Hy-SimulMT-30B-A3B vs Helsinki-NLP OPUS-MT: 전문가 폴더에 맞서는 실시간 통역사

같은 컨퍼런스 발표를 두 가지 방식으로 처리한다고 상상해 보자. 첫 번째 방식에서는 마이크가 자동 음성 인식기로 입력을 보내고, 인식된 문장이 번역 모델로 전달되며, 번역 결과가 음성 합성기로 전달되고, 청취자는 발표자가 중국어를 말한 몇 초 뒤에 영어를 듣는다 — 모든 이름, 숫자, 약어가 세 차례 훼손될 기회를 모두 견뎌낸 채로. 두 번째 방식에서는 단일 모델이 오디오를 듣고 문장이 전개되는 동안 번역을 출력한다. Hy-SimulMT-30B-A3B는 Tencent가 2026년 10월 22일에 가중치로 공개했으며, 두 번째 방식을 위해 설계되었다. Helsinki-NLP OPUS-MT는 전 세계에서 가장 널리 배포된 오픈 번역 시스템이며, 첫 번째 방식의 더 좁은 버전을 위해 설계되었다: 텍스트를 한 번에 한 문장씩, 체크포인트당 하나의 언어 방향으로 번역하며, CPU에서 그 작업을 무료로 수행하기 때문에 수십만 번 다운로드되었다.

이 둘은 일반적인 의미에서 경쟁자가 아니다. 하나는 가속기가 필요한 304억 매개변수 규모의 음성 모델이고, 다른 하나는 각각 약 7,000만~8,000만 매개변수에 대부분 약 300MB인 1,000개 이상의 이중언어 체크포인트 모음으로, 노트북에서도 무리 없이 실행된다. 유용한 비교는 어느 쪽이 더 잘 번역하는가가 아니다. 번역 구성 요소와 번역 시스템 사이의 경계가 어디에 놓이는지, 그리고 그 경계를 얼마나 직접 소유하고 싶은지다.

각각이 실제로 무엇인지

OPUS-MT는 헬싱키 대학교 NLP 그룹이 유지 관리하며 MarianMT 인코더-디코더 아키텍처를 기반으로 구축되었습니다. 이것은 모델이 아니라 카탈로그입니다. 중국어→영어, 영어→중국어, 영어→독일어 및 수백 가지 다른 방향을 위한 별도의 체크포인트가 있으며, 각각은 OPUS 컬렉션의 병렬 코퍼스로 학습되었고 각각 개별적으로 다운로드할 수 있습니다. 중국어-영어 체크포인트만 거의 50만 번 다운로드되었으며, 반대 방향은 약 73,000번 다운로드되었습니다. 여러 소스 언어를 하나의 영어 대상 모델로 묶은 다국어 변형도 있지만, 일반적인 경우는 정확히 한 가지 작업만 아는 좁은 전문가입니다.

이 아키텍처는 자신의 장점과 한계를 동시에 설명해 준다. 병렬 텍스트로만 학습된 7,700만 개 매개변수의 인코더-디코더에는 세계 지식을 담을 여지도, 명령 인터페이스도, 스트리밍을 위한 메커니즘도 없다. 문장을 넣으면 문장을 돌려준다. 문단을 넣으면 공유 문맥 없이 그 문단을 문장들의 연속으로 번역하며, 공개된 엔지니어링 노트에서는 긴 입력에서 내용을 조용히 누락하는 경향이 있다고 보고한다. 용어집 용어를 유지하라거나, JSON 키를 보존하라거나, 격식 있는 문체에 맞추라고 지시할 수는 없다. 이런 것들은 전처리와 후편집으로 처리하거나, 직접 구축할 준비가 되어 있다면 제약 디코딩으로 처리해야 한다.

Hy-SimulMT-30B-A3B는 전혀 다른 종류의 객체입니다. 이 모델의 구성은 전문가 128개, 토큰당 라우팅된 전문가 8개와 공유 전문가 1개를 사용하는 48층 희소 전문가 혼합(mixture-of-experts) 모델과, 2,048 폭 백본에 입력을 공급하는 24층 오디오 인코더를 설명합니다. 이름의 "A3B"는 카드에서 풀어 설명되지 않지만, 구성 계산에 따르면 활성 파라미터는 약 30억 개, 전체 파라미터는 304억 개입니다. 이 모델은 16 kHz 오디오를 30초 창으로 입력받아 번역된 텍스트를 생성하며, Interleave 변형은 원문 전사도 출력합니다. 텍스트 음성 변환과 음성 복제는 배포 툴킷이 연결하는 별도 서비스에서 처리되므로, "speech-to-speech" 제품은 단일 파일이 아니라 여러 구성 요소를 조립한 것입니다.

지연 논변은 사실상 오류 전파 논변이다.

지연 시간은 명백한 차이이자 가장 덜 흥미로운 차이입니다. 캐스케이드는 빠르게 조정할 수 있습니다. 부분 가설을 사용하는 좋은 스트리밍 ASR에 작은 MT 모델을 더하면 화자보다 1초도 훨씬 안 되게 뒤처지는 사용 가능한 자막 스트림을 생성할 수 있습니다. 동시 모델이 존재하는 이유는 캐스케이드에서 속도를 얻으려면 각 단계에 더 적은 문맥을 주어야 하고, 그러면 각 단계가 다음 단계가 볼 수 없는 오류를 만들기 때문입니다. 인식기는 고유명사를 잘못 듣고, 번역기는 그것이 이름이었다는 것을 알 방법이 없으며, 합성기는 그 오류를 자신 있게 발음합니다. 청자는 어느 단계가 실패했는지 알 방법이 없습니다.

전체 작업에 대해 엔드투엔드로 학습된 단일 모델은 원칙적으로 오디오가 모호성을 해소할 때까지 결정을 미룰 수 있으며, 음성 복제가 활성화되어 있으면 화자의 목소리를 끝까지 유지할 수 있다. Tencent의 주장은 바로 이 트레이드오프에 관한 것이다. 긴 형식의 RealSI 오디오에서 약 3초의 StreamLAAL은 비교 대상 시스템 중 가장 낮은 수치라고 설명되며, 자사 표에 포함된 오픈소스 모델들과 5개 상용 API 중 4개보다 높은 GEMBA 품질 점수를 기록했다. 3초가 좋은지 여부는 전적으로 상황에 달려 있다. 협상에서는 긴 시간이고 강의에서는 짧은 시간이다. 그러나 이는 스트리밍 작업에서 측정된 것이며, OPUS-MT가 그 주위에 캐스케이드를 구축하지 않고는 시도할 수 없는 작업이다.

정직하게 계산한 보장 범위

바로 여기에서 폴더가 결정적으로 우세하며, 이는 대부분의 비교가 흐리는 부분이다. OPUS-MT의 1,000개가 넘는 체크포인트는 다양한 방향에 걸쳐 대략 100개 언어를 아우르며, 어떤 대규모 다국어 모델도 본 적 없는 저자원 언어 쌍까지 포함한다. Hy-SimulMT는 중국어와 영어 간의 양방향 음성 번역을 문서화한다. 이 저장소의 메타데이터는 36개 언어에 태그를 붙인다 — 그중에는 프랑스어, 아랍어, 크메르어, 티베트어, 카자흐어, 위구르어가 있다 — 그러나 본문 설명은 중국어-영어 쌍만을 다루며, 카드에는 이 불일치를 설명하는 내용이 없다. 가장 가능성 높은 해석은 태그가 음성 기능이 아니라 Tencent의 Hy-MT2 계열에서 물려받은 텍스트 백본을 설명한다는 것이지만, 그것은 해석일 뿐 공개된 사실은 아니다.

그래서 솔직한 커버리지 정리는 이렇습니다: 메타데이터에서 주장하는 언어는 36개, 음성에 대해 문서화된 언어는 2개인 반면, 텍스트로는 100여 개 언어의 카탈로그가 있습니다. 실시간 회의에서 만다린을 영어로 통역해야 한다면, Hy-SimulMT는 바로 당신을 겨냥한 제품입니다. 정적 문서에서 폴란드어를 핀란드어로 번역해야 한다면, OPUS-MT에는 이를 위한 체크포인트가 있지만 Hy-SimulMT에는 없습니다.

품질 증거: 한쪽에는 독립적인 수치가 있고, 다른 쪽에는 공급업체 표가 있습니다.

독립적인 증거는 텍스트 번역 품질이라는 좁은 문제에 한해 OPUS-MT에 유리하게 작용한다. 파사 라딘어 번역에 관한 한 발표된 연구에서는 OPUS-MT 모델이 이탈리아어→영어에서 55.61 BLEU로 NLLB-200의 52.93, M2M-100의 44.18을 앞섰고, 영어→이탈리아어에서는 44.35 BLEU로 40.13, 32.40을 앞섰다. 그 연구의 교훈은 한 방향만을 배타적으로 학습한 모델이라도 그 방향에서는 훨씬 더 큰 다국어 시스템을 능가할 수 있다는 것이다. 그 연구는 음성에 대해서는 아무 말도 하지 않으며, Hy-SimulMT와도 관련이 없다. 어떤 독립 연구소도 Hy-SimulMT를 전혀 평가한 적이 없기 때문이다.

반면, 텐센트는 Hy-SimulMT에 대해 FLEURS 90.3, CoVoST2 75.5, ACL6060 81.2, RealSI-Sentence 84.7을 보고하며, 이는 모두 자체 평가에서 나온 수치입니다. 이는 음성 번역 벤치마크이므로 위의 BLEU 수치와 비교할 수 없고, 제3자 확인도 없습니다. 주목할 만한 유일한 내부 신호는 이 모델이 오픈 시스템 중 다른 세 항목에서는 이기면서도 CoVoST2에서는 Qwen3.8-LiveTranslate에 6.6점 뒤진다는 점입니다. 이는 단일 수치였다면 실제 약점을 가렸을 것이라는 점을 일깨워 줍니다.

비용과 배포, 나란히

• 파라미터 — Hy-SimulMT-30B-A3B: 총 30.4B, 활성 약 3B, 희소 MoE; Helsinki-NLP OPUS-MT: 체크포인트당 약 70–80M, 밀집형.

• 풋프린트 — {{1}}Hy-SimulMT{{/1}}: KV 캐시를 제외한 BF16 가중치가 대략 61GB이므로 80GB 가속기가 실질적인 최소 사양입니다. FP8 빌드도 공개되어 있습니다. {{2}}OPUS-MT{{/2}}: 체크포인트당 약 300MB이며 CPU에서 실행 가능합니다.

• 지연 모델 — Hy-SimulMT: 스트리밍, 긴 오디오에서 약 3초의 StreamLAAL. OPUS-MT: 문장 단위 처리; 스트리밍에는 ASR과 직접 구축한 분할 정책이 필요합니다.

• 언어 — Hy-SimulMT: 중국어와 영어는 음성용으로 문서화되어 있고, 메타데이터에는 36개 언어가 태그되어 있습니다. OPUS-MT: 약 100개 언어를 1,000개 이상의 방향별 체크포인트에 걸쳐 지원합니다.

• 라이선스 — Hy-SimulMT: Tencent의 가중치와 코드에는 Apache-2.0이 적용되며, 타사 구성 요소는 자체 조건을 따릅니다. OPUS-MT: 체크포인트별로 다르며 일률적이지 않습니다 — 중국어→영어 모델은 CC-BY-4.0, 영어→중국어 모델은 Apache-2.0, 영어→독일어는 CC-BY-4.0입니다. 출시 전에 해당 카드를 확인하세요.

• 호스팅 API — Hy-SimulMT: 공개된 항목 없음. OPUS-MT: 없음; 가중치만 제공.

그 마지막 두 모델은 조달 측면에서 중요합니다. 두 모델 모두 OrcaRouter 카탈로그에 없고 저희도 어느 쪽도 호스팅하지 않습니다 — 가중치는 직접 자체 호스팅하거나 공급업체 자체 채널을 사용하셔야 합니다. 라우팅이 진가를 발휘하는 곳은 파이프라인의 나머지 부분입니다. 번역 단계를 둘러싼 전사 요약기, 용어집 검사기, 포스트에디터, 채팅 어시스턴트는 일반적인 모델 호출이며, 이들을 200개 이상의 모델을 위한 단일 API를 통해 0% 마크업으로, 공급자 정가 대비, 실행하면 공급업체별 별도 계약을 피할 수 있습니다. 번역은 회의 제품이 하는 일 중 유일한 일인 경우가 드뭅니다.

어떤 것이 당신의 스택에 어울리나요?

입력이 이미 텍스트이고, 번역 방향이 고정되어 있으며, 처리량이 많고, 예산이 전혀 없을 때는 OPUS-MT를 선택하세요. 법률 문서 파이프라인, 자막 파일, 전자상거래 카탈로그, 오프라인 브라우저 번역은 모두 300MB 전문 모델이 300억 파라미터 모델보다 더 나은 성능을 제공하며, 검토해야 할 것은 체크포인트별 라이선스뿐입니다. 입력이 오디오이고 청취자가 기다리고 있을 때는 Hy-SimulMT를 선택하세요. 라이브 회의, 강의, 인터뷰, 방송 통역처럼 3초 지연과 목소리 보존이 가속기와 TTS 서비스를 사용할 가치가 있는 모든 환경이 여기에 해당합니다.

피해야 할 실수는 이것을 품질 경쟁으로 보는 것이다. OPUS-MT는 텍스트 번역에서 Hy-SimulMT에 뒤지지 않는다. 그것은 애초에 만들어진 적 없는 작업에서 뒤질 뿐이다. 그리고 Hy-SimulMT는 천 개의 정성껏 만든 이중언어 모델을 하나의 영리한 모델로 대체하는 것이 아니다. 그것은 그렇지 않으면 직접 조립하고 조정하고 디버깅해야 했을 캐스케이드를 대체한다. 이 둘은 서로 다른 구매이며, 그중 폴더로 제공되는 것은 하나뿐이다.