![]()
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。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.