Hy-SimulMT-30B-A3B vs Tencent Hy-MT2-7B: Harga yang Bisa Anda Kutip vs Harga yang Tidak Bisa Anda Kutip

Tanyakan berapa biaya satu jam interpretasi Mandarin–Inggris, dan dua model dalam perbandingan ini memberi Anda jenis jawaban yang sama sekali berbeda. Tencent Hy-MT2-7B, yang dirilis sebagai open source pada 21 Mei 2026, memiliki daftar tarif: $0,074 per juta token masukan dan $0,295 per juta token keluaran di API yang dihosting Tencent. Hy-SimulMT-30B-A3B, yang diterbitkan sebagai bobot pada 22 Oktober 2026, tidak memiliki harga yang dipublikasikan sama sekali — tidak ada endpoint, tidak ada tarif per token, tidak ada daftar cloud publik. Anda dapat menganggarkan model 7B hingga presisi sen. Untuk model ucapan, Anda harus menganggarkan GPU, dan angka yang Anda peroleh sepenuhnya bergantung pada apa yang sudah Anda miliki.

Perbedaan itu lebih dari sekadar detail pengadaan. Ini mencerminkan dua produk berbeda dengan dua struktur biaya yang berbeda. 7B adalah penerjemah teks yang diberi harga seperti layanan utilitas: Anda membayar per token, penskalaannya mengikuti volume, dan biaya marginal untuk satu dokumen tambahan hampir nol. Hy-SimulMT adalah sistem real-time yang diberi harga seperti infrastruktur: Anda membayar akselerator per jam, terlepas dari ada yang berbicara atau tidak, dan biaya marginal untuk satu rapat tambahan hampir tidak ada hanya karena mesinnya sudah berjalan. Membandingkannya berdasarkan jumlah parameter berarti melewatkan intinya. Membandingkannya berdasarkan biaya aktual untuk satu jam kerja adalah inti dari seluruh argumennya.

Apa itu 7B, dan berapa biayanya per token

Tencent Hy-MT2-7B adalah anak tengah dari keluarga teks Hy-MT2, sebuah decoder padat 7 miliar parameter yang dilatih untuk penerjemahan dalam 33 bahasa plus lima bahasa minoritas Tiongkok dan dialeknya. Model ini memiliki konteks kerja 8.192 token, mendukung keluaran terstruktur melalui response_format, dan tidak mendukung pemanggilan fungsi. Dalam BF16 model ini membutuhkan sekitar 15 GB memori akselerator, sekitar 8 GB dalam FP8, dan beberapa gigabita dalam bentuk GGUF — satu GPU kelas menengah, atau CPU jika Anda sabar.

Kualitas yang dilaporkan vendornya berada dekat dengan garis depan pada tolok ukur yang dipilih Tencent. Pada FLORES-200, model ini mencetak 86,89 XCOMET-XXL, yang oleh Tencent disajikan sebagai sekitar 97,9% dari Gemini 3.1 Pro dalam mode thinking. Pada DomainMTBench, model ini melaporkan 94,92 dan 92,79 pada dua split; pada IFMTBench, rangkaian pengujian kemampuan mengikuti instruksi yang dibuat Tencent untuk keluarga ini, 83,14 secara keseluruhan. Tidak satu pun dari angka-angka ini telah direproduksi secara independen. Itu adalah angka dari vendor, dan angka-angka itu menggambarkan model yang baik dalam penerjemahan terkendali — glosarium, register, keluaran terstruktur — yang persis merupakan kesenjangan yang memisahkan 7B dari 1.8B di bawahnya.

Dengan tarif hosted, satu juta token input berbiaya tujuh sen dan satu juta token output berbiaya di bawah tiga puluh sen. Untuk pekerjaan teks, itu hampir gratis. Pertanyaan yang menarik adalah apa yang terjadi ketika inputnya bukan teks.

Aritmetika satu jam berbicara, dua arah

Satu jam ucapan terus-menerus setara dengan sekitar 9.000 kata bahasa Inggris, yaitu kira-kira 12.000 token. Jika diproses melalui Tencent Hy-MT2-7B dengan harga daftar, terjemahannya sendiri berbiaya sekitar setengah sen: kira-kira $0.0009 untuk input dan $0.0035 untuk output, jadi anggap saja $0.0044. Bahkan jika perkiraan token Anda meleset hingga dua kali lipat, angkanya tetap hanya sebagian kecil dari satu sen.

Tetapi 7B tidak bisa mendengar. Pipeline teks dimulai dengan pengenal suara, dan pengenal suara terkelola biasanya berbiaya beberapa persepuluh sen per menit, sehingga satu jam audio berada di bawah satu dolar sebelum penerjemah dijalankan sama sekali. Itu koreksi jujur pertama terhadap narasi "7B lebih murah": dalam kaskade, penerjemah bukan tahap yang mahal. Pengenal suaralah yang mahal. Koreksi kedua adalah latensi — kaskade yang menunggu batas kalimat, mentranskripsi, menerjemahkan, dan menampilkan akan tertinggal dari pembicara lebih jauh daripada model simultan, dan berapa pun token murahnya tidak akan memperbaikinya.

Hy-SimulMT-30B-A3B membalik struktur biaya. Tidak ada tagihan per token karena tidak ada layanan hosting; Anda menyewa atau memiliki perangkat kerasnya. Bobot BF16 sekitar 61 GB sebelum KV cache, jadi akselerator 80 GB adalah batas bawah yang realistis, dan satu kartu disewakan mulai dari sekitar $2 per jam di cloud GPU spesialis hingga lebih dari $10 di daftar on-demand hyperscaler. Pada kisaran rendah, satu jam rapat membutuhkan biaya komputasi sekitar $2; pada kisaran tinggi, satu jam membutuhkan biaya sewa satu jam. Kedua angka tersebut mengasumsikan mesin dikhususkan untuk rapat itu, yang merupakan kasus terburuk — server yang menangani beberapa aliran bersamaan membagi biayanya. Menjalankan build FP8 pada kartu yang lebih kecil menurunkan batas bawahnya lagi.

Jadi, perbandingannya kira-kira $0,30–$1,00 per jam rapat untuk kaskade, yang didominasi oleh pengenalan, dibandingkan dengan $2–$12 per jam rapat untuk model simultan, yang didominasi oleh GPU. Itu adalah perbedaan nyata sebesar satu hingga dua orde besaran, dan itulah kerangka yang tepat: Anda tidak membayar untuk terjemahan yang lebih baik, Anda membayar untuk jeda tiga detik alih-alih lima belas detik. Tim yang membutuhkan jeda itu akan membayarnya. Tim yang tidak membutuhkannya sedang membeli akselerator untuk menyelesaikan masalah yang tidak mereka miliki.

Kualitas: dua penggaris yang berbeda

Tidak ada cara jujur untuk menyandingkan skor 86,89 FLORES-200 milik Tencent Hy-MT2-7B dengan skor 84,7 milik Hy-SimulMT pada RealSI-Sentence. Yang satu mengukur terjemahan teks terhadap referensi; yang lain mengukur terjemahan ucapan pada tolok ukur yang dibangun untuk audio streaming. Keduanya hanya berbagi format angka dan tidak memiliki kesamaan lain. Yang dapat dibandingkan adalah bentuk buktinya. Model 7B memiliki tabel lengkap yang dipublikasikan untuk FLORES-200, WMT25, DomainMTBench, dan IFMTBench, yang seluruhnya dijalankan oleh vendor. Model ucapan memiliki tabel empat kolom untuk FLEURS, CoVoST2, ACL6060, dan RealSI-Sentence, juga dijalankan oleh vendor, ditambah perbandingan manusia dengan enam juru bahasa profesional yang menurut Tencent sendiri berskala kecil dan terbatas pada sampel yang digunakan. Tidak satu pun memiliki verifikasi independen.

Satu-satunya titik di mana kedua model ini benar-benar bertemu adalah kualitas terjemahan untuk bahasa Mandarin dan Inggris. Model 7B adalah penerjemah teks yang lebih unggul menurut semua metrik yang dipublikasikan Tencent, termasuk kemampuan mengikuti instruksi, di mana skornya 83,14 pada IFMTBench, empat belas poin di atas model 1,8B. Keunggulan model ucapan bukan pada kualitas, melainkan pada waktu: model ini menghasilkan terjemahan yang bisa digunakan saat kalimat masih berlangsung, dan dapat mempertahankan suara pembicara melalui layanan TTS jika layanan tersebut dikonfigurasi. Jika audio Anda sudah ditranskripsikan dan anggaran latensi Anda diukur dalam satuan menit, model 7B adalah penerjemah yang lebih baik. Jika anggaran latensi Anda diukur dalam satuan detik, model 7B tidak masuk hitungan terlepas dari skornya.

Penerapan dan biaya, berdampingan

• Parameter — Hy-SimulMT-30B-A3B: total 30,4B, sekitar 3B aktif, MoE sparse dengan encoder audio; Tencent Hy-MT2-7B: 7B dense, hanya teks.

• Memori — Hy-SimulMT: {{1}}~61 GB BF16{{/1}}, build FP8 telah dipublikasikan; Hy-MT2-7B: {{2}}~15 GB BF16{{/2}}, {{3}}~8 GB FP8{{/3}}, beberapa GB dalam GGUF.

• Konteks — Hy-SimulMT: jendela audio tiga puluh detik; Hy-MT2-7B: 8.192 token.

• Latensi — Hy-SimulMT: sekitar 3 dtk StreamLAAL, menurut laporan vendor; Hy-MT2-7B: teks masuk, teks keluar, dengan penundaan ASR dari kaskade di depannya.

• Bahasa — Hy-SimulMT: bahasa Tionghoa dan Inggris terdokumentasi untuk ucapan; Hy-MT2-7B: 33 bahasa ditambah lima bahasa minoritas dan dialek.

• Harga — Hy-SimulMT: tidak ada yang dipublikasikan; Hy-MT2-7B: $0,074 per juta token masukan, $0,295 per juta token keluaran.

• Lisensi — Apache-2.0 dan tanpa pembatasan, keduanya dapat disesuaikan dan didistribusikan ulang.

Tidak ada dari kedua model tersebut yang ada di katalog OrcaRouter dan kami tidak menghosting keduanya. Perbedaan harga tetap menjadi alasan untuk peduli tentang perutean di sini. Tencent menetapkan harga API terjemahannya secara agresif dan mengubah harga tersebut: pada 12 Juni 2026, mereka memangkas Hy-MT2-Pro menjadi ¥0,5 per juta token masukan dan ¥2 per juta token keluaran, pemangkasan 66,7% pada masukan dan 55,6% pada keluaran. OrcaRouter meneruskan harga daftar penyedia dengan markup 0%, jadi pemangkasan seperti itu langsung berlaku di sisi kami pada hari yang sama alih-alih pada pembaruan kontrak berikutnya, dan failover otomatis berarti gangguan satu penyedia tidak membuat pipeline terjemahan mati. Untuk beban kerja yang biayanya didominasi oleh tarif per token, perbedaan antara markup 0% dan 20% adalah seluruh margin.

Yang mana yang dipilih anggaran latensi Anda

Mulai dari anggaran. Jika jawabannya "detik", tidak ada yang penting dari harga 7B — kaskade tidak dapat menghasilkan umpan simultan tanpa pengenal streaming dan kebijakan segmentasi yang Anda bangun dan setel, dan bahkan dengan itu pun hasilnya akan tertinggal. Hy-SimulMT-30B-A3B adalah satu-satunya dari kedua model ini yang dibangun untuk kendala tersebut; lisensi Apache-2.0-nya berarti Anda dapat menguji klaim itu pada audio Anda sendiri, dan biayanya adalah GPU per jam. Anggap $2–$12 per jam rapat sebagai asumsi awal dan periksa terhadap utilisasi Anda sendiri.

Jika jawabannya adalah "menit", model 7B menang di setiap sumbu yang penting: biaya, memori, cakupan bahasa, kepatuhan instruksi yang terdokumentasi, dan adanya harga yang bisa Anda masukkan ke spreadsheet. Bayar pengenal, bayar setengah sen untuk terjemahan, dan belanjakan selisihnya pada langkah tinjauan. Sebagian besar pekerjaan terjemahan di sebagian besar perusahaan masih jenis kedua ini, itulah sebabnya model tujuh miliar parameter dengan daftar tarif kemungkinan akan bertahan lebih lama daripada model tiga puluh miliar parameter yang fitur paling menariknya adalah bahwa model itu belum memilikinya.