Hy-SimulMT-30B-A3B مقابل Helsinki-NLP OPUS-MT: مترجم فوري مباشر في مواجهة مجلد من المتخصصين

تخيّل حديث المؤتمر نفسه يُعالَج بطريقتين. في الأولى، يغذّي ميكروفون متعرّفًا تلقائيًا على الكلام، فتنتقل الجملة المتعرَّف عليها إلى نموذج ترجمة، ثم تنتقل الترجمة إلى مُركِّب كلام، ويسمع المستمع الإنجليزية بعد ثوانٍ قليلة من قول المتحدث بالماندرين — بعد أن صمد كل اسم ورقم واختصار أمام ثلاث فرص منفصلة للتشويه. في الثانية، يستمع نموذج واحد إلى الصوت ويُصدر الترجمة بينما تتكشّف الجملة. Hy-SimulMT-30B-A3B، الذي أطلقته Tencent كأوزان في 22 أكتوبر 2026، مصمم للطريقة الثانية. Helsinki-NLP OPUS-MT هو نظام الترجمة المفتوح الأكثر انتشارًا في العالم، وهو مصمم لنسخة أضيق من الأولى: فهو يترجم النصوص، جملة واحدة في كل مرة، واتجاه لغة واحد لكل نقطة تحقق، وقد نُزّل مئات الآلاف من المرات لأنه يؤدي هذه المهمة على وحدة معالجة مركزية مجانًا.

هذان ليسا متنافسين بالمعنى المعتاد. أحدهما نموذج كلامي بـ30.4 مليار معامل ويحتاج إلى مسرّع؛ والآخر مجموعة تضم أكثر من ألف نقطة تحقق ثنائية اللغة، يبلغ حجم كل منها نحو 70–80 مليون معامل، ومعظمها بحجم يقارب 300 ميغابايت، وتعمل بارتياح على حاسوب محمول. المقارنة المفيدة ليست أيّهما يترجم أفضل، بل أين يقع الحد الفاصل بين مكوّن ترجمة ونظام ترجمة، وكم من ذلك الحد تريد أن تملكه.

ما هو كل واحد منها في الحقيقة

تُصانُ OPUS-MT من قِبل مجموعة معالجة اللغة الطبيعية في جامعة هلسنكي، وهي مبنية على معمارية الترميز-فك الترميز MarianMT. وهي ليست نموذجًا واحدًا بل كتالوجًا: نقاط حفظ منفصلة للصينية إلى الإنجليزية، والإنجليزية إلى الصينية، والإنجليزية إلى الألمانية، ومئات الاتجاهات الأخرى، كل منها مدرَّبة على مدوّنات متوازية من مجموعة OPUS، وكل منها قابلة للتنزيل على حدة. وقد نُزِّلَت نقطة الحفظ الخاصة بالصينية-الإنجليزية وحدها قرابة نصف مليون مرة؛ أما الاتجاه العكسي فقد سُجِّل له نحو 73,000 تنزيل. وهناك نسخ متعددة اللغات تدمج لغات مصدر عديدة في نموذج واحد موجّه إلى الإنجليزية، لكن الحالة الشائعة هي متخصص ضيق يعرف مهمة واحدة بعينها تمامًا.

تفسّر هذه البنية ميزتها وسقفها في آنٍ واحد. فمُشفّر-مُفكّك بمعاملات تبلغ 77 مليونًا، مُدرَّب فقط على نصوص متوازية، لا يتسع لمعرفة بالعالم، ولا يملك واجهة تعليمات، ولا آلية للبث. أدخِل إليه جملةً يُعِد جملةً. أدخِل إليه فقرةً يترجمها كسلسلة من الجمل دون سياق مشترك، وتفيد ملاحظات هندسية منشورة بأنه يميل إلى إسقاط المحتوى بصمت عند المدخلات الطويلة. لا يمكن إخباره بالاحتفاظ بمصطلح من مسرد، أو الحفاظ على مفتاح JSON، أو مطابقة أسلوب رسمي — تتعامل مع هذه الأمور بالمعالجة المسبقة والتحرير اللاحق، أو بفك الترميز المقيّد إذا كنت مستعدًا لبنائه.

Hy-SimulMT-30B-A3B هو كائن من نوع مختلف. يصف تكوينه نموذجًا متناثرًا لمزيج الخبراء من 48 طبقة مع 128 خبيرًا، ثمانية موجهة بالإضافة إلى واحد مشترك لكل رمز، ومشفّر صوتي من 24 طبقة يغذي عمودًا فقريًا بعرض 2,048. لا يتم توسيع اختصار "A3B" في البطاقة، لكن حسابات التكوين تصل إلى ما يقرب من 3 مليارات معامل نشط مقابل 30.4 مليار إجمالي. يستقبل صوتًا بتردد 16 كيلوهرتز في نوافذ مدتها ثلاثون ثانية وينتج نصًا مترجمًا؛ كما يصدر متغير Interleave نسخ المصدر. يتم التعامل مع تحويل النص إلى كلام واستنساخ الصوت بواسطة خدمة منفصلة تتصل بها مجموعة أدوات النشر، مما يعني أن منتج "speech-to-speech" هو تجميع وليس ملفًا واحدًا.

إن حجة زمن التأخير هي في الحقيقة حجة انتشار الخطأ.

الكمون هو الفرق الواضح والأقل إثارة للاهتمام. يمكن ضبط السلسلة المتتالية لتكون سريعة؛ فبإمكان نظام تعرّف صوتي جيد للبث المباشر يعتمد على فرضيات جزئية، مضافًا إليه نموذج ترجمة آلي صغير، أن ينتج تدفق ترجمة مصاحبة قابلاً للاستخدام بفارق أقل من ثانية خلف المتحدث بكثير. سبب وجود النماذج التزامنية هو أن السرعة في السلسلة المتتالية تُشترى بمنح كل مرحلة سياقًا أقل، فترتكب كل مرحلة أخطاءً لا تستطيع المرحلة التالية رؤيتها. يخطئ المتعرّف في سماع اسم علم، ولا سبيل لدى المترجم لمعرفة أنه كان اسمًا، وينطق المُركّب الخطأ بثقة. ولا سبيل لدى المستمع لمعرفة أي مرحلة أخفقت.

يمكن لنموذج واحد مدرَّب من طرف إلى طرف على المهمة بأكملها، من حيث المبدأ، أن يؤجّل اتخاذ القرار حتى يُزيل الصوت الغموض، ويمكنه أن ينقل صوت المتحدث إذا كانت استنساخ الصوت مفعّلًا. وادعاء تينسنت يتعلق تحديدًا بهذه المقايضة: StreamLAAL بنحو ثلاث ثوانٍ على صوت RealSI الطويل، ويوصَف بأنه الأدنى بين الأنظمة المقارَنة، مع درجة جودة GEMBA أعلى من نماذج المصدر المفتوح في جدوله ومن أربع من أصل خمس واجهات برمجة تطبيقات تجارية. وما إذا كانت ثلاث ثوانٍ جيدة يعتمد كليًا على السياق — فهي مدة طويلة في مفاوضات وقصيرة في محاضرة — لكنها تُقاس على مهمة البث، وهي المهمة التي لا يستطيع OPUS-MT محاولتها دون بناء سلسلة معالجة حوله.

التغطية، محسوبة بصدق

هنا يتفوق المجلد بشكل حاسم، وهو الجزء الذي تغفله معظم المقارنات. تغطي نقاط التحقق التي يزيد عددها على ألف لدى OPUS-MT نحو مئة لغة عبر اتجاهات مختلفة، بما في ذلك أزواج منخفضة الموارد لم يرها أي نموذج متعدد اللغات كبير من قبل. توثّق Hy-SimulMT ترجمة كلام ثنائية الاتجاه بين الصينية والإنجليزية. توسم البيانات الوصفية للمستودع 36 لغة — منها الفرنسية والعربية والخميرية والتبتية والكازاخية والأويغورية — لكن النص الوصفي يصف فقط الزوج الصيني-الإنجليزي، ولا شيء في بطاقة النموذج يفسر هذا التباين. التفسير الأكثر ترجيحًا هو أن الوسوم تصف العمود الفقري النصي الموروث من عائلة Hy-MT2 من تينسنت وليس قدرة الكلام، لكن ذلك تفسير وليس حقيقة منشورة.

إذن، عبارة التغطية الصادقة هي: ست وثلاثون لغة مُعلنة في البيانات الوصفية، ولغتان موثّقتان للكلام، مقابل فهرس يضم نحو مئة لغة في النص. إذا كانت حاجتك هي الانتقال من الماندرين إلى الإنجليزية في اجتماع مباشر، فإن Hy-SimulMT موجّه إليك تحديدًا. وإذا كانت حاجتك هي الانتقال من البولندية إلى الفنلندية في مستند ثابت، فلدى OPUS-MT نقطة تحقق لذلك، ولا يملكها Hy-SimulMT.

أدلة الجودة: أحد الطرفين لديه أرقام مستقلة، والآخر لديه جدول من المورّد

تصب الأدلة المستقلة في صالح OPUS-MT، فيما يتعلق بالمسألة الضيقة المتمثلة في جودة ترجمة النصوص. فقد قاست دراسة منشورة حول ترجمة لغة فاسا اللادينية نموذجًا من OPUS-MT عند 55.61 BLEU من الإيطالية إلى الإنجليزية مقابل 52.93 لـ NLLB-200 و44.18 لـ M2M-100، وعند 44.35 من الإنجليزية إلى الإيطالية مقابل 40.13 و32.40. والدرس المستفاد من تلك الدراسة هو أن نموذجًا دُرِّب حصريًا على اتجاه واحد يمكنه مع ذلك التغلب على أنظمة متعددة اللغات أكبر بكثير في ذلك الاتجاه. ولا يقول شيئًا عن الكلام، ولا يتضمن Hy-SimulMT، لأن أي مختبر مستقل لم يقيّم Hy-SimulMT على الإطلاق.

في المقابل، تُبلِغ Tencent عن 90.3 في FLEURS، و75.5 في CoVoST2، و81.2 في ACL6060، و84.7 في RealSI-Sentence لـ Hy-SimulMT، وكلها من تقييمها الخاص. هذه معايير لترجمة الكلام، لذا فهي غير قابلة للمقارنة بأرقام BLEU أعلاه، ولا تحمل أي تأكيد من طرف ثالث. الإشارة الداخلية الوحيدة الجديرة بالملاحظة هي أن النموذج يخسر في CoVoST2 أمام Qwen3.8-LiveTranslate بفارق 6.6 نقاط بينما يفوز بالأعمدة الثلاثة الأخرى بين الأنظمة المفتوحة — وهو تذكير بأن رقمًا واحدًا كان سيخفي ضعفًا حقيقيًا.

التكلفة والنشر، جنبًا إلى جنب

• المعاملات — Hy-SimulMT-30B-A3B: إجمالي 30.4B، حوالي 3B نشطة، MoE متفرقة؛ Helsinki-NLP OPUS-MT: حوالي 70–80M لكل نقطة تحقق، كثيفة.

• البصمة — Hy-SimulMT: نحو 61 غيغابايت من أوزان BF16 قبل ذاكرة KV المؤقتة، لذا فإن مسرّعًا بسعة 80 غيغابايت هو الحد العملي الأدنى؛ وتُنشر إصدارات FP8. OPUS-MT: حوالي 300 ميغابايت لكل نقطة حفظ، وقادر على العمل على CPU.

• نموذج الكمون — Hy-SimulMT: بثّي، بنحو 3 ثوانٍ من StreamLAAL على الصوت الطويل. OPUS-MT: جملةً بجملة؛ يتطلب البثّ نظام ASR وسياسة تقسيم تبنيها بنفسك.

• اللغات — Hy-SimulMT: الصينية والإنجليزية موثّقتان للكلام، و36 لغة موسومة في البيانات الوصفية. OPUS-MT: نحو مئة لغة عبر أكثر من ألف نقطة تحقق اتجاهية.

• الترخيص — Hy-SimulMT: Apache-2.0 لأوزان Tencent وشيفرتها، مع مكونات طرف ثالث تخضع لشروطها الخاصة. OPUS-MT: يختلف حسب نقطة التحقق وليس موحدًا — نموذج الصينية إلى الإنجليزية هو CC-BY-4.0، ونموذج الإنجليزية إلى الصينية هو Apache-2.0، والإنجليزية إلى الألمانية هو CC-BY-4.0. تحقق من البطاقة المحددة قبل الشحن.

• واجهة برمجة تطبيقات مستضافة — Hy-SimulMT: لا يوجد شيء منشور. OPUS-MT: لا يوجد؛ الأوزان فقط.

هذا الزوج الأخير مهم للمشتريات. لا يوجد أي من النموذجين في كتالوج OrcaRouter، ولا نستضيف أيًا منهما — فأنت تستضيف الأوزان بنفسك أو تستخدم قناة المزوّد الخاصة به. تتجلى الفائدة الحقيقية للتوجيه في بقية خط المعالجة: ملخّص النصوص، ومدقق المصطلحات، والمحرر اللاحق، ومساعد المحادثة التي تحيط بمرحلة الترجمة هي استدعاءات نماذج عادية، وتشغيلها عبرواجهة API واحدة لأكثر من 200 نموذج بـهامش ربح 0% فوق أسعار قائمة المزوّدين يتجنب عقدًا منفصلًا لكل مزوّد. نادرًا ما تكون الترجمة الشيء الوحيد الذي يفعله منتج اجتماعات.

أيٌّ منها يناسب مجموعتك التقنية

اختر OPUS-MT عندما يكون الإدخال نصيًا بالفعل، ويكون الاتجاه ثابتًا، والحجم مرتفعًا، والميزانية صفرًا. فلا تزال خطوط معالجة الوثائق القانونية، وملفات الترجمة المرئية، وكتالوجات التجارة الإلكترونية، والترجمة في المتصفح دون اتصال، تُخدَم على نحو أفضل بواسطة نموذج متخصص بحجم 300 MB مقارنةً بنموذج يضم 30 مليار معامل، كما أن ترخيص كل checkpoint هو الشيء الوحيد الذي تحتاج إلى تدقيقه. اختر Hy-SimulMT عندما يكون الإدخال صوتيًا والمستمع ينتظر: الاجتماعات المباشرة، والمحاضرات، والمقابلات، والترجمة الفورية في البث، وأي سياق يكون فيه تأخر بثلاث ثوانٍ والحفاظ على الصوت أمرين يستحقان مسرّعًا وخدمة TTS.

الخطأ الذي يجب تجنبه هو التعامل مع هذا كمسابقة جودة. لا يخسر OPUS-MT أمام Hy-SimulMT في ترجمة النصوص؛ بل يخسر في مهمة لم يُبنَ لها قط. وHy-SimulMT لا يستبدل ألف نموذج ثنائي اللغة مُحكم بنموذج واحد ذكي — بل يستبدل تسلسلًا كنت ستضطر إلى تجميعه وضبطه وتصحيح أخطائه بنفسك. هذان مشترَيان مختلفان، وواحد منهما فقط يأتي داخل مجلد.