任务成本却只有后者的约1/18。

四、输入价格只有混元4的1/12,2240亿参数如何降本?

混元4 flash每百万Token的标准输入价格为0.5元,输出价格为2元,命中缓存的输入价格仅0.02元。

相比之下,混元4正式版每百万Token的标准输入价格为6元,输出为18元,命中缓存的输入价格为0.3元。三项价格分别降低至原来的1/12、1/9和1/15。

腾讯披露,混元4 flash的总参数量达到224B,其中包含64B Engram参数,但每次推理仅激活12B参数。

在预训练阶段,腾讯引入混合注意力、LatentMoE、Engram等架构设计,将模型的KV Cache规模压缩至混元4正式版的1/6、混元3的1/24,以降低长上下文推理的内存开销。

后训练阶段,腾讯先通过混元4自蒸馏提升模型能力,再利用强化学习,将端到端任务的输出长度降低50%,减少完成任务所需生成的Token数量。

部署环节则采用Megakernel、4bit量化、dflash等优化手段。腾讯称,混元4 flash的解码速度已经超过150 Token/s,支持大规模低成本部署。腾讯计划开源混元4 Flash,并持续迭代模型。

在使用场景上,腾讯推荐将flash版本用于深度搜索、文档处理、PPT生成、简单前端展示以及Computer Use等日常任务;对于长程软件工程等更复杂的任务,则建议使用能力上限更高的混元4正式版。

结语:轻量模型的价格战,腾讯不想缺席

如果说混元4正式版是腾讯用来对标开源一线旗舰的“名片”,那么Flash则是为了把劲使到更便宜、更高频的场景里去。

这个赛道上,对手已经排好了队。DeepSeek V4.1 Flash已然是轻量市场的重要玩家。

在腾讯公布的盲测中,DeepSeek-V4.1-Flash-1017的用户满意度仍高于混元4 flash,但后者以更低的成本和更短的任务耗时完成了测试任务。

结合我们的实测来看,混元4 flash已经能够通过代码完成一些复杂的创作和开发任务,但生成内容的精细度、审美和自检能力仍然存在不足。

随着轻量模型越来越多地进入办公、开发和内容创作场景,模型能否以足够低的成本完成任务,正在成为厂商竞争的又一个重点。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

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