طوّرت تينسنت مترجمًا بزمن استجابة ثلاث ثوانٍ وأطلقته من دون بيان صحفي

في 22 أكتوبر 2026، ظهرت ستة مستودعات في عائلة نماذج جديدة تحت مؤسسة tencent على Hugging Face. النموذج الذي تتناوله هذه المقالة هو Hy-SimulMT-30B-A3B-Interleave، وهو المتغير الذي يُصدر كلًا من النص المصدر المُتعرَّف عليه والترجمة؛ أما شقيقه Hy-SimulMT-30B-A3B فيُصدر الترجمة وحدها. كلاهما بترخيص Apache-2.0، وكلاهما بـ30.4 مليار معامل، وكلاهما مُصمَّم لمهمة لم تستطع أي من إصدارات الترجمة السابقة من Tencent القيام بها: الاستماع إلى الكلام الصيني أو الإنجليزي أثناء التحدث به وإنتاج اللغة الأخرى بينما الجملة لا تزال قيد التقدم. بعد أربعة أيام، أظهر المستودع الرئيسي صفر تنزيلات وإعجابين. لم يكن هناك منشور في مدونة Hunyuan، ولا بيان صحفي، ولا ورقة على arXiv، ولا سطر في أي من التغطية باللغة الصينية لأعمال الترجمة لدى Tencent التي كانت جارية طوال الشهر. الإعلان الوحيد هو بند واحد مؤرخ في قسم الأخبار ببطاقة النموذج، أُضيف في 26 أكتوبر، ونصه: صدر.

تلك الفجوة بين ما تفعله الأوزان ومدى الضجيج الذي أُعلنت به هي القصة. فمترجم فوري متزامن بتأخير يقارب ثلاث ثوانٍ، وقابل للتنزيل بموجب رخصة متساهلة، ليس إصدارًا روتينيًا — بل هو الجزء الذي يحوّل تطبيق ترجمة من شيء تتناوب عليه إلى شيء يمكنك ارتداؤه في اجتماع. والمرجّح أن تفسير الصمت يكمن في التقويم: فقد أصبحت تينسنت شريكًا استراتيجيًا في الاجتماع الـ33 لقادة الاقتصاد في منتدى التعاون الاقتصادي لآسيا والمحيط الهادئ (APEC) في شنتشن في 23 أكتوبر، أي في اليوم التالي لرفع الأوزان، وسُمّي تطبيقها Hy Translate أداة الترجمة بالذكاء الاصطناعي الرسمية للمتطوعين والموظفين العاملين في ذلك الحدث، الذي يُقام في 18–19 نوفمبر. وهذا استنتاج من تواريخ عامة، وليس شيئًا قالته تينسنت. وما يلي يفصل ما يثبته المستودع عما يشير إليه فحسب.

ما هو موجود فعليًا في المستودع

المعمارية عبارة عن نموذج لغوي سببي مدخلُه كلام ومخرجُه نص، موسوم بـ hy_v3 ومُجسَّد باسم HYV3SpeechForCausalLM. توضح الإعدادات مكدسًا متفرقًا لمزيج الخبراء: 48 طبقة، وحجم مخفي 2,048، و128 خبيرًا بعُرض مخفي للخبير قدره 768، وثمانية خبراء موجَّهين إضافة إلى خبير مشترك واحد لكل رمز، وطبقة كثيفة واحدة في المقدمة. يسرد فهرس safetensors عدد 30,394,788,480 معلمة بصيغة BF16، مع 6,016 إضافية مخزنة بصيغة F32. لا تشرح تينسنت أبدًا اختصار "A3B" في الاسم، لكن الحساب متسق مع ذلك: ثمانية خبراء موجَّهين إضافة إلى خبير مشترك واحد، عند عرض الخبير هذا، ينتج عنه نحو 3 مليارات معلمة نشطة لكل رمز. هذا حسابنا انطلاقًا من الإعدادات المنشورة، وليس رقمًا من مورّد.

توجد الواجهة الأمامية للصوت في ملف التكوين نفسه بدلاً من إخفائها خلف خط معالجة: 128 حزمة ميل، ومُرمِّز من 24 طبقة بعرض 1,024 يُسقِط إلى 2,048، وأخذ عينات 16 kHz، وبحد أقصى 480,000 عينة — ثلاثون ثانية — لكل نافذة إدخال. يعتمد التوليد افتراضيًا على درجة حرارة 0.0 مع max_new_tokens بقيمة 64، وهو ما تتوقعه من نموذج مصمم لإصدار مقطع قصير من النص المترجم ثم الانتظار لمزيد من الصوت. الحد الأقصى لتضمينات المواضع مُدرج كـ 262,144؛ ولا تنشر بطاقة النموذج طول سياق قابلاً للاستخدام، وبالنسبة للصوت المتدفق يكون ذلك الرقم أقل دلالة بكثير من نافذة الثلاثين ثانية.

تم إصدار ست نقاط تحقق دفعة واحدة: الأساسي وInterleave، ولكل منهما بنية FP8 وبنية GGUF. ملف الترخيص هو Apache-2.0 مع الاستثناء المعتاد بأن المكوّنات الخارجية المضمّنة تحتفظ بشروطها الخاصة. تسمّي بطاقة النموذج اثني عشر مساهمًا، وتربط بمستودع GitHub يضم خدمة استدلال تُسمى SimulInfer وعدة أدوات تدريب تُسمى SimulTrain، وتستشهد بصفحة منتج Tencent بدلًا من ورقة بحثية.

رقم زمن الاستجابة، وصف المعيار الذي يقوّض العنوان الرئيسي

الادعاء المهم بالنسبة إلى نموذج متزامن ليس جودة الترجمة بمعزل عن غيرها، بل الجودة عند تأخر معيّن. تقيّم Tencent ذلك على صوت RealSI الطويل، وتُبلغ عن StreamLAAL يبلغ نحو ثلاث ثوانٍ، وُصِف بأنه الأدنى بين الأنظمة المقارنة، مع درجة GEMBA أعلى من النماذج مفتوحة المصدر في المقارنة ومن أربع من أصل خمس واجهات برمجة تطبيقات تجارية. يقيس StreamLAAL متوسط التأخر بين رموز المصدر ورموز الهدف في سياق بثّي؛ وهو ليس الزمن حتى أول إخراج صوتي، وتقول البطاقة ذلك صراحةً. كما لا تسمّي البطاقة واجهة برمجة التطبيقات التجارية الخامسة التي تفوقت عليها في GEMBA.

الجدول المختصر أكثر إفادة لأنه أقل تملقًا في عمود واحد. على أربعة معايير عامة، تعلن تنسنت أن Hy-SimulMT يسجل 90.3 على FLEURS، و75.5 على CoVoST2، و81.2 على ACL6060، و84.7 على RealSI-Sentence. وفي المقابل، يسجل Qwen3.8-LiveTranslate ‏88.4 و82.1 و80.5 و84.4؛ ويسجل Gemini3.5-LiveTranslate ‏92.4 و74.4 و82.6 و82.2؛ ويسجل Seed-LiveInterpret2.0 ‏85.8 و67.7 و74.8 و80.0. اقرأ الأعمدة بدلًا من الملخص: يتفوق Hy-SimulMT في FLEURS وACL6060 وRealSI-Sentence بين الأنظمة المفتوحة، ويخسر CoVoST2 أمام Qwen بفارق 6.6 نقاط، ويخسر FLEURS أمام Gemini بفارق 2.1. جملة البطاقة نفسها — أعلى من نماذج المصدر المفتوح الأخرى على FLEURS وACL6060 وRealSI-Sentence — محددة النطاق بعناية، والمعيار الغائب هو الذي يسجل فيه أسوأ نتيجة. كل رقم في ذلك الجدول أنتجته تنسنت. لم يشغّل هذا النموذج أي مختبر مستقل.

تستحق المقارنة البشرية قراءةً أكثر تمعنًا مما يوحي به العنوان الرئيسي.

كلّفت Tencent أيضًا بإجراء مقارنة مطابقة مع مترجمين فوريين محترفين: ثمانية عشر تسجيلًا بالصينية والإنجليزية نُشرت على الإنترنت اعتبارًا من سبتمبر 2026، مدة كل منها نحو ست دقائق، تغطي عشرة مجالات تمتد من البرمجيات والطب إلى القانون والزراعة، وقد ترجمها ستة محترفين — ثلاثة يحملون شهادات CATTI من المستوى 1 وثلاثة من المستوى 2. ولكل مستوى شهادة، استُخدم أفضل المترجمين الثلاثة كنقطة مقارنة. والخلاصة هي أن النموذج يبلغ جودة تضاهي جودة مترجمين فوريين بشريين خبراء، مع استجابته بسرعة أكبر في كثير من الأحيان.

هذه نتيجة لافتة، لكنها أيضًا محدودة النطاق، وهو ما تذكره البطاقة بوضوح في حاشية: فالنتائج تنطبق فقط على تلك العينات، وعلى أولئك المترجمين الفوريين، وفي ذلك السياق، ولا تشكّل تقييمًا لجودة الكلام أو تشابه الصوت. وهناك تفصيلان منهجيان يجدر التمسك بهما. فاستخدام المترجم الفوري الأعلى تقييمًا في كل مستوى يضع معيارًا صارمًا للجودة، لكنه معيار غير متساوٍ بالنسبة لزمن الاستجابة، لأن المقارنة تتم مع شخص لا مع المتوسط المهني. كما يقيس الاختبار إيصال المعلومات وتوقيتها، لا الأمر الذي يلاحظه معظم المستمعين أولًا في الكلام الآلي، أي ما إذا كان يبدو كصوت إنسان.

ما لا يجيب عنه المستودع

عدة أسئلة من شأن المشتري أن يطرحها أولاً لا توجد لها إجابة منشورة بعد. لا توجد واجهة برمجة تطبيقات مستضافة ولا سعر: فعلى خلاف عائلة Hy-MT2، التي تُدرجها Tencent على Tencent Cloud بأسعار منشورة لكل رمز، فإن Hy-SimulMT أوزان فقط إضافةً إلى تطبيق جوال، وتُدرجه لوحة مزوّدي الاستدلال في Hugging Face على أنه غير منشور من أي مزوّد. لا يوجد تقرير تقني ولا أي قياس أداء خارج تقييم Tencent الخاص. تنص البطاقة على أن الإخراج الصوتي واستنساخ الصوت يتطلبان خدمة TTS مُهيأة، لذا فإن صياغة "speech-to-speech" تصف نظامًا مُجمّعًا حول النموذج، لا نقطة حفظ واحدة تُصدر صوتًا. دعم llama.cpp غير مدموج صراحةً في المنبع — وتوصي البطاقة بالانتظار حتى صدور إصدار يدعم النموذج، رغم نشر إصدارات GGUF، ويشير متغير البيئة في المثال إلى نقطة حفظ باسم hymt-A3b-tgt_only-1019-Q8_0.gguf، وهو اسم أثر لا يطابق معرّفات النموذج العامة.

تُعدّ البيانات الوصفية للغات الجزء الأكثر إرباكًا. فالمستودع يوسم 36 لغة، بدءًا من الصينية والإنجليزية ومرورًا بالفرنسية والعربية والخميرية والتبتية والكازاخية والأويغورية. أما النص النثري فيوثّق الترجمة الصوتية ثنائية الاتجاه بين الصينية والإنجليزية فقط. ويمكن أن يكون كلا القولين صحيحًا إذا كانت اللغات الإضافية تنتمي إلى العمود الفقري النصي الموروث من Hy-MT2 لا إلى المسار الصوتي، لكن البطاقة لا تقول ذلك، وينبغي لأي شخص يخطط لنشر باليابانية أو العربية أن يعتبر ذلك غير مؤكد إلى أن توثّقه Tencent.

تشغيله بنفسك، وما يكلفه ذلك من عتاد

المسار الموثّق هو vLLM 0.31 أو أحدث مع دعم HYV3ForCausalLM، إضافةً إلى حزمة simulst. يقوم أمر واحد بتهيئة البيئة وتشغيل كلٍّ من خادم النموذج وواجهة أمامية ويب/API على المنفذين 8800 و8080 على الترتيب؛ وتقبل الواجهة الأمامية ملفات صوتية مرفوعة، أو ميكروفونًا، أو بث WebSocket، وتكتب الصوت المترجم إلى القرص عند تهيئة TTS. توجد أيضًا جسر llama.cpp يشغّل طبقة الويب على المنفذ 8094 مقابل خادم llama.cpp موجود على 8080، مع مفتاح MODEL_TYPE للتبديل بين نقاط تحقق الترجمة فقط ونقاط تحقق المصدر مع الترجمة. الذاكرة هي القيد العملي: 30.4 مليار معامل بصيغة BF16 تعادل نحو 61 غيغابايت من الأوزان قبل KV cache والتفعيلات، لذا فإن مسرّعًا واحدًا بسعة 80 غيغابايت هو الحد الأدنى الواقعي، وبناء FP8 هو ما يجعل بطاقة أصغر ممكنة. تلك أرقامنا المحسوبة من عدد المعاملات، وليست المواصفة الدنيا الخاصة بـ Tencent، التي لا تذكرها بطاقة المواصفات.

بالنسبة للفرق التي لا يقتصر فيها مسار الاجتماعات على الترجمة فحسب — بل يشمل تلخيص النص، واستخراج بنود العمل، وصياغة رسالة المتابعة — فإن المترجم الفوري ليس سوى مرحلة واحدة بين عدة مراحل، وتلك المراحل اللاحقة هي مجرد استدعاءات API عادية عبر أيٍّ من المورّدين الذين يتصدرون في ذلك الشهر. هذه هي الطبقة التي يغطيها OrcaRouter: واجهة API واحدة لأكثر من 200 نموذج مع تمرير أسعار قوائم المورّدين كما هي عند هامش ربح 0%، وتحويل تلقائي عند تعثّر أحد المورّدين، ولغة DSL للتوجيه لتأليف المراحل. Hy-SimulMT نفسه ليس ضمن كتالوجنا ولا نستضيفه؛ والمقصود أن العمل المحيط لا يحتاج إلى عقد منفصل لكل مورّد.

ما الذي قد يغيّر هذا التقييم؟

ثلاثة أمور تستحق المتابعة، مرتبةً بحسب مقدار ما ستحسمه. تقييم مستقل — فحلبة IWSLT تنشر أرقام StreamLAAL للأنظمة المفتوحة كل عام، وأي مشاركة تستخدم هذه الأوزان ستكون أول رقم لا ينتجه مالك النموذج. ونقطة نهاية مستضافة بسعر، تخبرك ما إذا كانت تينسنت تنوي هذا كبنية تحتية أم كميزة في تطبيقها الخاص. وعملية الدمج في llama.cpp، التي تحدد ما إذا كانت إصدارات GGUF خيارًا محليًا حقيقيًا أم مجرد عنصر نائب. وحتى ذلك الحين، فالخلاصة الصادقة هي أن تينسنت نشرت أقدر مترجم كلام تزامني مفتوح رأيناه، بأرقام قوية من الجهة المطوّرة، ورخصة متسامحة، ودون أي تأكيد خارجي على أيٍّ من ذلك — وأن التوقيت، قبل يوم واحد من إعلان شراكة في APEC، يشير إلى أن التأكيد الذي تهتم به تينسنت هو متطوّع في شنتشن يحمل هاتفه، لا لوحة تصنيف معيارية.