Hy-SimulMT-30B-A3B vs Tencent Hy-MT2-7B: el precio que puedes cotizar frente al que no puedes

Pregunte cuánto cuesta una hora de interpretación de chino a inglés y los dos modelos de esta comparación le darán tipos de respuesta completamente distintos. Tencent Hy-MT2-7B, de código abierto desde el 21 de mayo de 2026, tiene una tarifa: 0,074 USD por millón de tokens de entrada y 0,295 USD por millón de tokens de salida en la API alojada de Tencent. Hy-SimulMT-30B-A3B, publicado como pesos el 22 de octubre de 2026, no tiene ningún precio publicado: ni endpoint, ni tarifa por token, ni listado en ninguna nube pública. El 7B puede presupuestarlo hasta el céntimo. Para el modelo de voz tiene que presupuestar una GPU, y la cifra a la que llegue depende por completo de lo que ya tenga.

Esa diferencia es más que un detalle de adquisición. Refleja dos productos diferentes con dos estructuras de costes diferentes. El 7B es un traductor de texto con un precio de servicio básico: se paga por tokens, se escala con el volumen y el coste marginal de un documento más es casi nulo. Hy-SimulMT es un sistema en tiempo real con un precio de infraestructura: se paga por un acelerador por hora, haya o no alguien hablando, y el coste marginal de una reunión más es casi nulo solo porque la máquina ya está en marcha. Compararlos por su número de parámetros es no entender la cuestión. Compararlos por lo que cuesta realmente una hora de trabajo es todo el argumento.

Qué es el 7B y cuánto cuesta por token

Tencent Hy-MT2-7B es el hijo mediano de la familia de texto Hy-MT2, un decodificador denso de 7 mil millones de parámetros entrenado para traducir en 33 idiomas, además de cinco lenguas minoritarias y dialectos chinos. Tiene un contexto de trabajo de 8.192 tokens, admite salida estructurada mediante response_format y no admite llamada a funciones. En BF16 necesita aproximadamente 15 GB de memoria de acelerador, unos 8 GB en FP8 y unos pocos gigabytes en formato GGUF: una única GPU de gama media, o una CPU si tienes paciencia.

Su calidad reportada por el proveedor se sitúa cerca de la frontera en los benchmarks que eligió Tencent. En FLORES-200 obtiene 86,89 XCOMET-XXL, que Tencent presenta como aproximadamente el 97,9 % de Gemini 3.1 Pro en modo de pensamiento. En DomainMTBench reporta 94,92 y 92,79 en dos divisiones; en IFMTBench, la suite de seguimiento de instrucciones que Tencent creó para esta familia, 83,14 en general. Ninguno de estos resultados ha sido reproducido de forma independiente. Son las cifras del proveedor, y describen un modelo que es bueno en traducción controlada —glosarios, registro, salida estructurada—, que es exactamente la brecha que separa al 7B del 1.8B por debajo de él.

A la tarifa alojada, un millón de tokens de entrada cuesta siete centavos y un millón de tokens de salida cuesta menos de treinta. Para trabajo de texto, eso está cerca de ser gratis. La pregunta interesante es qué ocurre cuando la entrada no es texto.

La aritmética de una hora de habla, en ambos sentidos

Una hora de habla continua equivale aproximadamente a 9.000 palabras en inglés, lo que viene a ser unos 12.000 tokens. Si lo pasas por Tencent Hy-MT2-7B a precio de lista, la traducción en sí cuesta alrededor de medio centavo: unos $0,0009 por la entrada y $0,0035 por la salida, así que digamos $0,0044. Incluso si te equivocas por un factor de dos en la estimación de tokens, la cifra sigue siendo fracciones de centavo.

Pero el 7B no puede oír. Un pipeline de texto comienza con un reconocedor, y un reconocedor alojado suele costar unas décimas de centavo por minuto, lo que deja una hora de audio en algo menos de un dólar antes de que el traductor se ejecute siquiera. Esa es la primera corrección honesta al relato de que "el 7B es más barato": en una cascada, el traductor no es la etapa cara. El reconocedor sí lo es. La segunda corrección es la latencia: una cascada que espera al límite de una oración, transcribe, traduce y muestra irá por detrás del hablante más de lo que lo hace un modelo simultáneo, y ninguna cantidad de tokens baratos arregla eso.

Hy-SimulMT-30B-A3B invierte la estructura de costes. No hay factura por token porque no hay servicio alojado; alquilas o posees el hardware. Los pesos BF16 ocupan unos 61 GB antes de la caché KV, así que un acelerador de 80 GB es el suelo realista, y una sola tarjeta se alquila desde aproximadamente 2 USD por hora en una nube de GPU especializada hasta más de 10 USD en la lista bajo demanda de un hiperescalador. En el extremo inferior, una hora de reunión cuesta unos 2 USD en cómputo; en el extremo superior, una hora cuesta el alquiler de una hora. Ambas cifras suponen que la máquina está dedicada a esa reunión, que es el peor caso: un servidor que gestiona varios flujos concurrentes divide el coste. Ejecutar la versión FP8 en una tarjeta más pequeña vuelve a bajar el suelo.

Así que la comparación es aproximadamente de $0.30–$1.00 por hora-reunión para la cascada, dominada por el reconocimiento, frente a $2–$12 por hora-reunión para el modelo simultáneo, dominado por la GPU. Esa es una diferencia real de uno a dos órdenes de magnitud, y es el marco correcto: no estás pagando por una mejor traducción, estás pagando por tres segundos de retraso en lugar de quince. Los equipos que necesitan el retraso lo pagarán. Los equipos que no, están comprando un acelerador para resolver un problema que no tienen.

Calidad: dos reglas diferentes

No hay forma honesta de poner la puntuación de 86,89 de Tencent Hy-MT2-7B en FLORES-200 junto a la de 84,7 de Hy-SimulMT en RealSI-Sentence. Una mide la traducción de texto frente a una referencia; la otra mide la traducción de voz en un benchmark creado para audio en streaming. Comparten un formato numérico y nada más. Lo que sí se puede comparar es la forma de la evidencia. El 7B tiene una tabla publicada completa en FLORES-200, WMT25, DomainMTBench e IFMTBench, toda ejecutada por el proveedor. El modelo de voz tiene una tabla de cuatro columnas en FLEURS, CoVoST2, ACL6060 y RealSI-Sentence, también ejecutada por el proveedor, además de una comparación humana con seis intérpretes profesionales que Tencent mismo describe como de pequeña escala y limitada a las muestras utilizadas. Ninguno cuenta con verificación independiente.

El único punto en el que las dos líneas realmente se encuentran es la calidad de traducción entre chino e inglés. El 7B es el traductor de texto más potente según todas las métricas que publica Tencent, incluido el seguimiento de instrucciones, donde su 83,14 en IFMTBench está catorce puntos por encima del 1.8B. La ventaja del modelo de voz no es la calidad, sino el momento: produce una traducción utilizable mientras la frase aún está en curso, y puede transmitir la voz del hablante mediante un servicio TTS si hay uno configurado. Si tu audio ya está transcrito y tu presupuesto de latencia se mide en minutos, el 7B es el mejor traductor. Si tu presupuesto de latencia se mide en segundos, el 7B queda fuera de consideración independientemente de su puntuación.

Despliegue y coste, lado a lado

• Parámetros — Hy-SimulMT-30B-A3B: 30.4B en total, aproximadamente 3B activos, MoE disperso con un codificador de audio; Tencent Hy-MT2-7B: 7B denso, solo texto.

• Memoria — Hy-SimulMT: ~61 GB en BF16, versión FP8 publicada; Hy-MT2-7B: ~15 GB en BF16, ~8 GB en FP8, unos pocos GB en GGUF.

• Contexto — Hy-SimulMT: ventanas de audio de treinta segundos; Hy-MT2-7B: 8.192 tokens.

• Latencia — Hy-SimulMT: aproximadamente 3 s para StreamLAAL, según el proveedor; Hy-MT2-7B: texto de entrada, texto de salida, con el retardo de ASR de una cascada delante.

• Idiomas — Hy-SimulMT: chino e inglés documentados para el habla; Hy-MT2-7B: 33 idiomas más cinco lenguas minoritarias y dialectos.

• Precio — Hy-SimulMT: ninguno publicado; Hy-MT2-7B: $0.074 por millón de tokens de entrada, $0.295 por millón de tokens de salida.

• Licencia — tanto Apache-2.0 como sin restricciones, y tanto ajustable como redistribuible.

Ninguno de los dos modelos está en el catálogo de OrcaRouter y no alojamos ninguno de los dos. La diferencia de precios sigue siendo la razón por la que el enrutamiento importa aquí. Tencent fija precios muy agresivos para sus API de traducción y los cambia: el 12 de junio de 2026 redujo Hy-MT2-Pro a ¥0,5 por millón de tokens de entrada y ¥2 por millón de tokens de salida, un recorte del 66,7 % en la entrada y del 55,6 % en la salida. OrcaRouter traslada los precios de lista de los proveedores con un recargo del 0 %, así que un recorte como ese está activo de nuestro lado el mismo día, y no en la próxima renovación del contrato, y la conmutación automática por error hace que la caída de un proveedor no derribe una canalización de traducción. Para una carga de trabajo cuyo coste está dominado por las tarifas por token, la diferencia entre un recargo del 0 % y uno del 20 % es todo el margen.

¿Cuál elige tu presupuesto de latencia?

Empieza por el presupuesto. Si la respuesta es «segundos», nada de lo que cueste el 7B importa: una cascada no puede producir un flujo simultáneo sin un reconocedor en streaming y una política de segmentación que tú crees y ajustes, y aun así irá por detrás. Hy-SimulMT-30B-A3B es el único de estos dos construido para esa restricción, su licencia Apache-2.0 significa que puedes probar la afirmación con tu propio audio, y el coste es una GPU por horas. Calcula un presupuesto de $2–$12 por hora de reunión como suposición inicial y contrástalo con tu propia utilización.

Si la respuesta es «minutos», el 7B gana en todos los ejes que importan: coste, memoria, cobertura lingüística, seguimiento de instrucciones documentado y la existencia de un precio que se pueda poner en una hoja de cálculo. Paga al reconocedor, paga medio centavo por la traducción y gasta la diferencia en el paso de revisión. La mayor parte del trabajo de traducción en la mayoría de las empresas sigue siendo de este segundo tipo, y por eso es probable que un modelo de siete mil millones de parámetros con una tarifa sobreviva a un modelo de treinta mil millones de parámetros cuyo rasgo más interesante es que aún no tiene una.