텐센트가 2026년 11월 16일 일상 업무를 겨냥한 언어모델 Hy4 flash를 공개했다. 가중치 공개와 기존 주력 모델보다 낮은 이용 요금으로, 개발자는 자체 서버 배포와 클라우드 서비스 연결 중 운영 방식에 맞는 경로를 고를 수 있다.

1. 계산을 줄인 하이브리드 구조

회사 발표 기준 총 파라미터는 2,240억 개지만 토큰마다 120억 개만 활성화한다. 큰 모델을 통째로 계산하는 대신 일부만 골라 쓰는 설계다.

핵심인 하이브리드 어텐션, 서로 다른 주의 계산을 결합한 방식은 필요한 토큰을 골라 보는 희소 어텐션, 필요한 일부 토큰만 참조하는 방식과 가까운 토큰만 보는 슬라이딩 윈도우 어텐션, 가까운 범위의 토큰만 참조하는 방식을 섞어 문맥을 참조하는 계산을 줄인다.

텍스트와 이미지를 입력받아 텍스트를 만들며 최대 100만 토큰의 문맥을 처리한다. 문서와 시각 자료를 함께 다루는 업무를 겨냥한 구성이다.

2. 사내 과제에서 비용과 성능을 평가

텐센트는 슬라이드 제작, 문서 편집 등 사내 업무를 바탕으로 만든 WorkIndex로 성능을 평가했다. 회사 발표 기준 Hy4 flash는 Hy4 preview보다 높은 점수를 얻었지만 Hy4에는 미치지 못했다.

표: 사내 업무 평가 점수

조건: 회사 발표 기준 WorkIndex의 8개 평가 세트

단위: 점수

사내 업무 평가 점수 비교Hy4 flash: 점수 42.1; Hy4 preview: 점수 39.7; Hy4: 점수 51.4Hy4 flash42.1Hy4 preview39.7Hy451.4
사내 업무 평가 점수 비교
사내 과제에서 비용과 성능을 평가
모델점수
Hy4 flash42.1
Hy4 preview39.7
Hy451.4

회사 발표 기준 이 평가의 과제당 평균 비용은 Hy4 preview의 13분의 1, Hy4의 20분의 1이다. DeepSeek-V4.1-Flash-1017의 Max 등급 피크 시간 요금과 비교하면 8분의 1이다. 점수 최고치보다는 과제 처리 비용을 낮추는 데 무게를 둔 결과다.

별도로 사내 WorkBuddy 사용자 85명이 259개 과제, 27개 범주를 평가한 블라인드 시험도 진행했다. 회사 발표 기준 만족도는 4점 만점에 2.79점으로 Claude Haiku 5.5의 2.81점에 근접했다.

같은 시험에서 회사 발표 기준 중앙값 완료 시간은 6.7분, 과제당 비용은 0.26위안이었다. 텐센트는 평가 대상 가운데 완료 시간이 가장 짧고 과제 비용이 가장 낮았다고 밝혔다.

3. API 요금 인하와 계산 비용의 교환

공식 페이지의 100만 토큰당 API 가격은 캐시 입력, 입력, 출력 모두 Hy4보다 낮다. 아래 요금은 과제당 비용이 아니라 토큰 사용량에 적용하는 가격이다.

표: 공식 API 요금

조건: 텐센트 공식 페이지의 100만 토큰당 요금

단위: 달러

100만 토큰당 API 요금 비교캐시 입력: Hy4 flash 0.003, Hy4 0.042; 입력: Hy4 flash 0.070, Hy4 0.834; 출력: Hy4 flash 0.281, Hy4 2.501Hy4 flashHy4캐시 입력0.0030.042입력0.0700.834출력0.2812.501
100만 토큰당 API 요금 비교
API 요금 인하와 계산 비용의 교환
항목Hy4 flashHy4
캐시 입력0.0030.042
입력0.0700.834
출력0.2812.501

회사 발표 기준 강화학습, 결과에 따라 모델 출력을 개선하는 학습 방식으로 작업 완료까지의 평균 출력 토큰 수를 50% 줄였고, 문맥 처리용 메모리인 KV 캐시는 Hy3의 24분의 1, Hy4의 6분의 1로 줄였다.

회사 발표 기준 여러 연산을 묶는 메가커널과 가중치 표현을 4비트로 줄이는 양자화, 다음 출력을 미리 제안하는 DFly2를 결합한 출력 생성 속도는 초당 150토큰을 넘는다.

계산량과 요금을 줄이는 이익과 별개로, 자체 운영자는 모델을 내려받고 저장할 자원을 마련해야 한다. Hugging Face 페이지의 가중치 파일 크기는 440,521,238,479바이트이며 148개 파일로 나뉜다. 계산에 일부만 참여해도 전체 가중치를 보관하는 부담은 남는 셈이다.

4. 가중치를 받아 직접 배포

텐센트는 지시 모델, 지시를 따르도록 조정한 모델, 가중치를 8비트 부동소수점으로 줄인 FP8 지시 모델, 사전학습 기본 모델을 배포했다. 적용 라이선스는 Tencent Hy License다.

모델 카드의 로컬 실행 경로는 Transformers다. 모델 카드는 지원 코드가 주 개발 브랜치에 반영되기 전이라며 다음 설치 명령을 안내한다.

pip install "transformers[torch,vision] @ git+https://github.com/huggingface/transformers.git@refs/pull/50903/head"

추론 서버를 운영하는 경우 공식 문서가 제공하는 vLLM 또는 SGLang 배포 레시피를 사용할 수 있다. 로컬에서 직접 불러오거나 서버를 띄워 API로 접근하는 두 경로를 제공한다.

5. 사용처는 일상 업무와 자체 서비스

텐센트는 심층 검색, 문서 처리, 슬라이드 제작, 간단한 프런트엔드 시연과 컴퓨터 사용 같은 일상 과제에 Hy4 flash를 권한다. 장기 소프트웨어 공학처럼 복잡한 작업에는 더 높은 성능을 낼 수 있는 Hy4를 권고한다.

사전학습 모델에 예시 다섯 개를 주고 측정한 지식 평가에서도 아래 세 항목 모두 Hy4가 앞섰다. 회사 발표 기준 분야별 정확도를 같은 비중으로 평균한 점수이며, 완성된 업무 결과를 평가하는 앞의 사내 시험과는 별개다.

표: 사전학습 모델의 지식 평가

조건: 모델 카드의 사전학습 모델, 5-shot, 거시 평균 정확도(† 표시 항목)

단위: 점수

사용처는 일상 업무와 자체 서비스
벤치마크Hy4 flash BaseHy4 BaseHy3 preview Base
MMLU88.791.687.5
MMLU-Pro71.173.965.8
SuperGPQA57.862.752.3

총 파라미터는 공식 발표가 224B, 모델 카드가 220B로 표기해 문서마다 다르다. 모델 카드는 중간 훈련의 합성 지시 데이터, 인공적으로 만든 지시 학습 자료 노출 영향으로 예시를 주는 평가에서 답 형식을 놓쳐 점수가 왜곡될 수 있다고 덧붙였다.

Hy4 flash는 개방형 가중치와 낮은 서비스 비용으로 일상 업무 배포를 겨냥하지만, 복잡한 개발 과제에서는 Hy4가 우선 선택지로 남는다.