Hy-SimulMT-30B-A3B vs Tencent Hy-MT2-7B: il prezzo che puoi preventivare vs quello che non puoi

Chiedi quanto costa un'ora di interpretariato dal cinese all'inglese e i due modelli di questo confronto ti danno risposte di tipo completamente diverso. Tencent Hy-MT2-7B, reso open source il 21 maggio 2026, ha un listino prezzi: $0.074 per milione di token di input e $0.295 per milione di token di output sull'API ospitata di Tencent. Hy-SimulMT-30B-A3B, pubblicato come pesi il 22 ottobre 2026, non ha alcun prezzo pubblicato: nessun endpoint, nessuna tariffa per token, nessuna presenza nei listini cloud pubblici. Puoi preventivare il 7B al centesimo. Per il modello vocale devi preventivare una GPU, e il numero a cui arrivi dipende interamente da ciò che possiedi già.

Questa differenza non è un dettaglio di approvvigionamento. Riflette due prodotti diversi, con due strutture di costo diverse. Il 7B è un traduttore di testo prezzato come una utility: paghi i token, scali con il volume e il costo marginale di un documento in più è quasi zero. Hy-SimulMT è un sistema in tempo reale prezzato come un'infrastruttura: paghi un acceleratore a ore, che qualcuno stia parlando o meno, e il costo marginale di una riunione in più è quasi nullo solo perché la macchina è già in funzione. Confrontarli in base al numero di parametri significa mancare il punto. Confrontarli in base a quanto costa davvero un'ora di lavoro è tutto il nocciolo della questione.

Che cos'è il 7B e quanto costa per token

Tencent Hy-MT2-7B è il figlio di mezzo della famiglia di modelli testuali Hy-MT2, un decoder denso da 7 miliardi di parametri addestrato per la traduzione in 33 lingue più cinque lingue minoritarie e dialetti cinesi. Ha un contesto di lavoro di 8.192 token, supporta l'output strutturato tramite response_format e non supporta il function calling. In BF16 richiede circa 15 GB di memoria dell'acceleratore, circa 8 GB in FP8 e qualche gigabyte in formato GGUF — una singola GPU di fascia media, oppure una CPU se hai pazienza.

La qualità riportata dal fornitore si colloca vicino alla frontiera sui benchmark scelti da Tencent. Su FLORES-200 ottiene 86,89 XCOMET-XXL, che Tencent presenta come circa il 97,9% di Gemini 3.1 Pro in modalità thinking. Su DomainMTBench riporta 94,92 e 92,79 su due split; su IFMTBench, la suite di instruction-following costruita da Tencent per questa famiglia, 83,14 nel complesso. Nessuno di questi risultati è stato riprodotto in modo indipendente. Sono i numeri del fornitore e descrivono un modello bravo nella traduzione controllata — glossari, registro, output strutturato — che è esattamente il divario che separa il 7B dal 1.8B inferiore.

Alla tariffa del servizio hosted, un milione di token di input costa sette centesimi e un milione di token di output costa meno di trenta. Per il lavoro testuale è quasi gratis. La domanda interessante è cosa succede quando l'input non è testo.

L'aritmetica di un'ora di parlato, in entrambe le direzioni

Un'ora di parlato continuo corrisponde a circa 9.000 parole inglesi, cioè all'incirca 12.000 token. Se lo si passa a Tencent Hy-MT2-7B al prezzo di listino, la traduzione in sé costa circa mezzo centesimo: all'incirca $0,0009 per l'input e $0,0035 per l'output, quindi diciamo $0,0044. Anche se si sbaglia di un fattore due nella stima dei token, il numero resta comunque frazioni di centesimo.

Ma il 7B non può sentire. Una pipeline testuale inizia con un riconoscitore, e un riconoscitore ospitato costa tipicamente qualche decimo di centesimo al minuto, il che colloca un'ora di audio da qualche parte sotto il dollaro prima ancora che il traduttore entri in funzione. Questa è la prima correzione onesta alla storia del "7B costa meno": in una cascata, il traduttore non è la fase costosa. Lo è il riconoscitore. La seconda correzione è la latenza: una cascata che attende il confine di una frase, trascrive, traduce e visualizza resterà indietro rispetto a chi parla più di quanto faccia un modello simultaneo, e nessuna quantità di token economici può rimediare.

Hy-SimulMT-30B-A3B inverte la struttura dei costi. Non esiste una bolletta per token perché non esiste un servizio ospitato; l'hardware si noleggia o si possiede. I pesi BF16 occupano circa 61 GB prima della KV cache, quindi un acceleratore da 80 GB è il minimo realistico, e una singola scheda si noleggia da circa 2 $ l'ora presso un cloud GPU specializzato fino a oltre 10 $ nella lista on-demand di un hyperscaler. Nel caso più economico, un'ora di riunione costa circa 2 $ di calcolo; nel caso più costoso, un'ora costa il noleggio di un'ora. Entrambe le cifre presuppongono che la macchina sia dedicata a quella riunione, che è il caso peggiore: un server che gestisce diversi flussi simultanei divide il costo. Eseguire la build FP8 su una scheda più piccola abbassa ulteriormente il minimo.

Quindi il confronto è all'incirca $0,30–$1,00 per ora di riunione per la cascata, dominata dal riconoscimento, contro $2–$12 per ora di riunione per il modello simultaneo, dominato dalla GPU. È una differenza reale di uno o due ordini di grandezza, ed è la lettura corretta: non stai pagando per una traduzione migliore, stai pagando per tre secondi di ritardo invece di quindici. I team che hanno bisogno di quel ritardo lo pagheranno. I team che non ne hanno bisogno stanno comprando un acceleratore per risolvere un problema che non hanno.

Qualità: due righelli diversi

Non c’è modo onesto di mettere il punteggio di 86,89 su FLORES-200 di Tencent Hy-MT2-7B accanto all’84,7 di Hy-SimulMT su RealSI-Sentence. Uno misura la traduzione testuale rispetto a un riferimento; l’altro misura la traduzione vocale su un benchmark creato per l’audio in streaming. Condividono un formato numerico e nulla più. Ciò che può essere confrontato è la forma delle prove. Il 7B dispone di una tabella completa pubblicata su FLORES-200, WMT25, DomainMTBench e IFMTBench, tutta condotta dal fornitore. Il modello vocale dispone di una tabella a quattro colonne su FLEURS, CoVoST2, ACL6060 e RealSI-Sentence, anch’essa condotta dal fornitore, più un confronto umano con sei interpreti professionisti che Tencent stessa descrive come su piccola scala e limitato ai campioni utilizzati. Nessuno dei due ha una verifica indipendente.

L'unico punto in cui le due linee si incontrano davvero è la qualità della traduzione su cinese e inglese. Il 7B è il traduttore testuale più forte secondo ogni metrica pubblicata da Tencent, incluso il rispetto delle istruzioni, dove il suo 83,14 su IFMTBench è quattordici punti sopra il 1.8B. Il vantaggio del modello vocale non è la qualità ma la tempistica: produce una traduzione utilizzabile mentre la frase è ancora in corso, e può trasportare la voce dell'oratore tramite un servizio TTS se ne è configurato uno. Se il tuo audio è già trascritto e il tuo budget di latenza si misura in minuti, il 7B è il traduttore migliore. Se il tuo budget di latenza si misura in secondi, il 7B è fuori gioco a prescindere dal suo punteggio.

Distribuzione e costi, a confronto

• Parametri — Hy-SimulMT-30B-A3B: 30,4B totali, circa 3B attivi, MoE sparso con un encoder audio; Tencent Hy-MT2-7B: 7B denso, solo testo.

• Memoria — Hy-SimulMT: ~61 GB in BF16, build FP8 pubblicata; Hy-MT2-7B: ~15 GB in BF16, ~8 GB in FP8, pochi GB in GGUF.

• Contesto — Hy-SimulMT: finestre audio di trenta secondi; Hy-MT2-7B: 8.192 token.

• Latenza — Hy-SimulMT: circa 3 s StreamLAAL, secondo quanto riportato dal fornitore; Hy-MT2-7B: testo in ingresso, testo in uscita, con davanti il ritardo ASR di una cascata.

• Lingue — Hy-SimulMT: cinese e inglese documentate per il parlato; Hy-MT2-7B: 33 lingue più cinque lingue minoritarie e dialetti.

• Prezzo — Hy-SimulMT: nessuno pubblicato; Hy-MT2-7B: 0,074 $ per milione di token di input, 0,295 $ per milione di token di output.

• Licenza — sia Apache-2.0 sia senza restrizioni, sia fine-tunabile sia redistribuibile.

Nessuno dei due modelli è nel catalogo di OrcaRouter e non ne ospitiamo nessuno. La differenza di prezzo resta comunque il motivo per cui vale la pena occuparsi del routing in questo caso. Tencent applica prezzi aggressivi alle proprie API di traduzione e li modifica: il 12 giugno 2026 ha ridotto Hy-MT2-Pro a ¥0,5 per milione di token di input e ¥2 per milione di token di output, con un taglio del 66,7% sull'input e del 55,6% sull'output. OrcaRouter trasmette i prezzi di listino dei provider al 0% di ricarico, quindi un taglio del genere è operativo sul nostro lato lo stesso giorno anziché al rinnovo contrattuale successivo, e il failover automatico fa sì che l'interruzione di un provider non metta fuori uso una pipeline di traduzione. Per un carico di lavoro il cui costo è dominato dalle tariffe per token, la differenza tra un ricarico dello 0% e uno del 20% è l'intero margine.

Quale sceglie il tuo budget di latenza

Parti dal budget. Se la risposta è «secondi», nulla del prezzo del 7B conta: una cascata non può produrre un flusso simultaneo senza un riconoscitore in streaming e una politica di segmentazione da costruire e mettere a punto, e anche così resterà indietro. Hy-SimulMT-30B-A3B è l'unico dei due costruito per quel vincolo, la sua licenza Apache-2.0 significa che puoi verificare l'affermazione sul tuo audio, e il costo è una GPU a ore. Ipotizza $2–$12 per ora di riunione come punto di partenza e verificalo rispetto al tuo utilizzo effettivo.

Se la risposta è «minuti», il 7B vince su ogni asse che conta: costo, memoria, copertura linguistica, capacità documentata di seguire le istruzioni e l’esistenza di un prezzo che puoi mettere in un foglio di calcolo. Paga il riconoscitore, paga mezzo centesimo per la traduzione e spendi la differenza nella fase di revisione. La maggior parte del lavoro di traduzione nella maggior parte delle aziende è ancora di questo secondo tipo, ed è per questo che un modello da sette miliardi di parametri con un listino prezzi è probabile che sopravviva più a lungo di un modello da trenta miliardi di parametri la cui caratteristica più interessante è che non ne ha ancora uno.