Hy-SimulMT-30B-A3B vs. Tencent Hy-MT2-7B: Der Preis, den man nennen kann, vs. der, den man nicht nennen kann

Fragt man, was eine Stunde Chinesisch-Englisch-Dolmetschen kostet, liefern die beiden Modelle in diesem Vergleich völlig unterschiedliche Arten von Antwort. Tencent Hy-MT2-7B, am 21. Mai 2026 als Open Source veröffentlicht, hat eine Preisliste: 0,074 US-Dollar pro Million Eingabe-Tokens und 0,295 US-Dollar pro Million Ausgabe-Tokens auf der gehosteten API von Tencent. Hy-SimulMT-30B-A3B, am 22. Oktober 2026 als Gewichte veröffentlicht, hat überhaupt keinen veröffentlichten Preis – keinen Endpunkt, keinen Preis pro Token, kein öffentliches Cloud-Angebot. Das 7B-Modell lässt sich auf den Cent genau budgetieren. Für das Sprachmodell müssen Sie eine GPU einkalkulieren, und die Zahl, auf die Sie kommen, hängt vollständig davon ab, was Sie bereits besitzen.

Dieser Unterschied ist mehr als ein Beschaffungsdetail. Er spiegelt zwei verschiedene Produkte mit zwei verschiedenen Kostenstrukturen wider. Das 7B ist ein Textübersetzer, der wie eine Versorgungsleistung bepreist ist: Man zahlt für Tokens, skaliert mit dem Volumen, und die Grenzkosten für ein weiteres Dokument liegen nahe null. Hy-SimulMT ist ein Echtzeitsystem, das wie Infrastruktur bepreist ist: Man zahlt stundenweise für einen Beschleuniger, unabhängig davon, ob gerade jemand spricht, und die Grenzkosten für ein weiteres Meeting sind nur deshalb nahe null, weil die Maschine bereits läuft. Sie nach der Parameteranzahl zu vergleichen, verfehlt den Punkt. Sie danach zu vergleichen, was eine Arbeitsstunde tatsächlich kostet, ist das ganze Argument.

Was das 7B ist und was es pro Token kostet

Tencent Hy-MT2-7B ist das mittlere Kind der Hy-MT2-Textfamilie, ein dichter Decoder mit 7 Milliarden Parametern, der für Übersetzungen in 33 Sprachen sowie fünf chinesische Minderheitensprachen und -dialekte trainiert wurde. Es verfügt über einen Arbeitskontext von 8.192 Token, unterstützt strukturierte Ausgabe über response_format und unterstützt keine Funktionsaufrufe. In BF16 benötigt es etwa 15 GB Beschleunigerspeicher, in FP8 etwa 8 GB und in GGUF-Form einige Gigabyte — eine einzelne Mittelklasse-GPU oder eine CPU, wenn man geduldig ist.

Die vom Anbieter gemeldete Qualität liegt auf den von Tencent gewählten Benchmarks nahe an der Frontier. Auf FLORES-200 erzielt es 86,89 XCOMET-XXL, was Tencent als etwa 97,9 % von Gemini 3.1 Pro im Denkmodus darstellt. Auf DomainMTBench meldet es 94,92 und 92,79 auf zwei Splits; auf IFMTBench, der von Tencent für diese Familie erstellten Suite zur Befolgung von Anweisungen, insgesamt 83,14. Keine dieser Zahlen wurde unabhängig reproduziert. Es sind die Zahlen des Anbieters, und sie beschreiben ein Modell, das gut bei kontrollierter Übersetzung ist – Glossare, Register, strukturierte Ausgabe –, und genau das ist die Lücke, die das 7B von dem darunterliegenden 1.8B trennt.

Zum gehosteten Tarif kostet eine Million Input-Token sieben Cent und eine Million Output-Token weniger als dreißig Cent. Für Textarbeit ist das nahezu kostenlos. Die interessante Frage ist, was passiert, wenn die Eingabe kein Text ist.

Die Arithmetik einer Stunde Sprache, in beide Richtungen

Eine Stunde ununterbrochener Sprache entspricht grob 9.000 englischen Wörtern, was etwa 12.000 Tokens sind. Schickt man das zu Listenpreis durch Tencent Hy-MT2-7B, kostet die Übersetzung selbst etwa einen halben Cent: rund 0,0009 $ für die Eingabe und 0,0035 $ für die Ausgabe, also insgesamt etwa 0,0044 $. Selbst wenn man bei der Token-Schätzung um den Faktor zwei danebenliegt, bleibt es Bruchteile eines Cents.

Aber das 7B-Modell kann nicht hören. Eine Text-Pipeline beginnt mit einem Erkenner, und ein gehosteter Erkenner kostet typischerweise einige Zehntel Cent pro Minute, wodurch eine Stunde Audio irgendwo unter einem Dollar landet, bevor der Übersetzer überhaupt läuft. Das ist die erste ehrliche Korrektur an der Erzählung „7B ist günstiger“: In einer Kaskade ist nicht der Übersetzer die teure Stufe. Sondern der Erkenner. Die zweite Korrektur betrifft die Latenz – eine Kaskade, die auf eine Satzgrenze wartet, transkribiert, übersetzt und anzeigt, wird dem Sprecher stärker hinterherhinken als ein simultanes Modell, und das lässt sich durch noch so viele günstige Tokens nicht beheben.

Hy-SimulMT-30B-A3B kehrt die Kostenstruktur um. Es gibt keine Abrechnung pro Token, weil es keinen gehosteten Dienst gibt; Sie mieten die Hardware oder besitzen sie. Die BF16-Gewichte umfassen etwa 61 GB vor dem KV-Cache, daher ist ein 80-GB-Beschleuniger die realistische Untergrenze, und eine einzelne Karte kostet zwischen etwa 2 US-Dollar pro Stunde bei einem spezialisierten GPU-Cloud-Anbieter und mehr als 10 US-Dollar auf der On-Demand-Liste eines Hyperscalers. Am unteren Ende kostet eine Stunde Meeting etwa 2 US-Dollar Rechenleistung; am oberen Ende kostet eine Stunde die Miete für eine Stunde. Beide Zahlen gehen davon aus, dass die Maschine ausschließlich für dieses Meeting verwendet wird, was der Worst Case ist — ein Server, der mehrere gleichzeitige Streams verarbeitet, teilt die Kosten auf. Der Betrieb des FP8-Builds auf einer kleineren Karte senkt die Untergrenze erneut.

Der Vergleich liegt also grob bei 0,30–1,00 $ pro Besprechungsstunde für die Kaskade, dominiert von der Spracherkennung, gegenüber 2–12 $ pro Besprechungsstunde für das Simultanmodell, dominiert von der GPU. Das ist ein echter Unterschied von einer bis zwei Größenordnungen, und das ist die richtige Einordnung: Sie zahlen nicht für eine bessere Übersetzung, sondern für drei Sekunden Verzögerung statt fünfzehn. Teams, die die Verzögerung brauchen, werden sie bezahlen. Teams, die sie nicht brauchen, kaufen einen Beschleuniger, um ein Problem zu lösen, das sie nicht haben.

Qualität: zwei verschiedene Lineale

Es gibt keine ehrliche Möglichkeit, den FLORES-200-Wert von 86,89 von Tencent Hy-MT2-7B neben den Wert von 84,7 zu stellen, den Hy-SimulMT bei RealSI-Sentence erzielt. Das eine misst Textübersetzung anhand einer Referenz; das andere misst Sprachübersetzung anhand eines Benchmarks, der für Streaming-Audio entwickelt wurde. Sie teilen ein Zahlenformat und sonst nichts. Vergleichbar ist die Form der Evidenz. Das 7B-Modell hat eine vollständig veröffentlichte Tabelle für FLORES-200, WMT25, DomainMTBench und IFMTBench, alle vom Anbieter selbst durchgeführt. Das Sprachmodell hat eine vierspaltige Tabelle für FLEURS, CoVoST2, ACL6060 und RealSI-Sentence, ebenfalls vom Anbieter durchgeführt, plus einen menschlichen Vergleich mit sechs professionellen Dolmetschern, den Tencent selbst als klein angelegt und auf die verwendeten Stichproben beschränkt beschreibt. Keines der beiden wurde unabhängig verifiziert.

Der einzige Punkt, an dem die beiden Linien wirklich aufeinandertreffen, ist die Übersetzungsqualität für Chinesisch und Englisch. Das 7B ist nach jedem von Tencent veröffentlichten Maßstab der stärkere Textübersetzer, einschließlich Instruction-Following, wo seine 83,14 auf IFMTBench vierzehn Punkte über dem 1.8B liegen. Der Vorteil des Sprachmodells ist nicht die Qualität, sondern das Timing: Es erzeugt eine brauchbare Übersetzung, während der Satz noch läuft, und es kann die Stimme des Sprechers über einen TTS-Dienst übertragen, sofern einer konfiguriert ist. Wenn Ihr Audio bereits transkribiert ist und Ihr Latenzbudget in Minuten gemessen wird, ist das 7B der bessere Übersetzer. Wenn Ihr Latenzbudget in Sekunden gemessen wird, kommt das 7B unabhängig von seiner Punktzahl nicht infrage.

Deployment und Kosten, Seite an Seite

• Parameter — Hy-SimulMT-30B-A3B: 30,4B insgesamt, etwa 3B aktiv, Sparse-MoE mit einem Audio-Encoder; Tencent Hy-MT2-7B: 7B dense, nur Text.

• Speicher — Hy-SimulMT: ~61 GB BF16, FP8-Build veröffentlicht; Hy-MT2-7B: ~15 GB BF16, ~8 GB FP8, einige GB in GGUF.

• Kontext — Hy-SimulMT: 30-Sekunden-Audiofenster; Hy-MT2-7B: 8.192 Token.

• Latenz — Hy-SimulMT: ca. 3 s StreamLAAL, laut Anbieter; Hy-MT2-7B: Text rein, Text raus, mit der ASR-Verzögerung einer Kaskade davor.

• Sprachen — {{1}}Hy-SimulMT{{/1}}: Chinesisch und Englisch für Sprachfunktionen dokumentiert; {{2}}Hy-MT2-7B{{/2}}: 33 Sprachen plus fünf Minderheitensprachen und Dialekte.

• Preis — Hy-SimulMT: kein Preis veröffentlicht; Hy-MT2-7B: 0,074 $ pro Million Eingabe-Tokens, 0,295 $ pro Million Ausgabe-Tokens.

• Lizenz — sowohl Apache-2.0 als auch ohne Zugangsbeschränkung, sowohl fine-tunebar als auch weiterverteilbar.

Keines der beiden Modelle steht im Katalog von OrcaRouter, und wir hosten keines von beiden. Der Preisunterschied ist hier weiterhin der Grund, sich mit Routing zu befassen. Tencent bepreist seine Übersetzungs-APIs aggressiv und ändert diese Preise: Am 12. Juni 2026 senkte es Hy-MT2-Pro auf ¥0,5 pro Million Eingabe-Tokens und ¥2 pro Million Ausgabe-Tokens, eine Senkung um 66,7 % bei der Eingabe und 55,6 % bei der Ausgabe. OrcaRouter berechnet auf die Listenpreise der Anbieter 0 % Aufschlag, sodass eine solche Senkung am selben Tag bei uns live ist und nicht erst zur nächsten Vertragsverlängerung, und automatisches Failover bedeutet, dass ein Ausfall eines Anbieters eine Übersetzungspipeline nicht lahmlegt. Für eine Arbeitslast, deren Kosten von Token-Preisen dominiert werden, ist der Unterschied zwischen 0 % und 20 % Aufschlag die gesamte Marge.

Für welche sich dein Latenz-Budget entscheidet

Beginnen Sie mit dem Budget. Wenn die Antwort „Sekunden“ lautet, spielt nichts am Preis des 7B eine Rolle – eine Kaskade kann ohne einen Streaming-Erkenner und eine Segmentierungsstrategie, die Sie erstellen und abstimmen müssen, keinen simultanen Feed liefern, und selbst dann wird sie hinterherhinken. Hy-SimulMT-30B-A3B ist das einzige dieser beiden, das für diese Einschränkung gebaut wurde, seine Apache-2.0-Lizenz bedeutet, dass Sie die Behauptung mit Ihrem eigenen Audio testen können, und die Kosten sind eine GPU pro Stunde. Kalkulieren Sie als Ausgangsannahme mit 2–12 $ pro Besprechungsstunde und gleichen Sie dies mit Ihrer eigenen Auslastung ab.

Wenn die Antwort „Minuten“ lautet, gewinnt das 7B-Modell auf jeder Achse, die zählt: Kosten, Speicher, Sprachabdeckung, dokumentierte Anweisungsbefolgung und die Existenz eines Preises, den man in eine Tabellenkalkulation eintragen kann. Bezahle die Erkennung, zahle einen halben Cent für die Übersetzung und stecke die Differenz in den Prüfschritt. Die meiste Übersetzungsarbeit in den meisten Unternehmen ist noch immer von dieser zweiten Art, weshalb ein Modell mit sieben Milliarden Parametern und einer Preisliste wahrscheinlich ein Modell mit dreißig Milliarden Parametern überdauern wird, dessen interessanteste Eigenschaft darin besteht, dass es noch keine Preisliste hat.