Hy4 flash 対 GLM 5.3 Flash:日常ブラインドテストとターミナルベンチマークを分けて見る

著者注:本記事はTencent 混元(Hunyuan)の研究ページにあるブラインドテスト、付録ベンチマーク、製品側の証言を分解し、Hy4 flash と GLM-5.3-Flash を日常タスク、ターミナルコーディング、コスト、接続プロトコルの面で比較します。さらに、今日 APIYI で呼び出せるのはどちらなのかも説明します。

Tencent 混元は 2026-11-16 に Hy4 flash を公開し、公式には「日常の生産性を支える最も安価なモデル」と位置づけています。多くの人が GLM-5.3-Flash とどちらを日常の主力にするかで悩んでいます。Tencent の研究ページは3種類の材料を提示しています。人手によるブラインドテスト、付録のベンチマーク表、そして製品側の証言です。この3か所の結論の方向性は、完全には一致していません。

これは「それぞれに良さがある」式の折衷案の記事ではありません。以下では3か所のデータを分けて並べ、各数値には出典を明記します。最後にシナリオ別の明確な選択肢を示し、今日 APIYI で直接呼び出せるのはどのモデルなのかも説明します。

本記事の核心価値:読み終えるころには、Hy4 flash がブラインドテストでどこに強みを持つのか、GLM-5.3-Flash が付録ベンチマークでどこに強みを持つのか、そして接続時に注意すべきプロトコルと価格の基準が分かるようになります。

hy4-flash-vs-glm-5-3-flash-comparison-ja-image-0


Hy4 flash と GLM 5.3 Flash の本質的な違い

先に結論から言うと、どちらか一方がすべてを制するわけではありません。テンセントのブラインドテストでは、Hy4 flash のほうが満足度が高く、より高速で、より安価でした。一方、付録にある Terminal-Bench 4.0 や PPTFixBench のような「修正・ターミナル操作」寄りの項目では、GLM-5.3-Flash のスコアが上回っています。

比較軸 Hy4 flash GLM-5.3-Flash データソース
ブラインドテスト満足度(4点満点) 2.79 2.53 テンセント研究ページのブラインドテスト表(公式自己申告)
エンドツーエンド時間の中央値 6.7 分 7.6 分 同上
ブラインドテスト1タスクあたりコスト 0.26 元 0.81 元 同上、人民元
Terminal-Bench 4.0 19.2 35.4 テンセント研究ページの付録
PPTFixBench 23.7 28.6 テンセント研究ページの付録
MdCoEditBench(Markdown 共同執筆) 56.9 32.3 テンセント研究ページの付録
仕様 224B 総パラメータ(64B Engram を含む)、アクティブ 12B、1M コンテキスト 320B 総パラメータ、アクティブ 18B、1M コンテキスト、最大出力 128,000 研究ページ / APIYI モデルページ
呼び出し可能なプラットフォーム テンセントクラウド TokenHub、WorkBuddy など。APIYI ではまだ提供されていません APIYI apiyi.com では glm-5.3-flash を提供中 研究ページ / APIYI のモデル一覧

この表のスコアはすべてテンセント側のもので、GLM は登場して自らを弁護していません。見るときには、ブラインドテストも付録もテンセント公式の自己申告であり、評価セットの多くはテンセント内部のセットで、公開された最終ランキングの順位ではないことを覚えておきましょう。

Hy4 flash と GLM 5.3 Flash の比較における3つのデータ基準

3つの資料は前提がまったく異なるため、混ぜて読むと誤解しやすくなります。

  • ブラインドテスト:社内の WorkBuddy ユーザー85名、259タスク、27カテゴリ。外部モデル(GLM を含む)は high 設定を使用し、Hy4 flash の行には設定の記載がありません。
  • 付録表:17の評価項目で、すべてのモデルがそれぞれの最高推論設定を使用。各セルには1タスクあたりのコストが付記され、コストはテンセントが独自に定めた人民元の固定価格で計算されています。
  • 製品側の証言:元宝、王者荣耀、ima などのチームが自ら述べた数字で、それぞれのシナリオと基準が異なるため、横並びに比較することはできません。

hy4-flash-vs-glm-5-3-flash-comparison-ja-image-1

Hy4 flash と GLM 5.3 Flash のブラインドテスト結果

ブラインドテストは、Hy4 flash にとって最も有利な証拠のひとつです。研究ページにある完全なブラインドテスト表は 4 行構成で、以下にそのまま掲載します(Tencent 公式の自己申告によるものです)。

モデル 満足度(4 点満点) エンドツーエンド時間の中央値 タスクあたりコスト(人民元)
DeepSeek-V4.1-Flash-1017(high) 3.09 10.3 分 1.20 元
Hy4 flash(グレード未記載) 2.79 6.7 分 0.26 元
Claude-Haiku-5.5(high) 2.81 6.8 分 4.73 元
GLM-5.3-Flash(high) 2.53 7.6 分 0.81 元

Hy4 flash と GLM-5.3-Flash の 2 行だけを見ると、Hy4 flash は満足度が 0.26 点高く、時間は約 0.9 分短く、タスクあたりコストは GLM の約 3 分の 1 です。これが「日常のブラインドテストではより安い」という直接的な根拠になります。

正確に押さえておきたい点が 3 つあります。第一に、満足度が最も高いのは DeepSeek の 3.09 であり、Hy4 flash ではありません。第二に、Hy4 flash は Haiku より 0.02 点低く、研究ページでは「接近(close to)」という表現が使われており、「上回る」とは書かれていません。第三に、公式投稿にある「タスクコスト 18 倍削減」は 4.73 元を 0.26 元で割ったもので、比較対象は Haiku であり、GLM ではありません。

Hy4 flash と GLM 5.3 Flash のブラインドテストコストはどこから来るのか

ブラインドテスト表にある人民元コストは、Tencent が自社の料金算定基準で算出したものです。これは「同じタスク群でどちらが費用を抑えられたか」を反映するものであり、どのプラットフォームでも実際に請求される金額と一致するわけではありません。Hy4 flash のコストが低い理由は、一部には定価(刊例価格)が低いこと、一部には研究ページで述べられているように、強化学習によってエンドツーエンドの平均出力トークン数が 50% 削減されたことにあります。

研究ページにはもう一連の WorkIndex の結論があります。タスクあたり平均コストは Hy4 preview の 1/13、Hy4 の 1/20 です。これらの記述は WorkIndex にのみ属するもので、ブラインドテスト表の人民元の数字を置き換えるのに使ってはいけません。また GLM とも関係ありません。


Hy4 flash と GLM 5.3 Flash の付録ベンチマーク比較

付録は GLM-5.3-Flash が巻き返した部分です。以下の表は Tencent の研究ページにある Appendix の図全体から書き起こしたもので、この2列だけを残し、形式は「スコア / 単一タスクコスト(人民元)」です。

評価項目 Hy4 flash GLM-5.3-Flash スコアが高い方
PPTGenBench 54.2 / 0.169 53.6 / 1.460 Hy4 flash
PPTCoEditBench 74.0 / 0.105 67.3 / 0.489 Hy4 flash
PPTFixBench 23.7 / 0.253 28.6 / 2.517 GLM
MdCoEditBench 56.9 / 0.057 32.3 / 0.133 Hy4 flash
WordEditBench 46.2 / 0.629 47.6 / 2.840 GLM
ExcelFixBench 15.6 / 0.310 9.9 / 2.879 Hy4 flash
AudioVideoBench 17.8 / 0.344 11.9 / 3.370 Hy4 flash
BuddyVQA Atlas(ツールなし) 48.5 / 0.007 50.1 / 0.019 GLM
DeepSWE v1.1 64.6 / 0.290 67.8 / 3.230 GLM
ProgramBench 16.0 / 0.561 13.0 / 17.959 Hy4 flash
Terminal-Bench 4.0 19.2 / 0.558 35.4 / 5.597 GLM
APEX-Agents v1.1 63.1 / 0.087 51.5 / 0.485 Hy4 flash
AutomationBench v1.0.6 52.2 / 0.038 48.4 / 0.104 Hy4 flash
HLE-Full(ツールあり) 55.2 / 0.060 52.2 / 0.616 Hy4 flash
OSWorld 2.1 68.1 / 0.451 64.0 / 3.803 Hy4 flash
MMMU-Pro 75.8 / 0.010 77.0 / 0.013 GLM
ZeroBench-main(ツールあり) 45.8 / 0.077 35.3 / 1.861 Hy4 flash

最も差が大きい項目は Terminal-Bench 4.0 です。GLM が 35.4、Hy4 flash が 19.2 で、ほぼ2倍です。このベンチマークは Claude Code harness を使用し、最大500ターン、1回あたり最長13時間で、長期的なターミナル操作を評価します。PPTFixBench でも GLM が約5ポイントリードしています。また、DeepSWE、WordEditBench、BuddyVQA、MMMU-Pro の各項目でも GLM がわずかにリードしています。

Hy4 flash が差を広げたのは Markdown の共同執筆(56.9 対 32.3)、表の修正、音声・動画処理、ZeroBench です。これらの項目は「文書を書き、表を直し、素材を処理する」という日常業務に近いものです。これは研究ページの推奨とも一致します。長期的なソフトウェアエンジニアリングでは引き続き Hy4 を使用し、Hy4 flash は使用しない、という内容です。

付録のコスト列はテンセントの仮定であり、プラットフォームの請求額ではありません

付録の原文では次のように説明されています。コストは各モデルの公式 API 価格に基づき、1ドル=7.2人民元で換算しています。GLM-5.3-Flash に適用された固定価格は、100万トークンあたり入力 0.8元、キャッシュヒット 0.23元、出力 2.8元で、「標準 API 価格」と注記されています。これはテンセントが表を作成した時点の付録上の仮定であり、APIYI の表示価格ではありません。また、これに基づいて APIYI での請求額を換算しないでください。

hy4-flash-vs-glm-5-3-flash-comparison-ja-image-2


Hy4 flash と GLM 5.3 Flash をめぐる製品側の証言

研究ページにはテンセント各製品チームの証言も添えられており、そのうち3件が GLM-5.3-Flash を名指ししています。いずれも製品側の自己申告であり、シナリオとベースラインはそれぞれ異なります:

  • 元宝(製品側の自己申告):汎用対話では GLM-5.3-Flash より 2.52% 高く、特にマルチターン対話で顕著です。これは元宝チームの内部評価であり、公開リーダーボードではありません。
  • 王者荣耀(製品側の自己申告):DeepSeek-V4.1-Flash-1017 および GLM-5.3-Flash と比べて、根本原因の特定は同程度です。モデルリクエストは 22.0% から 39.1% 少なく、token は 40.5% から 61.2% 少なく、ツール呼び出しはそれぞれ 51.2% と 7.7% 多くなっています。
  • ima(製品側の自己申告):上記2社と比べて、平均待ち時間は 18% から 35% 短く、回答スコアは 1.8% 高く、コンテンツ品質は 8.1% 高いです。

これらの証言に共通するのは、Hy4 flash が「token の消費が少なく、待ち時間も短い」という点で優位に立ち、品質面では同等か小幅なリードにとどまるということです。これらはブラインドテストの結論を裏付けますが、付録の Terminal-Bench の差を反論するものではありません。そもそも同じ種類のタスクではないからです。


Hy4 flash と GLM 5.3 Flash:価格と接続方法の比較

価格は最も間違えやすい部分です。出典の異なる数字を混ぜて使うことはできません。以下の表では、各価格の出典を分けて記載しています(単位はすべて100万トークンあたりの米ドル)。

モデル / 出典 入力 出力 キャッシュ読み取り 説明
Hy4 flash(Tencent 研究ページの定価表) 0.070 0.281 0.003 APIYI の表示価格ではありません。TokenHub では 2026-11-30 まで半額
glm-5.3-flash(APIYI apiyi.com のモデルページ) 0.15 0.50 0.03 すでに提供開始済み。グループは CodexResponses、Default、SVIP、倍率は1倍
glm-5-3-flash-260828(APIYI の一覧表) 0.15 0.499995 0.03 別ルートであり、上記と競合しません
hy4(APIYI の一覧表) 0.85 2.55 0.045 これは Hy4 であり、Hy4 flash ではありません
Hy4(Tencent 研究ページの定価表) 0.834 2.501 0.042 研究ページの定価であり、APIYI の価格とは別に扱います

Hy4 flash の半額は TokenHub の期間限定価格です。研究ページには割引後の価格表が別途掲載されていないため、自分で2で割って概算する場合は、11月30日以降は定価に戻ることを覚えておいてください。

Hy4 flash はまだ提供を開始しておらず、できるだけ早くこのモデルを追加する予定です。モデル名と価格はプラットフォームのモデル一覧を正としてください。 現時点で APIYI にあるのは hy4 のみで、flash 版の Hunyuan はありません。Tencent Hunyuan の利用上限の高いバージョンが必要なら、まず hy4 をお使いください。Hy4 flash そのものが必要な場合は、現段階では Tencent Cloud の TokenHub、WorkBuddy などの公式チャネルしか選択肢がありません。研究ページには API モデル ID も記載されていないため、呼び出し時は TokenHub コンソールに表示される名前を正としてください。

APIYI で GLM-5.3-Flash を呼び出す方法

glm-5.3-flash は今日から呼び出せます。APIYI 上では OpenAI Chat Completions のみ対応で、Anthropic Messages にも Responses にも対応していません。この点が、一部のクライアントにそのまま組み込めるかどうかを左右します。

  1. apiyi.com のコンソールで APIキーを作成します。
  2. クライアントの base_url を https://api.apiyi.com/v1 に設定し、リクエストパスは /chat/completions です。
  3. リクエストボディの model に glm-5.3-flash を指定し、messages は OpenAI 形式で渡します。
  4. 思考(thinking)はデフォルトで有効です。入力はテキスト・画像・動画、出力はテキストです。

使用中のツールが Anthropic Messages 形式のリクエストしか送れない場合、glm-5.3-flash はそのままでは使えません。そのような場面では、Chat Completions に対応したクライアントに替えるか、chat と messages の両エンドポイントを提供するモデルに切り替えてください。コンテキスト長、最大出力、エンドポイントなどのパラメータは APIYI のモデルページを正としてください。

🚀 接続のヒント:すでに APIYI で提供中のモデルは、apiyi.com の APIキーを使って https://api.apiyi.com/v1 にリクエストを送るだけで使えます。OpenAI 互換クライアントなら2か所の設定を変えるだけで動きます。新規ユーザーには無料のテスト枠があるので、まずは自分の日常業務で glm-5.3-flash を試してみてください。


Hy4 flash と GLM 5.3 Flash のシーン別おすすめ

Hy4 flash を選ぶシーン

  • 文書とMarkdownの同時編集:付録のMdCoEditBenchでは56.9対32.3で、差は明確です。
  • 表の修正、音声・動画素材の処理:ExcelFixBenchとAudioVideoBenchの2項目でHy4 flashがリードしています。
  • コストを重視する高頻度の日常タスク:ブラインドテストの単一タスクあたり0.26元対0.81元(Tencent公式の自己申告)。
  • マルチターン対話型の製品:Yuanbao製品側の自己申告では、汎用対話が2.52%高く、マルチターンで最も顕著でした。

GLM-5.3-Flash を選ぶシーン

  • ターミナル操作と長時間のコマンドラインタスク:Terminal-Bench 4.0では35.4対19.2で、差が最も大きい項目です。
  • スライド修正タスク:PPTFixBenchでは28.6対23.7。
  • 今日中にリリースしたい:glm-5.3-flashはAPIYIですでに提供開始済みで、Hy4 flashはまだです。
  • ツールチェーンがChat Completionsベース:OpenAI形式のクライアントからそのまま接続できます。

Hy4 flash と GLM 5.3 Flash の意思決定ガイド

あなたの状況 推奨
主に執筆、文書、表、素材処理を行う Hy4 flashの提供開始を待つ。または、まずTencent公式チャネルで試す
主にターミナル操作、コマンドラインAgentを行う GLM-5.3-Flashを選ぶ
今日中にAPIYIで提供開始する必要がある glm-5.3-flashを選び、Chat Completionsを利用する
クライアントがAnthropic Messagesのみに対応 glm-5.3-flashは利用不可。messages対応モデルに変更する
長期的なソフトウェアエンジニアリング どちらも第一選択ではない。調査ページではHy4を推奨

💡 選択のヒント:ブラインドテストと付録が示す方向は異なるため、最も確実な方法は自分のタスクでそれぞれ一通り試すことです。glm-5.3-flashは今すぐAPIYI apiyi.comで検証できます。Hy4 flashの提供開始後は、modelパラメータを1つ変えるだけで、同じコード上で比較できます。

hy4-flash-vs-glm-5-3-flash-comparison-ja-image-3


よくある質問 FAQ

Q1:Hy4 flash と GLM-5.3-Flash はそれぞれ何ですか?

Hy4 flash はテンセント混元が2026-11-16に公開した日常タスク向けモデルで、総パラメータ224B、活性化12B、コンテキスト1Mです。GLM-5.3-Flash は APIYI のモデルページの記載では総パラメータ320B、活性化18B、コンテキスト1Mで、ベンダーの公開日は2026-08-26です。

Q2:Hy4 flash と GLM 5.3 Flash を比べると、結局どちらが強いのですか?

タスクの種類によります。テンセントのブラインドテストでは Hy4 flash の満足度が2.79、GLM が2.53でした。付録では Terminal-Bench 4.0 と PPTFixBench は GLM が上回り、Markdown 共同執筆、表、音声・動画、ZeroBench は Hy4 flash が上回っています。いずれのデータもテンセント公式の自己申告です。

Q3:元宝が「汎用対話では GLM-5.3-Flash より2.52%高い」と言っていますが、信頼できますか?

これは元宝のプロダクト側による自己評価であり、公開ベンチマークでも手法の詳細が公開されているわけでもありません。「マルチターン対話の方向では Hy4 flash が優位かもしれない」という手がかりとしてなら使えますが、断定材料としては扱えません。

Q4:付録にある GLM の0.8元、0.23元、2.8元は APIYI の価格ですか?

いいえ。これはテンセントが付録表を作成する際に用いた人民元の固定価格の仮定です。APIYI のモデルページにおける `glm-5.3-flash` の価格は入力0.15、出力0.50、キャッシュ読み0.03ドル/百万トークンで、プラットフォームのモデル一覧が優先されます。

Q5:今 APIYI で Hy4 flash を呼び出せますか?

Hy4 flash はまだ未上架ですが、できるだけ早く上架する予定です。モデルと価格はプラットフォームのモデル一覧を参照してください。現在 APIYI で呼び出せるのは `glm-5.3-flash` と `hy4` で、`hy4` は flash 版ではない点にご注意ください。上架の状況は apiyi.com のモデル一覧で確認できます。

Q6:glm-5.3-flash は Anthropic 形式のみに対応したクライアントに接続できますか?

できません。`glm-5.3-flash` は APIYI では OpenAI Chat Completions エンドポイントのみを提供しており、Messages と Responses には対応していません。クライアント側は base_url を `/v1` に向けて Chat Completions リクエストを送信できる必要があります。

Q7:2つのモデルにはどのような既知の弱点がありますか?

Hy4 flash は Terminal-Bench 4.0 で19.2点にとどまり、研究ページでも長期的なソフトウェアエンジニアリングでは Hy4 に劣ると認めています。重みは現時点ではオープンソース化の予定のみです。GLM-5.3-Flash はブラインドテストの満足度と Markdown 共同執筆で後れを取り、Chat Completions のみに対応しています。両者の比較データはいずれもテンセント側によるものです。


Hy4 flash と GLM 5.3 Flash の比較:主なポイント

  • ブラインドテストでは Hy4 flash が優位:満足度は 2.79 対 2.53、6.7 分 対 7.6 分、0.26 元 対 0.81 元。
  • ターミナル系ベンチマークでは GLM が上:Terminal-Bench 4.0 は 35.4 対 19.2、PPTFixBench でも GLM がリード。
  • 日常業務項目では Hy4 flash が高い:Markdown 共同作成、表の修正、音声・動画、ZeroBench のスコアが上。
  • 証言はあくまで自己申告:元宝の「2.52% 高い」は製品側の自己申告であり、公開ランキングではありません。
  • 価格は出典を区別:付録の人民元は Tencent の想定、研究ページの米ドルはリスト価格で、いずれも APIYI の表示価格ではありません。
  • 今日呼び出せるのは GLM:glm-5.3-flash は APIYI apiyi.com で提供中で、Chat Completions のみ対応しています。

まとめ

Hy4 flash と GLM 5.3 Flash を比較した結論は次のとおりです。

  1. 日常タスクなら Hy4 flash:Tencent のブラインドテストでは満足度が高く、より高速で安価、文書・表形式のベンチマークでもスコアが上です。
  2. ターミナル系タスクなら GLM-5.3-Flash:Terminal-Bench 4.0 の差はほぼ2倍で、長期的なコマンドライン作業には Hy4 flash を選ぶべきではありません。
  3. 実運用では可用性とプロトコルを確認:現時点で APIYI から呼び出せるのは glm-5.3-flash で、Chat Completions のみです。Hy4 flash はまだ提供されていません。

タスクが執筆や文書作成中心なら、Hy4 flash の提供開始状況を注視してください。ターミナル操作寄り、またはすぐに本番投入したい場合は、glm-5.3-flash がより直接的な選択肢です。apiyi.com の無料テスト枠を使って、実際のタスクで一度試してから決めるとよいでしょう。


📚 参考資料

  1. Tencent Hunyuan Hy4 flash 研究ページ:ブラインドテスト表、付録ベンチマーク、製品側の証言、参考価格

    • リンク:hy.tencent.ai/research/hy4-flash
    • 説明:本記事のブラインドテスト、付録スコア、証言はすべてこのページに由来し、Tencent 公式による自己申告の内容です
  2. Tencent Hunyuan 公式発表投稿:Hy4 flash のリリースと API 参考価格

    • リンク:x.com/TencentHunyuan/status/2122217770314301469
    • 説明:「タスクコスト 18 分の 1 への削減」の出典。比較対象は Claude Haiku 5.5 です
  3. APIYI GLM-5.3-Flash モデルページ:パラメータ、コンテキスト、エンドポイント、価格

    • リンク:docs.apiyi.com/models/glm-5-3-flash
    • 説明:glm-5.3-flash の仕様とプロトコルはこのページを基準とします

作者:APIYI 技術チーム
技術交流:APIYI ウェブサイトのトップページからお気軽にお問い合わせください。その他のモデルや接続方法については、docs.apiyi.com ドキュメントセンターをご覧ください

コメントする