Hy-SimulMT-30B-A3B vs North Small Translate 1.0 : deux grands modèles, une licence que vous pouvez livrer

La façon la plus rapide de comparer Hy-SimulMT-30B-A3B et North Small Translate 1.0consiste à examiner ce qui se passe une fois que vous avez décidé qu’ils vous plaisent. Le modèle de Tencent est sous Apache-2.0 : téléchargez-le, affinez-le, intégrez-le à un produit, facturez de l’argent, aucune conversation requise. Celui de Cohere est sous CC BY-NC 4.0 : gratuit pour un usage non commercial, conditionné à un formulaire de contact, le déploiement commercial passant par une licence payante de Cohere ou de son partenaire RWS. Les deux sont de grands modèles clairsemés de type mélange d’experts que la plupart des équipes ne peuvent pas exécuter à la légère. Un seul d’entre eux peut être livré un mardi après-midi sans appel au service des achats, et cette asymétrie décide de plus de déploiements que n’importe quelle ligne de benchmark.

Ils ne font pas non plus la même chose, ce qui rend la comparaison des licences plus nette plutôt que plus floue. North Small Translate 1.0 a été annoncé par Cohere le 10 septembre 2026 comme un traducteur de texte à l’échelle du document : 218 milliards de paramètres au total, 25 milliards actifs, une fenêtre d’entrée de 16 000 tokens et — fait inhabituel — une fenêtre de sortie de 16 000 tokens, sur 50 langues. Hy-SimulMT-30B-A3B, publié sous forme de poids par Tencent le 22 octobre 2026, est un modèle vocal : il écoute de l’audio en chinois ou en anglais par fenêtres de trente secondes et produit l’autre langue pendant que le locuteur parle encore. L’un traduit un contrat ; l’autre traduit une conversation. Le chevauchement est plus faible que ne le suggère l’étiquette commune de « modèle de traduction ».

Deux définitions différentes de « petit »

Le nom de Cohere est relatif à son propre modèle phare. Face à un modèle généraliste de pointe, 218 milliards de paramètres dont 25 milliards actifs, c’est petit — il est conçu pour être bon marché par token et rapide, délibérément sans raisonnement, et Cohere annonce environ 112 tokens de sortie par seconde. Face à tout ce que vous exécuteriez sur une station de travail, il est énorme. Le matériel suggéré par Cohere est un B200 ou deux H100 en W4A4 ; les minimums par précision de la fiche modèle sont plus élevés, avec le BF16 indiqué à quatre B200 ou huit H100. Le jeu de poids FP8 à lui seul est de l’ordre de 218 Go.

Le « 30B-A3B » de Tencent signifie 30,4 milliards de paramètres au total et environ 3 milliards actifs par token, ce qui est petit dans le seul sens qui compte pour le coût de service : chaque token active environ un dixième du réseau. Les poids BF16 représentent encore environ 61 Go avant le cache KV, donc un accélérateur de 80 Go reste le plancher pratique, et c’est la version FP8 publiée qui met une carte plus petite à portée. Aucun des deux modèles n’est petit au sens où l’est un traducteur embarqué de 440 Mo. La différence entre eux est d’un ordre de grandeur en paramètres totaux et d’un facteur huit en paramètres actifs, ce qui change la facture matérielle, mais pas la catégorie.

Ce que chacun fait avec son contexte

La fonctionnalité phare de North Small Translate 1.0 est la longueur de sortie. Seize mille tokens en entrée et seize mille en sortie signifient qu’un rapport, un manuel ou un contrat entier peut être fourni puis ressortir traduit comme un tout, avec une terminologie et un ton cohérents dans l’ensemble du document, car le modèle peut tout voir en même temps. L’évaluation en contexte long de Cohere annonce 48,9 contre 21,3 pour Google Translate et 19,4 pour Gemma 4 31B sur ce type de tâche. C’est la capacité qui justifie le nombre de paramètres : non pas de meilleures phrases, mais un meilleur document.

Hy-SimulMT-30B-A3B entretient une relation presque inverse avec le contexte. Son encodeur audio accepte au maximum 480 000 échantillons à 16 kHz — trente secondes — par fenêtre, et sa configuration de génération utilise par défaut soixante-quatre nouveaux tokens par étape. Le modèle est conçu pour s'engager tôt et tenir la cadence, pas pour garder un document sous les yeux. Son nombre maximal d'embeddings de position est de 262 144, mais la fiche ne publie aucune longueur de contexte exploitable, et pour l'audio en streaming, ce nombre est presque sans pertinence. Si votre unité de travail est un manuel de 40 pages, c'est par construction le mauvais outil. Si votre unité de travail est une phrase encore en train d'être prononcée, c'est le seul des deux qui s'applique.

La licence est la différence la plus nette.

Apache-2.0 appliqué aux poids de Tencent est à peu près aussi permissif que des poids ouverts peuvent l'être : l'usage commercial, la modification, la redistribution et les modèles dérivés sont tous autorisés, avec l'exception standard selon laquelle les composants tiers intégrés conservent leurs propres conditions. Le fichier de licence précise explicitement que Hy-SimulMT désigne le code d'inférence, les paramètres et les poids publiés par Tencent, et qu'il n'impose aucune restriction au-delà de celles des composants qu'il fournit. Il n'y a aucun avenant d'usage acceptable dans le dépôt et aucun contrôle d'accès au téléchargement.

La CC BY-NC 4.0 de Cohere est un instrument différent. L’utilisation non commerciale est gratuite ; l’utilisation commerciale nécessite une licence, et les poids sont à accès restreint. Des commentateurs ont souligné que « non commercial » peut être interprété de manière suffisamment large pour couvrir des productions monétisées — par exemple, une vidéo doublée financée par la publicité —, ce qui fait de cette frontière une question juridique plutôt que d’ingénierie. Cohere vend l’accès commercial via son propre canal de vente et via Model Vault de RWS Language Weaver, et aucun prix public n’est indiqué.

Pour le dire simplement : si vous développez un produit, le modèle de Tencent est un modèle que vous pouvez évaluer et déployer le jour même, et celui de Cohere est un modèle que vous pouvez évaluer, puis sur lequel négocier. Cela ne rend pas le modèle de Cohere moins bon — une entreprise entretenant déjà une relation avec RWS peut trouver la voie commerciale simple — mais cela change l’ordre des opérations, et cela signifie que les deux modèles sont rarement présélectionnés par la même équipe pour la même raison.

Les benchmarks ne peuvent pas être opposés les uns aux autres.

Il est tentant de placer le score WMT26 de Cohere de 83,60 à côté du 84,7 de Tencent sur RealSI-Sentence et de déclarer un vainqueur. Résistez-y. Les deux chiffres proviennent de tâches différentes, de métriques différentes et de juges différents. Le chiffre de Cohere est issu de sa propre évaluation de l’ensemble WMT26 toutes langues, noté par GPT-5.6-Sol comme juge automatique, avec 84,36 pour un workflow agentique multi-passes ; l’évaluation humaine officielle de WMT26 n’avait pas été publiée au moment du lancement du modèle. Le 84,7 de Tencent est un score de traduction vocale sur RealSI-Sentence, une colonne d’un tableau établi par le fournisseur, aux côtés de 90,3 FLEURS, 75,5 CoVoST2 et 81,2 ACL6060. Les chiffres d’aucune des deux entreprises n’ont été reproduits par un laboratoire indépendant.

Ce qui peut être affirmé est orienté. Cohere a publié un tableau comparatif avec des concurrents nommés — DeepL NextGen à 81,37, Qwen 3.5 397B A17B à 81,56, Google Translate à 68,20 — tous évalués par le même juge, ce qui rend le classement cohérent en interne même si le juge est un modèle de langage. Tencent a publié un tableau de neuf systèmes sur quatre benchmarks vocaux, avec son propre modèle en gras dans chaque colonne et une phrase prudente indiquant qu’il n’a pas remporté CoVoST2. Les deux sont des documents marketing. Celui de Cohere est plus utile pour choisir entre des traducteurs de texte ; celui de Tencent est la seule preuve qui existe pour ce modèle vocal.

Déploiement et coût, point par point

• Paramètres totaux — Hy-SimulMT-30B-A3B : 30,4B, MoE creux, environ 3B actifs ; North Small Translate 1.0 : 218B au total, 25B actifs.

• Empreinte des poids — Hy-SimulMT : ~61 Go en BF16, avec des builds FP8 et GGUF publiés ; North : de l’ordre de 218 Go en FP8, avec des variantes BF16 et NVFP4.

• Matériel — Hy-SimulMT : un accélérateur de 80 Go en pratique ; North : un B200 ou deux H100 en W4A4 selon la configuration suggérée par Cohere, davantage pour le BF16.

• Contexte — Hy-SimulMT : fenêtres audio de trente secondes, aucun contexte textuel utilisable publié ; North : 16K en entrée, 16K en sortie.

• Langues — Hy-SimulMT : le chinois et l’anglais documentés pour la parole, 36 balisées dans les métadonnées ; North : 50.

• Licence — Apache-2.0, sans restriction d’accès vs CC BY-NC 4.0, à accès restreint, licence commerciale requise.

• API hébergée — aucun des deux ne figure au catalogue d’OrcaRouter et nous n’hébergeons ni l’un ni l’autre. Tencent ne publie ni point de terminaison ni tarif pour Hy-SimulMT ; Cohere propose un accès commercial via Model Vault sans grille tarifaire publique.

Dans ce type de construction, ce qui justifie un routeur se situe en aval de la traduction elle-même. Un pipeline documentaire qui utilise North, ou un pipeline de réunion construit sur Hy-SimulMT, a toujours besoin d’un relecteur : un second modèle qui vérifie la terminologie, signale les omissions et compare la traduction à la source. Effectuer ce contrôle comme un appel séparé à un autre fournisseur est exactement le type de workflow multi-modèle pour lequel OrcaRouter est conçu — une API pour plus de 200 modèles, 0 % de marge sur les prix catalogue des fournisseurs, bascule automatique si le fournisseur chargé de la relecture a un moment de faiblesse, et fusion de modèles lorsque vous voulez un panel plutôt qu’un seul critique. Le traducteur n’est qu’un nœud ; le contrôle qualité qui l’entoure est là où se prennent les décisions de routage.

Comment choisir

Si le travail consiste à traduire des documents, la décision commence et se termine par la licence. Une équipe qui peut acheter une licence commerciale et a besoin de 16K de sortie devrait examiner de près North Small Translate 1.0 — la fenêtre de sortie est une véritable capacité que la plupart des modèles de traduction n'ont pas. Une équipe qui doit livrer sans négociation, ou qui souhaite affiner et redistribuer, n'a exactement qu'une option ici, et il se trouve que c'est celle qui coûte un dixième des paramètres.

Si le travail consiste en parole en direct, la comparaison s'effondre. North Small Translate 1.0 n'accepte pas l'audio, n'a pas de mode streaming, et une allégation de latence de trois secondes n'a aucun sens pour un modèle qui renvoie un document. Hy-SimulMT-30B-A3B est le seul des deux à pouvoir s'asseoir dans une réunion, et sa licence Apache-2.0 signifie que vous pouvez vérifier s'il fonctionne sans demander la permission à quiconque. C'est un verdict étroit, mais honnête : ces modèles ont été conçus pour des salles différentes, et la licence ne fait que rendre le choix plus net.