Hy-SimulMT-30B-A3B vs Tencent Hy-MT2-1.8B: una sala de reuniones frente a un teléfono

Tencent publica ahora dos modelos de traducción que comparten una licencia, un laboratorio y casi nada más. Tencent Hy-MT2-1.8B es el miembro más pequeño de la familia de texto Hy-MT2, publicado como código abierto el 21 de mayo de 2026, un modelo denso de 1800 millones de parámetros que se comprime a 440 MB a 1,25 bits y funciona sin conexión en silicio de teléfonos. Hy-SimulMT-30B-A3B es una línea completamente nueva, publicada como pesos el 22 de octubre de 2026: 30.400 millones de parámetros, aproximadamente 3000 millones activos, diseñado para escuchar voz en chino o inglés y traducirla mientras la frase aún se está pronunciando. Uno cabe en un bolsillo y se ha descargado más de 26.000 veces. El otro necesita un acelerador de 80 GB y, cuatro días después de su lanzamiento, tenía cero descargas.

La lectura natural de esa brecha es que el modelo grande es el mejor y que nadie se ha dado cuenta todavía. La lectura más útil es que responden a preguntas diferentes. Hy-MT2-1.8B responde a «¿cómo traduzco texto en un dispositivo sin red?». Hy-SimulMT-30B-A3B responde a «¿cómo traduzco una conversación sin esperar a que el hablante termine?». Tencent lanzó ambos en un plazo de cinco meses, lo que indica que los considera mercados separados y no puntos de una curva de tamaño.

No es una variante de tamaño: es un órgano diferente

Es fácil suponer que Hy-SimulMT-30B-A3B es el nivel de 30B de Hy-MT2, tal como el 7B y el 30B-A3B MoE se sitúan por encima del 1.8B. No lo es. Hy-MT2 es una familia solo de texto con un tokenizador compartido, un formato de instrucciones compartido y un conjunto de benchmarks compartido llamado IFMTBench; sus tres tamaños están entrenados para hacer el mismo trabajo con distintos niveles de calidad y coste. Hy-SimulMT es una arquitectura separada con un codificador de audio acoplado a una columna vertebral de mezcla de expertos: 24 capas de codificador con una anchura de 1.024 que proyectan en un modelo de 2.048 de anchura, 128 expertos de los cuales ocho se enrutan más uno compartido por token, y una entrada máxima de treinta segundos de audio a 16 kHz por ventana.

Esa distinción es importante para cualquiera que planee una migración. No se puede sustituir una llamada a Hy-MT2-1.8B por una llamada a Hy-SimulMT cambiando un ID de modelo, porque uno recibe texto y el otro recibe audio, y la salida del modelo de voz es una traducción de lo que oyó, no de lo que escribiste. El solapamiento es conceptual —ambos traducen chino e inglés—, no operativo.

En qué es realmente bueno el 1.8B

El caso del modelo pequeño se sostiene en tres cifras. La primera son 440 MB, el tamaño de la cuantización de 1,25 bits producida con las herramientas AngelSlim de Tencent y la razón por la que el modelo funciona en chips de teléfono de Apple, Qualcomm y MediaTek; Tencent afirma que es aproximadamente 1,5 veces más rápido que la generación anterior Hy-MT1.5 en 4 bits en un A15. La segunda es 90,00 en FLORES-200 de inglés a X, que Tencent presenta como aproximadamente el 89,9 % de la puntuación de Gemini 3.1 Pro —una comparación de proveedor, no reproducida, pero llamativa para un modelo que cabe en un teléfono—. La tercera es el número de descargas: más de 26.000 en el repositorio principal y bastante más de mil me gusta, frente a 3.132 descargas del buque insignia 30B-A3B. El pequeño es el que la gente realmente usa.

Sus límites documentados son igualmente claros. El contexto de trabajo es de 8.192 tokens con un límite de salida de 4.096 tokens, aunque la configuración anuncia 262.144 posiciones; la propia guía de inferencia de Tencent es la cifra en la que hay que confiar. Admite 33 idiomas además de cinco lenguas y dialectos de minorías chinas. Y su resultado publicado más débil es el seguimiento de instrucciones: 69,36 % global en IFMTBench, frente al 85,7 % de su hermano 30B-A3B de la familia. Si su trabajo consiste en traducir una frase limpia, el 1.8B es competitivo. Si su trabajo consiste en respetar un glosario, preservar la estructura JSON y ajustarse a un registro, es el modelo menos fiable de su propia familia, y la diferencia no es pequeña.

Qué compra el 30B y qué no

La adquisición de Hy-SimulMT-30B-A3B se basa en la latencia en un entorno conversacional. Tencent informa de aproximadamente tres segundos de StreamLAAL en audio RealSI de formato largo, descrito como el más bajo entre los sistemas comparados, y 84,7 en RealSI-Sentence, el más alto de su tabla. Son métricas de traducción de voz de la propia evaluación del proveedor, sin reproducción independiente. El modelo también admite clonación de voz en tiempo real, por lo que el habla traducida puede conservar las características vocales del hablante, pero solo si se conecta un servicio TTS, que el kit de herramientas de despliegue espera que se configure. Los pesos no sintetizan audio por sí solos.

Lo que no aporta es cobertura lingüística. La ficha documenta traducción de voz bidireccional entre chino e inglés. El repositorio etiqueta 36 idiomas, lo que con toda probabilidad refleja el backbone de texto y no la ruta de voz, pero Tencent no explica la discrepancia. Un equipo que necesita traducción de voz de japonés a inglés no tiene una ruta documentada con este modelo, mientras que el de 1.8B maneja el japonés como texto hoy. El modelo grande no es un superconjunto del pequeño; es un especialista con un carril más estrecho y un corte mucho más profundo.

Dónde están realmente los 440 MB

Lo interesante del 1.8B no es su puntuación en las pruebas de referencia, sino su envolvente de despliegue. Un modelo que se ejecuta sin conexión en un teléfono cambia lo que un producto de traducción puede prometer: sin viaje de ida y vuelta, sin factura por token, sin datos que salgan del dispositivo, sin dependencia de la conectividad en una sala de conferencias en un sótano o en un avión. Tencent lo incluye dentro de la aplicación Hy Translate, que se lanzó en las tiendas de aplicaciones chinas el 24 de septiembre de 2026 y ofrece modelos sin conexión descargables junto con modos de texto, foto, voz y conversación por turnos. La aplicación abarca 12 países y regiones y admite 33 idiomas, además de cinco lenguas minoritarias y dialectos.

Esa aplicación es también la evidencia más clara de dónde encaja Hy-SimulMT. En septiembre, el modo conversación era por turnos: dos personas hablan alternadamente y leen la traducción. Un modelo simultáneo es lo que convierte eso en un intérprete que puedes llevar puesto. La ficha de Tencent dice que Hy-SimulMT se puede probar en la aplicación Hy Translate, y el momento de los pesos, un día antes de que Tencent anunciara su asociación para APEC 2026, sugiere que la presentación prevista es un evento en vivo y no una API para desarrolladores. Eso es una inferencia a partir de fechas públicas, no un plan declarado.

Costo y despliegue, punto por punto

• Parámetros — Hy-SimulMT-30B-A3B: 30,4B en total, aproximadamente 3B activos, MoE disperso más codificador de audio; Hy-MT2-1.8B: 1,8B denso, solo texto.

• Huella — Hy-SimulMT: ~61 GB en BF16 antes de la caché KV, versiones FP8 publicadas; Hy-MT2-1.8B: 440 MB a 1,25 bits, con versiones FP8 y GGUF también disponibles.

• Hardware — Hy-SimulMT: un acelerador de 80 GB de forma realista; Hy-MT2-1.8B: un teléfono, una CPU de portátil o una única GPU pequeña.

• Contexto — Hy-SimulMT: ventanas de audio de treinta segundos; Hy-MT2-1.8B: 8.192 tokens de entrada, 4.096 de salida.

• Idiomas — Hy-SimulMT: chino e inglés documentados para voz; Hy-MT2-1.8B: 33 idiomas más cinco lenguas minoritarias y dialectos.

• Precio — Hy-SimulMT: sin API alojada ni tarifa publicada; Hy-MT2-1.8B: aproximadamente $0,044 por millón de tokens de entrada y $0,177 por millón de tokens de salida en la API alojada de Tencent desde agosto de 2026.

• Licencia — ambas Apache-2.0, ambas sin restricciones de acceso, ambas se pueden ajustar con fine-tuning y redistribuir.

Ninguno de los dos modelos está en el catálogo de OrcaRouter y no alojamos ninguno de los dos. La cuestión de enrutamiento que plantean es distinta de la habitual: si el de 1.8B se ejecuta en el dispositivo y el de 30B en tu propia GPU, las llamadas que necesitan un router son las que los rodean: la ingesta de documentos, la limpieza de transcripciones, el resumidor que convierte una reunión traducida en actas. Esas son llamadas normales a modelos en la nube, y ponerlas detrás de una única API para más de 200 modelos a 0 % de recargo sobre los precios de lista de los proveedores mantiene bajo el número de proveedores mientras la fase de traducción sigue autoalojada. La conmutación por error importa sobre todo cuando el modelo que hace el trabajo crítico es uno que no puedes sustituir rápidamente.

Dos productos, no dos niveles

Si necesitas traducción en un dispositivo, sin conexión, a costo marginal cero, y tu contenido es texto, Tencent Hy-MT2-1.8B es el modelo: es pequeño, con una licencia permisiva, ampliamente desplegado y honesto sobre su debilidad para seguir instrucciones. Si necesitas traducir una conversación en vivo entre chino e inglés y un retraso de tres segundos es aceptable, Hy-SimulMT-30B-A3B es el único modelo de Tencent que lo hace, y el hecho de que sea treinta veces más grande es el precio del codificador de audio y del presupuesto de latencia, no una mejora de calidad que puedas aprovechar en otro sitio.

La trampa consiste en suponer que el lanzamiento más reciente y grande sustituye al más antiguo y pequeño. No es así. Uno de estos modelos tiene 26.000 descargas porque resuelve un problema que tienen millones de personas; el otro tiene cero porque resuelve un problema que, hasta ahora, pertenece sobre todo a la propia aplicación de Tencent y a los voluntarios de APEC que la usarán en Shenzhen este noviembre.