Hy-SimulMT-30B-A3B vs Tencent Hy-MT2-7B : le prix que vous pouvez annoncer vs celui que vous ne pouvez pas

Demandez combien coûte une heure d'interprétation du chinois vers l'anglais et les deux modèles de cette comparaison vous donnent des réponses de nature complètement différente. Tencent Hy-MT2-7B, publié en open source le 21 mai 2026, dispose d'une grille tarifaire : 0,074 $ par million de tokens d'entrée et 0,295 $ par million de tokens de sortie sur l'API hébergée de Tencent. Hy-SimulMT-30B-A3B, publié sous forme de poids le 22 octobre 2026, n'a aucun prix publié — pas de point de terminaison, pas de tarif par token, pas de référence sur un cloud public. Vous pouvez budgéter le 7B au centime près. Pour le modèle vocal, vous devez budgéter un GPU, et le chiffre auquel vous arrivez dépend entièrement de ce que vous possédez déjà.

Cette différence est plus qu’un détail d’achat. Elle reflète deux produits différents avec deux structures de coûts différentes. Le 7B est un traducteur de texte facturé comme un service de base : vous payez à la token, vous montez en charge avec le volume, et le coût marginal d’un document supplémentaire est presque nul. Hy-SimulMT est un système temps réel facturé comme une infrastructure : vous payez un accélérateur à l’heure, que quelqu’un parle ou non, et le coût marginal d’une réunion supplémentaire n’est proche de zéro que parce que la machine tourne déjà. Les comparer selon le nombre de paramètres passe à côté de l’essentiel. Les comparer selon ce que coûte réellement une heure de travail, voilà tout l’argument.

Ce qu’est le 7B, et ce qu’il coûte par token

Tencent Hy-MT2-7B est l’enfant du milieu de la famille de textes Hy-MT2, un décodeur dense de 7 milliards de paramètres entraîné pour la traduction dans 33 langues, plus cinq langues minoritaires chinoises et dialectes. Il dispose d’un contexte de travail de 8 192 tokens, prend en charge la sortie structurée via response_format et ne prend pas en charge l’appel de fonctions. En BF16, il lui faut environ 15 Go de mémoire d’accélérateur, environ 8 Go en FP8 et quelques gigaoctets sous forme GGUF — un seul GPU de milieu de gamme, ou un CPU si vous êtes patient.

Ses scores de qualité rapportés par le fournisseur se situent près de la frontière sur les benchmarks choisis par Tencent. Sur FLORES-200, il obtient 86,89 XCOMET-XXL, ce que Tencent présente comme environ 97,9 % de Gemini 3.1 Pro en mode réflexion. Sur DomainMTBench, il annonce 94,92 et 92,79 sur deux découpages ; sur IFMTBench, la suite de suivi d'instructions construite par Tencent pour cette famille, 83,14 au global. Aucun de ces chiffres n'a été reproduit de façon indépendante. Ce sont les chiffres du fournisseur, et ils décrivent un modèle performant en traduction contrôlée — glossaires, registre, sortie structurée —, ce qui correspond exactement à l'écart qui sépare le 7B du 1.8B en dessous de lui.

Au tarif hébergé, un million de tokens d’entrée coûte sept centimes et un million de tokens de sortie coûte moins de trente centimes. Pour le travail sur texte, c’est presque gratuit. La question intéressante est de savoir ce qui se passe lorsque l’entrée n’est pas du texte.

L’arithmétique d’une heure de parole, dans les deux sens

Une heure de parole continue représente environ 9 000 mots anglais, soit à peu près 12 000 tokens. Faites passer cela dans Tencent Hy-MT2-7B au prix catalogue et la traduction elle-même coûte environ un demi-cent : environ 0,0009 $ pour l’entrée et 0,0035 $ pour la sortie, donc disons 0,0044 $. Même si vous vous trompez d’un facteur deux sur l’estimation du nombre de tokens, le montant reste de l’ordre de quelques fractions de cent.

Mais le 7B ne peut pas entendre. Un pipeline de texte commence par un moteur de reconnaissance vocale, et un moteur de reconnaissance hébergé coûte généralement quelques dixièmes de centime par minute, ce qui met une heure d’audio quelque part sous le dollar avant même que le traducteur ne tourne. C’est la première correction honnête au récit du « 7B moins cher » : dans une cascade, le traducteur n’est pas l’étape coûteuse. C’est le moteur de reconnaissance qui l’est. La deuxième correction concerne la latence — une cascade qui attend la fin d’une phrase, transcrit, traduit et affiche aura plus de retard sur le locuteur qu’un modèle simultané, et aucune abondance de jetons bon marché n’y changera rien.

Hy-SimulMT-30B-A3B inverse la structure des coûts. Il n’y a pas de facture par token, car il n’y a pas de service hébergé ; vous louez ou possédez le matériel. Les poids BF16 représentent environ 61 Go avant le cache KV, donc un accélérateur de 80 Go constitue le minimum réaliste, et une seule carte se loue à partir d’environ 2 $ l’heure chez un cloud GPU spécialisé jusqu’à plus de 10 $ sur la liste à la demande d’un hyperscaler. À l’extrémité basse, une heure de réunion coûte environ 2 $ de calcul ; à l’extrémité haute, une heure coûte une heure de location. Les deux chiffres supposent que la machine est dédiée à cette réunion, ce qui est le pire des cas — un serveur traitant plusieurs flux simultanés divise le coût. Exécuter la version FP8 sur une carte plus petite abaisse encore ce minimum.

La comparaison est donc d’environ 0,30–1,00 $ par heure de réunion pour la cascade, dominée par la reconnaissance, contre 2–12 $ par heure de réunion pour le modèle simultané, dominé par le GPU. C’est une différence réelle d’un à deux ordres de grandeur, et c’est le bon cadre : vous ne payez pas pour une meilleure traduction, vous payez pour trois secondes de latence au lieu de quinze. Les équipes qui ont besoin de cette latence paieront. Celles qui n’en ont pas besoin achètent un accélérateur pour résoudre un problème qu’elles n’ont pas.

Qualité : deux règles différentes

Il n’existe pas de manière honnête de placer le score de 86,89 de Tencent Hy-MT2-7B sur FLORES-200 à côté du 84,7 de Hy-SimulMT sur RealSI-Sentence. L’un mesure la traduction de texte par rapport à une référence ; l’autre mesure la traduction de la parole sur un benchmark conçu pour l’audio en streaming. Ils partagent un format de nombre et rien d’autre. Ce qui peut être comparé, c’est la forme des preuves. Le 7B dispose d’un tableau complet publié couvrant FLORES-200, WMT25, DomainMTBench et IFMTBench, tous réalisés par le fournisseur. Le modèle vocal dispose d’un tableau à quatre colonnes couvrant FLEURS, CoVoST2, ACL6060 et RealSI-Sentence, également réalisé par le fournisseur, ainsi qu’une comparaison humaine avec six interprètes professionnels que Tencent lui-même décrit comme de petite échelle et limitée aux échantillons utilisés. Aucun des deux n’a fait l’objet d’une vérification indépendante.

Le seul point où les deux gammes se rejoignent véritablement est la qualité de traduction sur le chinois et l’anglais. Le 7B est le plus performant des traducteurs de texte selon toutes les mesures publiées par Tencent, y compris le suivi d’instructions, où son score de 83,14 sur IFMTBench dépasse de quatorze points celui du 1,8B. L’avantage du modèle vocal n’est pas la qualité mais le timing : il produit une traduction exploitable pendant que la phrase est encore en cours, et il peut restituer la voix du locuteur au moyen d’un service TTS si un tel service est configuré. Si votre audio est déjà transcrit et que votre budget de latence se mesure en minutes, le 7B est le meilleur traducteur. Si votre budget de latence se mesure en secondes, le 7B n’entre pas en lice, quel que soit son score.

Déploiement et coût, côte à côte

• Paramètres — Hy-SimulMT-30B-A3B : 30,4 Md au total, environ 3 Md actifs, MoE clairsemé avec un encodeur audio ; Tencent Hy-MT2-7B : 7 Md dense, texte uniquement.

• Mémoire — Hy-SimulMT : ~61 Go BF16, version FP8 publiée ; Hy-MT2-7B : ~15 Go BF16, ~8 Go FP8, quelques Go en GGUF.

• Contexte — Hy-SimulMT : fenêtres audio de trente secondes ; Hy-MT2-7B : 8 192 tokens.

• Latence — Hy-SimulMT : environ 3 s StreamLAAL, selon les données du fournisseur ; Hy-MT2-7B : texte en entrée, texte en sortie, avec le délai ASR d'une cascade en amont.

• Langues — {{1}}Hy-SimulMT{{/1}} : chinois et anglais documentés pour la parole ; {{2}}Hy-MT2-7B{{/2}} : 33 langues plus cinq langues minoritaires et dialectes.

• Prix — Hy-SimulMT : aucun prix publié ; Hy-MT2-7B : 0,074 $ par million de tokens d’entrée, 0,295 $ par million de tokens de sortie.

• Licence — à la fois Apache-2.0 et sans restriction, et à la fois affinable et redistribuable.

Aucun des deux modèles ne figure au catalogue d’OrcaRouter et nous n’hébergeons ni l’un ni l’autre. La différence de prix reste la raison de s’intéresser au routage ici. Tencent pratique des prix agressifs pour ses API de traduction et les modifie : le 12 juin 2026, il a abaissé Hy-MT2-Pro à 0,5 ¥ par million de tokens d’entrée et 2 ¥ par million de tokens de sortie, soit une baisse de 66,7 % sur l’entrée et de 55,6 % sur la sortie. OrcaRouter répercute les prix catalogue des fournisseurs avec 0 % de marge, donc une baisse comme celle-ci est effective de notre côté le jour même plutôt qu’au prochain renouvellement de contrat, et le basculement automatique fait qu’une panne d’un fournisseur ne met pas hors service un pipeline de traduction. Pour une charge de travail dont le coût est dominé par les tarifs par token, la différence entre une marge de 0 % et de 20 % représente toute la marge.

Celui que votre budget de latence choisit

Commencez par le budget. Si la réponse est « secondes », le prix du 7B n’a aucune importance : une cascade ne peut pas produire un flux simultané sans un reconnaisseur en streaming et une politique de segmentation que vous développez et ajustez, et même dans ce cas, elle restera à la traîne. Hy-SimulMT-30B-A3B est le seul de ces deux à être conçu pour cette contrainte, sa licence Apache-2.0 signifie que vous pouvez tester cette affirmation sur vos propres fichiers audio, et le coût se résume à un GPU facturé à l’heure. Partez de l’hypothèse d’un budget de 2 à 12 $ par heure de réunion, puis vérifiez-le par rapport à votre propre utilisation.

Si la réponse est « minutes », le 7B l’emporte sur tous les axes qui comptent : coût, mémoire, couverture linguistique, suivi d’instructions documenté et existence d’un prix que l’on peut inscrire dans un tableur. Payez le moteur de reconnaissance, payez un demi-cent pour la traduction, et dépensez la différence à l’étape de relecture. La plupart des travaux de traduction dans la plupart des entreprises relèvent encore de cette seconde catégorie, ce qui explique pourquoi un modèle de sept milliards de paramètres assorti d’une grille tarifaire a probablement plus de chances de survivre à un modèle de trente milliards de paramètres dont la caractéristique la plus intéressante est qu’il n’en a pas encore.