Hy-SimulMT מול Hy-SimulMT-30B-A3B: שם אחד, שישה קבצים, שני פלטים

הקלידו Hy-SimulMT ב-Hugging Face ולא תמצאו מאגר בשם הזה. תמצאו שישה, וכל אחד מהם נקרא Hy-SimulMT-30B-A3B עם סיומת מצורפת. זהו כל ההשוואה במשפט אחד. Hy-SimulMT הוא השם ש-Tencent Hunyuan נתנה להכרזה ב-26 באוקטובר 2026 — המתורגמן בזמן אמת סינית↔אנגלית שהסיקור העיתונאי תיאר כפועל באיחור של כשלוש שניות אחרי הדובר. Hy-SimulMT-30B-A3B הוא השם שעל הארטיפקט שאפשר בפועל להוריד. אין אח קטן יותר תחת השם הקצר, אין גרסת dense, ואין מודל "base" רגיל שמסתתר מאחוריו. השם הקצר הוא פרויקט; השם הארוך הוא משפחה של שישה קבצים. מה שבא לאחר מכן הוא ההחלטה שדף השוואה בדרך כלל קובר: איזה מששת אלה להריץ, ולמה התשובה שונה עבור שכבת כתוביות ועבור הזנת פגישה שצריכה רק פלט שמע.

מה שטנסנט שחררה, ומה שהיא החליטה לקרוא לזה

המאגר של Tencent עצמה מתייחס ל-Hy-SimulMT כשם הפרויקט: "מודל תרגום סימולטני בזמן אמת שפותח על ידי Tencent Hunyuan." כרטיס המודל משייך אותו לאותה תווית קצרה. האוסף נקרא "Hy Simultaneous Interpretation Model." בשום מקום בחומר הזה לא מוגדרת היררכיה של משפחה והחברים בה — אין Hy-SimulMT-Small, אין Hy-SimulMT-Mini, אין צ'קפוינט צפוף לאנשים בלי מאיץ של 80 ג'יגה-בייט. כל משקל שהופץ הוא אותה ארכיטקטורת תערובת-מומחים בדרגת 30B.

אז ששת הערכים באוסף אינם שישה מודלים בשום מובן משמעותי. הם מודל אחד בשש אריזות:

• Hy-SimulMT-30B-A3B — פלט תרגום בלבד, דיוק מלא, safetensors.

• Hy-SimulMT-30B-A3B-Interleave — תמלול מקור בתוספת תרגום, דיוק מלא, safetensors.

• Hy-SimulMT-30B-A3B-FP8 וHy-SimulMT-30B-A3B-Interleave-FP8 — אותם שני מבני פלט בבנייה של נקודה צפה בת שמונה סיביות המיועדת להגשה על GPU יחיד.

• Hy-SimulMT-30B-A3B-GGUF וHy-SimulMT-30B-A3B-Interleave-GGUF — אותן שתי צורות פלט מכוונטטות עבור llama.cpp, ב-Q4_K_M וב-Q8_0.

הארכיטקטורה שמתחת היא מודל דליל בעל 30.4 מיליארד פרמטרים, עם כ-3 מיליארד פרמטרים פעילים לכל טוקן: 48 שכבות, 128 מומחים עם שמונה מנותבים ואחד משותף לכל טוקן, ומקודד אודיו בעל 24 שכבות שקולט אודיו ב-16 kHz בחלונות של 30 שניות. העיצוב הזה של המקודד הוא החלק שכדאי לשים לב אליו. המודל נבנה לצרוך אודיו בזמן שהוא עדיין מגיע, ולא כדי לקבל קובץ מוגמר — ולכן טענת השהיה וטענת הבנצ'מרק נמדדות על דברים שונים, ולכן אף אחת מהן לא מספרת לך איזה מששת הקבצים הפיק את המספר.

הרישיון הוא Apache-2.0 והוא ללא הגבלת גישה, וזו העובדה הבודדת החזקה ביותר בשחרור. ללא טופס, ללא שער שימוש מקובל, ללא סעיף לא-מסחרי. שימוש מסחרי, שינוי והפצה מותרים, וטנסנט פרסמה ערכת כלים לאימון לצד שרת האינפרנס, כך שאימון המשך הוא שימוש מיועד ולא שימוש בלתי נתמך.

הבחירה שמשנה באמת היא צורת הפלט

בין שני הצ'קפוינטים ברמת דיוק מלא, ההבדל אינו באיכות. הוא במה שמותר למודל לומר. צ'קפוינט הבסיס מפיק את התרגום ותו לא. צ'קפוינט Interleave מפיק את טקסט המקור שזוהה ואחר כך את התרגום, משולבים זה בזה בזמן שהאודיו זורם.

זה נשמע קוסמטי עד שמסתכלים היכן המערכות האלה נפרסות. פיד פגישה בזמן אמת שמפעיל טקסט לדיבור רוצה את צ'קפוינט הבסיס: התמלול הוא נטל מת שעולה טוקני פלט, מוסיף השהיה לכל מקטע, ומדליף את שפת המקור לתוך צינור עיבוד שהצרכן היחיד שלו הוא קול. שכבת כתוביות, תיעוד לצורכי ציות, תמלול דו-לשוני או כל תהליך עבודה שבו אדם צריך לבדוק את התרגום מול מה שנאמר – כולם זקוקים לצ'קפוינט Interleave, כי החלופה היא להריץ מזהה דיבור נפרד לצד המתרגם ולקוות ששניהם יקטעו את האודיו באותו אופן. הם לא יעשו זאת.

דוגמת הפריסה בפקודה אחת של Tencent עצמה מוגדרת כברירת מחדל לווריאנט Interleave:

• bash deploy.sh --install-server --model tencent/Hy-SimulMT-30B-A3B-Interleave

זו ברירת מחדל סבירה להדגמה, שבה הצגת טקסט המקור מוכיחה שהמערכת מקשיבה. זו ברירת המחדל הלא נכונה למוצר קולי בלבד, וזה הפרט היחיד שרוב הסיקור של גרסה זו מפספס. אם אתה מעריך את המודל לפי עלות טוקנים או השהיה מקצה לקצה, אתה מודד מערכת אחרת בהתאם לצ'קפוינט שטענת.

יש עלות מסדר שני ל-Interleave שהכרטיס מרמז עליה אך אינו מכמת אותה. תמלולים בזרימה ניתנים לשינוי. פלט מוקדם יכול להתעדכן ככל שמגיע אודיו נוסף, ולכן לקוח שמציג טקסט חלקי חייב להיבנות כך שיקבל תיקונים ולא רק שורות שמתווספות בסוף. הכתיבה של AlphaSignal על השחרור מעלה נקודה זו ישירות, וזה סוג פרט האינטגרציה שהופך אב-טיפוס של יומיים לכזה של שלושה שבועות.

הבנצ'מרקים לא מציינים איזה וריאנט הם מדדו.

טנסנט מפרסמת ארבעה ציונים קצרים ונתון השהיה אחד ארוך, וכל שורה מסומנת כ־"Hy-SimulMT" — לא Hy-SimulMT-30B-A3B, ובוודאי לא בסיס לעומת Interleave. זהו הפער הכנה בפרסום, והוא חשוב יותר מכל מספר בודד בו.

• FLEURS — 90.3. ‏Gemini3.5-LiveTranslate מקבל ציון 92.4, כך שזה לא ניצחון בקטגוריה.

• CoVoST2 — 75.5, מאחורי Qwen3.8-LiveTranslate עם 82.1. זהו ההפסד הברור ביותר בטבלה, וזה שהסיקור בכותרות נוטה לפספס.

• ACL6060 — 81.2. Gemini3.5-LiveTranslate מקבל ציון 82.6.

• RealSI-Sentence — 84.7, הגבוה ביותר בקבוצת ההשוואה.

• השהיית RealSI long-form — StreamLAAL של כשלוש שניות, המתוארת כנמוכה ביותר מבין המערכות שהושוו.

כל אלה הורצו על ידי הספק. אף אחד מהם לא שוחזר באופן עצמאי, ובכרטיס נאמר במפורש ש-StreamLAAL אינו אותה מדידה כמו הזמן עד לפלט הדיבור הראשון. סרטוני ההדגמה הם הקלטות חוזרות לא מקוונות, ולכן גם תזמון הניגון שלהם אינו מדידת השהיה בזמן אמת. יש לקרוא את הטבלה כמערכת של טענות מהמעבדה שבנתה את המודל, שנעשו על גבי מערך בדיקה שהיא בחרה, כאשר הגרסה נותרה ללא שם.

אפשר לתקן את ההשמטה האחרונה הזו אחר צהריים אחד על ידי כל מי שיש לו החומרה: להריץ את שני הצ'קפוינטים על אותו אודיו ולפרסם את הדלתא. עד שמישהו יעשה זאת, ההנחה הסבירה היא שהמספרים שפורסמו מתארים את מסלול התרגום בלבד, משום שזו המדידה הנקייה יותר — גרסת ה-Interleave חייבת לפלוט יותר טוקנים, ויותר טוקנים במפענח סטרימינג פירושם יותר השהיה. אבל זו הנחה, לא גילוי.

הפורמט הוא ההחלטה השלישית, ולמסלול ה-GGUF יש מלכוד

ה-checkpoint ברמת דיוק מלאה הוא בערך 61 GB ב-BF16. זה מציב את הרצפה המעשית לפריסה נוחה במאיץ של 80 GB, וזה המספר שצריך לתקצב אם בכוונתך לשרת את המודל כפי שהוא מסופק. גרסת ה-FP8 קיימת בדיוק כדי להוריד את הדרישה הזו לכרטיס יחיד וקטן יותר, ו-Tencent ממקמת אותה כך.

מסלול ה-GGUF נראה עדיין זול יותר, וגדלי הקבצים מוחשיים. מאגר ה-Interleave GGUF מפרט Q4_K_M בגודל 19.7 GB ו-Q8_0 בגודל 33.3 GB. כימות של 19.7 GB למודל עם 30 מיליארד פרמטרים הוא ההבדל בין „דורש כרטיס של מרכז נתונים” לבין „נכנס בתחנת עבודה”, וזו הגרסה שרוב האנשים ינסו ראשונה.

הבעיה היא שתמיכת llama.cpp בארכיטקטורה הזו טרם מוזגה למאגר ה-upstream. Tencent מספקת גשר שמצפה לשרת llama.cpp שכבר פועל ובעל יכולות אודיו, עם מתג MODEL_TYPE — target_only עבור הצ'קפוינט לתרגום בלבד, ו-source_target עבור זה המשולב — והתיעוד ממליץ להמתין לשחרור רשמי. הרצת הבילד המקוונטט כיום משמעה הרצת גשר של הספק מעל בילד של llama.cpp שעדיין אינו יודע מהו המודל הזה. זהו דבר סביר לעשות לצורך הערכה. זהו בסיס שברירי למוצר, ואופן הכשל הוא תלות שאין באפשרותכם לשדרג באופן בלתי תלוי בטלאי של הספק.

עבור מסלול vLLM, הדרישה היא גרסה 0.31 או חדשה יותר עם תמיכה ב-HYV3ForCausalLM, בתוספת חבילת simulst. פריסה מרובת GPU נתמכת באמצעות tensor parallelism. מתקין בפקודה אחת מפעיל את שירות הווב וה-API בפורט 8080 ואת שרת המודל בפורט 8800, והוא פועל בסביבה מבודדת — כלומר הוא עלול להתקין מחדש את SimulInfer או לשנות גרסאות של תלויות אם תפנו אותו למחסנית קיימת. Tencent מתעדת מסלול צעד-אחר-צעד בדיוק מהסיבה הזו.

מה נדרש כדי לשרת, ומה הגרסה לא כוללת

פלט דיבור ושיבוט קול אינם מאפיינים של ה-checkpoint. המודל מפיק טקסט. הפיכת הטקסט הזה לדיבור בקולו של הדובר מחייבת שירות TTS מוגדר בנפרד, וכל חלק במשפט הזה כרוך בעלות: שירות נוסף להריץ, קפיצת רשת נוספת בתקציב השהיה, תנאי ספק נוספים לבדוק, ונקודת כשל נוספת בין המיקרופון למאזין. כרטיס המודל מבהיר זאת באופן ישיר, וזהו הפער הגדול ביותר בין הדמו למתורגמן הניתן לפריסה.

כמו כן, אין API מתארח ואין מחיר מפורסם. החזית הצרכנית של Tencent היא אפליקציית Hy Translate, שמציעה מסלול חינמי ב-Android וב-iOS — הדרך הזולה ביותר לשמוע מה המודל עושה, וחסרת תועלת כתלות בסביבת ייצור. לכל השאר תארחו בעצמכם, כלומר העלות היא המאיץ, זמן התפעול וחשבון ה-TTS, ולא תעריף לפי טוקן שאפשר להכניס לגיליון אלקטרוני.

לכיסוי השפות מגיעה אותה מידת בדיקה מדוקדקת. הפרוזה מתעדת סינית ואנגלית דו-כיווניות. המטא-נתונים של Hugging Face מתייגים את ה-checkpoint ב-36 שפות. לא פורסמה רשימה של 34 האחרות, והדוגמאות של המאגר עצמו הן כולן en-zh או zh-en. התייחסו לתג כאל מטא-נתונים בירושה עד ש-Tencent תתעד אחרת, ואל תתכננו השקה ב-36 שפות על סמך תג.

הטענות שזקוקות למקור שני

ההשוואה למתורגמן אנושי היא הטענה המצוטטת ביותר של הגרסה והפחות מבוססת שלה. Tencent מדווחת על איכות "בשווה לזו של מתורגמנים אנושיים מומחים בו-זמנית, ולעיתים קרובות מגיבה מהר יותר", בהתבסס על 18 הקלטות חדשות שנאספו, באורך של כשישה דקות כל אחת, מעשרה תחומים, שהוערכו על ידי שישה מתורגמנים מנוסים — שלושה בעלי CATTI Level 1 ושלושה בעלי Level 2. בכל רמה, נעשה שימוש בציון הטוב ביותר מבין שלושת המתורגמנים.

הפרט האחרון נושא משקל רב. בחירת התוצאה הטובה מבין שלוש לעומת ריצת מודל אחת היא בנייה נדיבה, והכרטיס אינו מפרסם רווחי סמך או פילוח לפי תחום. הוא גם אינו מפרסם ציון אובייקטיבי לדמיון לדובר עבור שיבוט הקול, שהוא המאפיין בעל הסיכוי הגבוה ביותר להכריע אם פריסה תרגיש מקובלת על האנשים בחדר. המגבלה של הכרטיס עצמו — שהממצא מוגבל למדגמים, למשתתפים ולהגדרות שלו, ואינו הערכה מקיפה — היא הקריאה הנכונה. אודיו רפואי, משפטי ושיחתי רועש הם בדיוק התחומים שבהם השוואת מתורגמנים תזדקק למספרים לפי תחום, ואלה המספרים שחסרים.

מתורגמנים מקצועיים נותרו הבחירה הנכונה בכל מקום שבו מעורבים אחריות, בדיקה של מומחים או החלטה בעלת השלכות כבדות. זהו הניסוח של Tencent, לא של מבקר, וכדאי לחזור על כך משום שהגרסה הכותרתית של ההודעה הזו לא אמרה זאת.

אם אתה מארח אותו בעצמך, שים משהו מאחוריו.

אף אחד משני הצ'קפוינטים אינו בקטלוג של OrcaRouter, ולכן איננו נתיב לאף אחד מהם, והטקסט הזה לא יעמיד פנים אחרת. זה לא הופך נתב לבלתי רלוונטי למתורגמן בהארחה עצמית — זה מעביר אותו לקצה. מסלול תרגום חי הוא שרשרת ארוכה: לכידת שמע, שרת המודל, שירות TTS אופציונלי והלקוח. כל חוליה עלולה להיתקע, ותקיעה בפגישה גרועה מתרגום קצת פחות טוב. הצבת מודל טקסט מתארח מאחורי אותה נקודת קצה כגיבוי למסלול התמלול — לא למסלול השמע — משמעה ששרת מודל מת מתדרדר לתמלול קריא במקום לדממה.

OrcaRouter הוא API אחד מול יותר מ-200 מודלים מתארחים עם תוספת של 0%, מחיר המחירון של הספק מועבר הלאה בלי שום תוספת, וה-DSL לניתוב הוא הדרך לבטא כלל גיבוי בלי אינטגרציה נוספת. מעבר אוטומטי לגיבוי הוא החלק החשוב כאן: הכלל מופעל בעקבות כשל במעלה הזרם, לא כשאדם מבחין שהכתוביות נעצרו.

איזה קובץ, אם כך

המסגור של "לעומת" מתפוגג ברגע שיודעים למה מתייחסים השמות, ומה שנשאר הוא החלטת אריזה עם שלוש תשובות כנות.

אם אתם בונים מוצר קולי — פרשנות פגישות, שכבת־על למוקד טלפוני, כל דבר שבו הפלט הוא אודיו — השתמשו בHy-SimulMT-30B-A3B, או בגרסת ה-FP8 שלו אם כרטיס בודד של 80 GB הוא המגבלה. אינכם זקוקים לתמלול, אינכם רוצים לשלם כדי לייצר אותו, וה-checkpoint הבסיסי הוא מסלול ההשהיה הנקי יותר.

אם אדם יקרא את הפלט, בחרו בHy-SimulMT-30B-A3B-Interleave. כתוביות, פרוטוקולים דו-לשוניים, ותהליכי לכידה וסקירה לצורכי ציות — כולם זקוקים לטקסט המקור, והרצת מזהה נפרד לצד המתרגם היא הדרך שבה מגיעים לשני תעתיקים שלא מסכימים היכן הסתיים המשפט.

אם אתה מעריך ולא מפרס, קח את Hy-SimulMT-30B-A3B-Interleave-GGUF ב-Q4_K_M, קבל את קובץ ה-19.7 GB ואת תלות llama.cpp הלא ממוזגת, והתייחס לכך כדרך לשמוע את המודל על חומרה שכבר יש לך. שדרג לנתיב FP8 vLLM רק לאחר שהחלטת שהאיכות שווה את הכרטיס.

השאלה הפתוחה אינה איזה קובץ טוב יותר. היא האם הציונים שפורסמו מתארים את הקובץ שבחרת. לטנסנט יש החומרה לענות על כך בתוך יום, ועד שהיא תעשה זאת, כל מי שמצטט 90.3 או 84.7 צריך לומר איזה מששת הצ'קפוינטים לדעתו הפיק אותו.