770B 的模型,文档上挂着 5 个并发:Hy4 接进去要先改三处

你们那套客服机器人或者报表脚本，一天跑三四千次调用，忙的时候一分钟两三次。这种量级接一个新模型，要担心的不是单价贵不贵，是接上去之后发现它跑不动。

“大模型 API 的并发限制怎么提高”，这句话这两周被问了三次。结论先给：腾讯混元 Hy4（2026-11-04 发布）这次真正值得看的不是 770B 这个数，是价签没动、并发没动、上下文窗口被切成了两段。这篇里没有自测环节，账号上没有任何厂商的 API 额度，所有数字来自官方发布页与接口文档，核对日期写在括号里。

Hy4 是 770B 总参数、49B 激活的混合专家架构，上下文标称 1M，这代还带上了视觉理解和电脑操作。这些是发布会上会被反复念的部分（2026-11-04 核）。

对要接它的人来说，有一句话更重要：定价和 preview 版一样，输入 6 元、输出 18 元、缓存命中 0.3 元，都是每百万 Token。上一代 Hy3 系列总参数不到 300B，这次翻倍到 770B，价目表一个字没改。

还有一个时间窗口：即日起到 2026-12-31，Hy4 在腾讯云 TokenHub 按刊例价五折计费（2026-11-05 核）。折后是 3 元、9 元、0.15 元。

这个折扣值多少钱，取决于你的量。假设一个月跑 5,000 万输入、2,000 万输出，每次请求 3,000 输入加 1,200 输出，一个月一万六千多次，日均五百多次。

表内金额单位为元/月，按 6 元与 18 元每百万 Token 折算，五折期限自 2026-11-04 起至 2026-12-31。价格取自腾讯官方发布页，2026-11-05 核对。

两个月不到，省六百多块。数目不大，但有一处比这六百块更值得留意：**别用折后价做年度预算。** 330 是一个多月的数，660 才是常态。拿 330 乘 12 编出来的预算，明年一月就会被打回来。

腾讯云混元接口文档写着，混元生文接口默认限制 5 个并发，限额由主账号和子账号共享（2026-11-05 核）。同一套文档的接口概览里，ChatCompletions 的频率限制是 20 次/秒。

两个数放在一起，很容易读成一个：20 次/秒，够用。它们管的其实是两件事。20 次/秒是门，5 个并发是屋里的座位。门开得再大，屋里只有五个位置，第六个请求就得在门口站着。

所以真实吞吐由座位数和每次坐多久决定：5 个并发、单次请求平均 T 秒，每秒能过 5÷T 次。想让那个 20 次/秒真正跑满，T 得压到 0.25 秒以内，也就是 250 毫秒。

表内按 5 个并发、请求串行占座计算，每秒值保留两位小数。T 取你自己的 P95，不要取平均值。

8 秒的 P95，一小时两千多次，多数内部工具够用。Agent 类的活不一样：一次任务里模型要调工具、读返回、再决定下一步，单次请求拖到 60 秒、180 秒很常见。180 秒意味着每小时一百次，一天两千四百次。早上排的批处理，可能到晚上还在跑。

判断方法只有一句：**先去日志里量 P95，再乘 5。** 这个数小于你的峰值，就该加座位；大于峰值，问题在别处。

顺便说清一个容易混淆的地方：并发满的时候，请求不是失败，是排队。排队会拉长响应时间，前端超时，用户重试，重试又占座位。一个五座位的池子，被一次批量任务占满之后，交互式请求全都在门外。

座位是可以买的。混元购买指南写的是 800 元/并发/月（2026-11-05 核），买几个加几个，和默认额度叠加。

折成小时是 1.11 元，800 除以一个月 720 小时。一个小时里，一个座位能接待 3,600÷T 次请求。于是每次调用分摊到的座位费是 1.11×T÷3,600。

Token 费按每次 3,000 输入加 1,200 输出、正价 6 元与 18 元折算，未计折扣；座位费按 800 元/并发/月展开，每月按 720 小时。

这张表要读的是最后两行。短请求里，座位费是零头，几乎感觉不到；60 秒的时候它已经顶到 Token 费的一半；到 180 秒，它比 Token 费还贵四成。

**同一套代码，模型没换、价目表没变，只是任务变长了，账单的主项就从 Token 换成了并发。** 这也解释了 Agent 类应用的成本结构为什么和老式问答不是一回事：问答是按字收费，Agent 是按占座时间收费。

验算一遍，免得你看完就走：1.11×180÷3,600 等于 0.0556；0.0556÷0.0396 等于 1.403，即 140.3%。

官方给的口径是 1M 上下文。腾讯云侧写得更细：最大输入约 960K，最大输出约 64K（2026-11-05 核）。

三个数摆在一起就看明白了。983,040 加 65,536，正好 1,048,576。**所谓 1M，是一个共享窗口切成了两段：给输入 960K，给输出 64K。**

表内为单次调用，价格取 6 / 18 / 0.3 元每百万 Token，2026-11-05 核。缓存一栏按输入段全部命中计算。

两件事值得记住。

一件是满载一次七块钱。听着不贵，可这是**一次**。拿它跑一百份合同，就是七百块。这类活没人会把整份材料塞进去，都会先切段、先检索。窗口大小在真实账单里的权重，远低于宣传里的权重。

另一件是 64K 只是单次输出上限。一次生成六万多 Token 已经很长，但它是硬顶：超了就截断，不会自动续写到下一段。写长报告的任务，要在提示里就把分段规划好。

还有一格容易被漏：输入那一行，缓存命中后从 5.90 掉到 0.29，省 5.6 元，占单次总价的七成九。缓存价 0.3 元等于输入价的 5%。这是接进来之后先做的一件事：把系统提示、工具定义、知识库前缀固定成一段不变的开头。

腾讯云文档里有一句容易被跳过的话：混元相关功能将逐步迁移至 TokenHub，迁移后原平台不再新增模型能力，并停止支持新购模型服务；已购服务可继续使用（2026-11-05 核）。

对已经接进去的团队，这句话意味着三件事同时发生：地址要换，计费要在新平台重算，并发口径也要按新平台重新问一遍。上面那 5 个并发和 800 元一档，都是旧平台文档里的数，TokenHub 的公开页没有写这一项。

好消息是技术改动很小。混元兼容 OpenAI 接口规范，换个 base_url 和 key，代码基本不用动。这句话是真的，但它只说了一半：**兼容的是接口形状，不是行为。** 并发上限、错误码、超时策略、返回字段的默认值，都要重测。

迁移成本可以这么估：改地址是分钟级，重签并发是合同级，重算价是财务级，重测 P95 是工程级。四个里面只有一个能当天做完。

回到开头那个问题：并发上不去，先动哪里。答案分四种情况，看你的活卡在哪一格。

表内判据来自官方公开参数与本文测算，不含任何能力评价。

这张表里没有“该选哪家”。因为接不进去的原因，八成不在模型本身：是座位买少了，是输出被截断了，是窗口没算够，是峰值按均值买的座位。

卓然手记

这次发布里，参数和评测都不是重点，重点那句定价不变。一个 770B 的模型，价格贴着上一代，说明竞争已经从“谁更强”挪到了“谁更好接”。对做代理的人来说，这是好消息也是坏消息：客户更容易下决心，但差价越来越薄。所以我们更愿意把时间花在“怎么接”上，而不是“接哪家”上。

想要那张接入判定表的空白版（填你自己的 P95 和峰值），在公众号对话框回复【接入】。文末“阅读原文”里是我们整理的一份接入检查清单。

本文不含本站自测，未在任何厂商 API 上跑过一次请求。Hy4 的输入 6 元、输出 18 元、缓存命中 0.3 元，以及 770B 总参数 / 49B 激活、1M 上下文、腾讯云侧 960K 输入与 64K 输出、五折至 2026-12-31，均于 2026-11-05 从腾讯官方发布页与腾讯云技术社区的发布稿核对。默认 5 并发、20 次/秒、800 元/并发/月三项来自腾讯云混元旧平台文档与购买指南，Hy4 现在走 TokenHub，该平台的并发档位与增购价格未公开，本文按旧平台标价测算，属待核实项，签约前须向服务方确认。 并发与座位费的测算建立在明示假设上：请求串行占座、单次耗时取 P95、每月按 720 小时、每次调用 3,000 输入加 1,200 输出。真实吞吐受批处理、流式输出与前端排队影响，会高于串行估算；座位费占比因此偏保守。缓存一栏按输入段全部命中计算，实际命中率取决于前缀的稳定程度。折扣只作用于 TokenHub 侧，其他渠道是否同价未核。本文不涉及任何厂商的能力强弱结论。