Hy-SimulMT-30B-A3B לעומת Helsinki-NLP OPUS-MT: מתורגמן חי מול תיקיית מומחים

תארו לעצמכם את אותה הרצאת כנס מעובדת בשתי דרכים. בדרך הראשונה, מיקרופון מזין מזהה דיבור אוטומטי, המשפט המזוהה עובר למודל תרגום, התרגום עובר לסינתיסייזר דיבור, והמאזין שומע אנגלית כמה שניות אחרי שהדובר דיבר מנדרינית — כאשר כל שם, מספר וראשי תיבות שרדו שלושה סיכויים נפרדים להיעוות. בדרך השנייה, מודל יחיד מאזין לאודיו ופולט את התרגום תוך כדי שהמשפט נפרש. Hy-SimulMT-30B-A3B, אשר שוחרר כמשקולות על ידי Tencent ב-22 באוקטובר 2026, מיועד לדרך השנייה. Helsinki-NLP OPUS-MT היא מערכת התרגום הפתוחה הנפוצה ביותר בעולם והיא בנויה לגרסה מצומצמת יותר של הראשונה: היא מתרגמת טקסט, משפט אחד בכל פעם, כיוון שפה אחד לכל צ'קפוינט, והיא הורדה מאות אלפי פעמים משום שהיא מבצעת את העבודה הזו על CPU בחינם.

שני אלה אינם יריבים במובן הרגיל. האחד הוא מודל דיבור עם 30.4 מיליארד פרמטרים שזקוק למאיץ; האחר הוא אוסף של יותר מאלף צ'קפוינטים דו-לשוניים של כ-70–80 מיליון פרמטרים כל אחד, רובם בסביבות 300 MB, שרצים בנוחות על מחשב נייד. ההשוואה השימושית אינה איזה מהם מתרגם טוב יותר. היא היכן עובר הגבול בין רכיב תרגום לבין מערכת תרגום, וכמה מהגבול הזה אתה רוצה להחזיק בבעלותך.

מה כל אחד הוא בפועל

OPUS-MT מתוחזק על ידי קבוצת ה-NLP של אוניברסיטת הלסינקי ונבנה על ארכיטקטורת המקודד-מפענח MarianMT. הוא אינו מודל אלא קטלוג: checkpoints נפרדים לסינית-לאנגלית, לאנגלית-לסינית, לאנגלית-לגרמנית ולמאות כיוונים אחרים, שכל אחד מהם אומן על קורפוסים מקבילים מאוסף OPUS וניתן להורדה בנפרד. ה-checkpoint לסינית-אנגלית לבדו הורד כמעט חצי מיליון פעמים; בכיוון ההפוך נרשמו כ-73,000 הורדות. קיימים וריאנטים רב-לשוניים שמאחדים שפות מקור רבות למודל יחיד עם יעד אנגלי, אך המקרה השכיח הוא מומחה צר שיודע בדיוק תפקיד אחד.

הארכיטקטורה מסבירה גם את יתרונה וגם את תקרתה. למודל מקודד-מפענח בעל 77 מיליון פרמטרים שאומן רק על טקסט מקביל אין מקום לידע עולם, אין ממשק הוראות ואין מנגנון להזרמה. תנו לו משפט והוא יחזיר משפט. תנו לו פסקה והוא יתרגם את הפסקה כרצף של משפטים בלי הקשר משותף, והערות הנדסיות שפורסמו מדווחות על נטייה להשמיט תוכן בשקט בקלטים ארוכים. אי אפשר להורות לו לשמור מונח ממילון מונחים, לשמר מפתח JSON או להתאים לסגנון פורמלי — את אלה מטפלים באמצעות עיבוד מקדים ועריכת תוצר, או באמצעות פענוח עם אילוצים אם אתם מוכנים לבנות אותו.

Hy-SimulMT-30B-A3B הוא סוג שונה של אובייקט. הקונפיגורציה שלו מתארת מודל תערובת מומחים דליל בעל 48 שכבות עם 128 מומחים, שמונה מנותבים ועוד אחד משותף לכל טוקן, ומקודד אודיו בעל 24 שכבות שמזין עמוד שדרה ברוחב 2,048. ה-"A3B" בשם אינו מורחב בכרטיס הדגם, אך החשבון של הקונפיגורציה מגיע לבערך 3 מיליארד פרמטרים פעילים מול 30.4 מיליארד בסך הכול. הוא קולט אודיו ב-16 קילו־הרץ בחלונות של שלושים שניות ומפיק טקסט מתורגם; גרסת Interleave גם פולטת תמלול של המקור. המרת טקסט לדיבור ושיבוט קול מטופלים על ידי שירות נפרד שאליו ערכת הכלים לפריסה מתחברת, מה שאומר שמוצר ה-"speech-to-speech" הוא הרכבה, לא קובץ יחיד.

טיעון ההשהיה הוא למעשה טיעון של התפשטות שגיאות.

ההבדל המובן מאליו הוא השהיה, והוא גם הפחות מעניין. אפשר לכוון מפל (cascade) כך שיהיה מהיר; ASR זורם טוב עם השערות חלקיות בתוספת מודל MT קטן יכול להפיק זרם כתוביות שמיש הרבה פחות משנייה מאחורי הדובר. הסיבה שמודלים סימולטניים קיימים היא שבמפל, המהירות נקנית באמצעות מתן פחות הקשר לכל שלב, וכל שלב עושה אז שגיאות שהשלב הבא אינו יכול לראות. המזהה שומע לא נכון שם עצם, המתרגם אינו יכול לדעת שזה היה שם, והמסנתז מבטא את השגיאה בביטחון. למאזין אין דרך לדעת איזה שלב נכשל.

מודל בודד שאומן מקצה לקצה על המשימה כולה יכול, באופן עקרוני, לדחות החלטה עד שהאודיו פותר את העמימות, והוא יכול לשמר את קולו של הדובר אם שיבוט קול מופעל. הטענה של Tencent עוסקת בדיוק בסחר החליפין הזה: StreamLAAL של כשלוש שניות באודיו RealSI ארוך, המתואר כנמוך ביותר מבין המערכות שהושוו, עם ציון איכות GEMBA גבוה מזה של המודלים בקוד הפתוח בטבלה שלה ושל ארבעה מחמישה ממשקי API מסחריים. האם שלוש שניות זה טוב תלוי לחלוטין בהקשר — זה זמן ארוך במשא ומתן וזמן קצר בהרצאה — אבל זה נמדד על משימת הזרמה, שהיא המשימה ש-OPUS-MT לא יכול לנסות בלי קסקייד שנבנה סביבו.

כיסוי, נספר ביושר

כאן התיקייה מנצחת, באופן חד־משמעי, וזה החלק שרוב ההשוואות מטשטשות. למעלה מאלף צ׳קפוינטים של OPUS-MT משתרעים על פני כמאה שפות בכיוונים שונים, כולל זוגות דלי משאבים שאף מודל רב־לשוני גדול לא ראה מעולם. Hy-SimulMT מתעד תרגום דיבור דו־כיווני בין סינית לאנגלית. המטא־נתונים של המאגר מתייגים 36 שפות — ובהן צרפתית, ערבית, חמר, טיבטית, קזחית ואויגורית — אך הטקסט מתאר רק את הזוג סינית–אנגלית, ושום דבר בכרטיס אינו מסביר את הפער. הקריאה הסבירה ביותר היא שהתגים מתארים את עמוד השדרה הטקסטואלי שירש ממשפחת Hy-MT2 של Tencent ולא את יכולת הדיבור, אך זו פרשנות, לא עובדה שפורסמה.

אז שורת הכיסוי הכנה היא: שלושים ושישה שפות שנטענות במטא-דאטה, שתי שפות מתועדות לדיבור, לעומת קטלוג של כמאה ומשהו שפות בטקסט. אם הדרישה שלך היא ממנדרינית לאנגלית בפגישה חיה, Hy-SimulMT מכוון בדיוק אליך. אם הדרישה שלך היא מפולנית לפינית במסמך סטטי, ל-OPUS-MT יש צ'ק-פוינט לכך ול-Hy-SimulMT אין.

ראיות איכות: לצד אחד יש מספרים עצמאיים, ולצד השני טבלת ספק

הראיות הבלתי־תלויות נוטות לטובת OPUS-MT, בשאלה הצרה של איכות תרגום טקסט. מחקר שפורסם על תרגום לאדינית פאסאנית מדד מודל OPUS-MT ב־55.61 BLEU מאיטלקית לאנגלית לעומת 52.93 עבור NLLB-200 ו־44.18 עבור M2M-100, וב־44.35 מאנגלית לאיטלקית לעומת 40.13 ו־32.40. הלקח של אותו מחקר הוא שמודל שאומן אך ורק על כיוון אחד עדיין יכול לנצח מערכות רב־לשוניות גדולות בהרבה באותו כיוון. הוא לא אומר דבר על דיבור, והוא אינו עוסק ב־Hy-SimulMT, מפני שאף מעבדה בלתי־תלויה לא העריכה את Hy-SimulMT כלל.

מנגד, Tencent מדווחת על 90.3 FLEURS, 75.5 CoVoST2, 81.2 ACL6060 ו-84.7 RealSI-Sentence עבור Hy-SimulMT, הכול מההערכה שלה עצמה. אלו מדדי תרגום דיבור, ולכן אינם ניתנים להשוואה לנתוני ה-BLEU שלמעלה, ואין להם אימות מצד צד שלישי. האות הפנימי האחד שראוי לציון הוא שהמודל מפסיד ל-Qwen3.8-LiveTranslate ב-CoVoST2 ב-6.6 נקודות, בעוד שהוא מנצח בשלושת העמודות האחרות בקרב מערכות פתוחות — תזכורת לכך שמספר בודד היה מסתיר חולשה אמיתית.

עלות ופריסה, זה לצד זה

• פרמטרים — Hy-SimulMT-30B-A3B: 30.4B בסך הכול, כ-3B פעילים, MoE דליל; Helsinki-NLP OPUS-MT: כ-70–80M לכל checkpoint, צפוף.

• טביעת רגל — Hy-SimulMT: כ-61 GB של משקולות BF16 לפני KV cache, כך שמאיץ של 80 GB הוא המינימום המעשי; גרסאות FP8 פורסמו. OPUS-MT: כ-300 MB לכל checkpoint, תומך CPU.

• מודל השהיה — Hy-SimulMT: סטרימינג, כ-3 שניות StreamLAAL על אודיו ארוך. OPUS-MT: משפט בכל פעם; סטרימינג דורש ASR ומדיניות פילוח שאתם בונים.

• שפות — Hy-SimulMT: סינית ואנגלית מתועדות עבור דיבור, 36 מתויגות במטא-נתונים. OPUS-MT: כמאה שפות על פני יותר מאלף נקודות ביקורת כיווניות.

• רישיון — Hy-SimulMT: Apache-2.0 עבור המשקלים והקוד של Tencent, עם רכיבי צד שלישי בכפוף לתנאים שלהם. OPUS-MT: לפי checkpoint ולא אחיד — המודל מסינית לאנגלית הוא CC-BY-4.0, המודל מאנגלית לסינית הוא Apache-2.0, ומאנגלית לגרמנית הוא CC-BY-4.0. יש לבדוק את הכרטיס הספציפי לפני הפצה.

• API מתארח — Hy-SimulMT: לא פורסם דבר. OPUS-MT: אין; רק משקלים.

הזוג האחרון הזה חשוב לרכש. אף אחד מהמודלים אינו בקטלוג של OrcaRouter, ואנחנו לא מארחים אף אחד מהם — אתם מארחים את המשקלים בעצמכם או משתמשים בערוץ של הספק עצמו. המקום שבו הניתוב כן תופס את מקומו הוא בשאר הצינור: מסכם התמלול, בודק מילון המונחים, הפוסט-עורך ועוזר הצ'אט שיושבים סביב שלב התרגום הם קריאות מודל רגילות, וההרצה שלהם דרך API אחת ל-200+ מודלים ב-0% תוספת מחיר מעל מחירי המחירון של הספקים מונעת חוזה נפרד לכל ספק. לעיתים רחוקות התרגום הוא הדבר היחיד שמוצר פגישות עושה.

איזה מהם שייך לסטאק שלך?

בחרו ב-OPUS-MT כאשר הקלט הוא כבר טקסט, הכיוון קבוע, הנפח גבוה והתקציב אפס. תהליכי עיבוד של מסמכים משפטיים, קבצי כתוביות, קטלוגים של מסחר אלקטרוני ותרגום דפדפן לא מקוון — כולם עדיין מקבלים שירות טוב יותר ממומחה של 300 MB מאשר ממודל בעל 30 מיליארד פרמטרים, והרישיון לכל checkpoint הוא הדבר היחיד שצריך לבדוק. בחרו ב-Hy-SimulMT כאשר הקלט הוא אודיו והמאזין ממתין: פגישות בזמן אמת, הרצאות, ראיונות, פרשנות שידור, כל הקשר שבו השהיה של שלוש שניות ושמירה על הקול שווים מאיץ ושירות TTS.

הטעות שיש להימנע ממנה היא להתייחס לזה כאל תחרות איכות. OPUS-MT אינו מפסיד ל-Hy-SimulMT בתרגום טקסט; הוא מפסיד במשימה שמעולם לא נבנה עבורה. ו-Hy-SimulMT אינו מחליף אלף מודלים דו-לשוניים קפדניים במודל אחד חכם — הוא מחליף מפל עיבוד שהיית צריך אחרת להרכיב, לכוונן ולנפות בעצמך. אלו רכישות שונות, ורק אחת מהן מגיעה בתיקייה.