Hy4 と Hy4 flash の選び方:日常タスクと長期ソフトウェアエンジニアリングの使い分け
本記事は公開情報の整理であり、貴数智能の自社検証ではありません。選び方の軸はテンセント公式の推奨です(Hy4 研究ページと Hy4 flash 研究ページ参照)。効果についての判断はすべてベンダーまたはパートナーの説明です。
公式の推奨
- 日常的な生産性タスクの大半(ディープサーチ、文書、スライド、簡単なフロントエンド、computer use など):Hy4 flash。
- 長期のソフトウェアエンジニアリングなど複雑なタスク:知能の上限がより高い Hy4。
共通点
TokenHub の Hy API Guide は、両者に同じ仕様を挙げています。
| 項目 | Hy4 / Hy4 flash |
|---|---|
| コンテキストウィンドウ | 1M |
| 最大入力 | 960k |
| 最大出力 | 64k |
| 入力 / 出力 | テキストと画像 / テキスト |
| 推論 | 対応 |
どちらも OpenAI Chat Completions、Responses、Anthropic の各プロトコルに対応します。API ID はそれぞれ hy4 と hy4-flash です。インターフェース上は、一方から他方へ切り替えるときの変更は主にモデル名だけです。出力品質と所要時間が合うかどうかは、自分のタスクで確かめる必要があります。
違い
| 項目 | Hy4 | Hy4 flash |
|---|---|---|
| 発表 | 2026-11-04 | 2026-11-16 |
| 重み | 11-18 時点で、公式は続けて公開するとしている | 11-18 にオープンソース化(FP8、Base を含む) |
| 規模 | 正式版は総・アクティブパラメーター数とも未公表 | 公式 224B、オープンソースのモデルカード 220B、アクティブ 12B |
| 独立評価 | AA Intelligence Index v5.0.1:35 | 2026-11-18 時点で AA 専用ページは見当たらない |
flash の 224B(公式の研究ページと公式 X 投稿)とオープンソースのモデルカードの 220B(Hugging Face)は揃えられていないため、引用するときは出典を明記してください。Hy4 preview の 770B / 49B は正式版には当てはまりません。詳しくは Hy4 レビューと flash レビューをご覧ください。
効果と所要時間に関する公式の説明
公式 WeChatが伝える WorkBuddy の評価では、flash は日常タスクで Hy4 とほぼ同等、長期コーディングはわずかに低下し、平均タスク所要時間は 70% 短縮されたとしています。企業微信(WeCom)は同じ記事で、flash の出力速度は Hy4 比で 88% 向上、思考モードの出力トークンは約 60% 減少としています。
いずれも各製品チームの社内基準で、テストセットや条件はそれぞれ異なり、独立した比較ではありません。AA の Hy4 ページは、Hy4 が遅く出力も長めであることを示しています(Intelligence Index 35、比較グループ中央値 43。これはこのタスク群では目立たないという意味であり、すべての場面で弱いという意味ではありません)。公式が日常タスクを flash に任せる理由の説明にはなりえますが、AA は flash を評価していないため、両者を同一視することはできません。
選び方の考え方
- 日常の文書、検索、簡単なフロントエンドなど、すぐに返ってほしい短いタスク:まず flash を試す。
- 複数ファイルにまたがり、長時間自律的に進める必要があるソフトウェアエンジニアリング:公式の推奨に従い、まず Hy4 を試す。
- ローカルにデプロイしたい、重みを確認したい:現時点でダウンロードできるのは flash だけです(公式オープンソース投稿参照)。
- 迷ったら、自分の実タスクを5〜10件選び、同じプロンプトで両方を実行して結果と所要時間を比べる。
公式が述べているのは、flash の長期コーディングが「わずかに低下」するということで、低下しないとは言っていません。長期コーディングが中心のタスクなら、この点は個別に確認する価値があります。
コーディング場面の詳細はテンセント混元 Hy4 のコーディングとエージェント:公式の特化訴求とサードパーティの使用感の整理、ユーザーの声と限界はユーザーの声と限界、製品での使い方は WorkBuddy と CodeBuddy の使い方をご覧ください。
上流でのリリースは、本サイトで利用できることを意味しません。
主な参考資料
確認日:2026-11-18。