Tencent bouwde een 3-seconden-interpreter en bracht die uit zonder persbericht.

Op 22 oktober 2026 verschenen zes repositories in een nieuwe modelfamilie onder de tencent-organisatie op Hugging Face. Degene waar dit artikel over gaat is Hy-SimulMT-30B-A3B-Interleave, de variant die zowel de herkende brontekst als de vertaling weergeeft; het zustermodel Hy-SimulMT-30B-A3B geeft alleen de vertaling weer. Beide zijn Apache-2.0, beide hebben 30,4 miljard parameters, en beide zijn gebouwd voor een taak die geen enkele eerdere vertaalrelease van Tencent aankon: luisteren naar gesproken Chinees of Engels terwijl het wordt uitgesproken en de andere taal produceren terwijl de zin nog gaande is. Vier dagen later vertoonde de hoofdrepository nul downloads en twee likes. Er was geen Hunyuan-blogpost, geen persbericht, geen arXiv-paper en geen enkele regel in de Chineestalige berichtgeving over de vertaalactiviteiten van Tencent die de hele maand al gaande was. De enige aankondiging is één gedateerd opsommingsteken in de News-sectie van de modelkaart, toegevoegd op 26 oktober, met als tekst: released.

Dat gat tussen wat de gewichten doen en hoeveel ruchtbaarheid er aan de publicatie ervan werd gegeven, is het verhaal. Een simultaanvertaler met ongeveer drie seconden vertraging, downloadbaar onder een permissieve licentie, is geen routinepublicatie — het is het onderdeel dat een vertaalapp verandert van iets dat je om de beurt doorgeeft in iets dat je tijdens een vergadering kunt dragen. De waarschijnlijkste verklaring voor de stilte staat op de kalender: Tencent werd op 23 oktober strategisch partner van de 33e APEC Economic Leaders' Meeting in Shenzhen, de dag nadat de gewichten online werden gezet, en zijn Hy Translate-app werd aangewezen als de officiële AI-vertaaltool voor de vrijwilligers en medewerkers die tijdens dat evenement werken, dat van 18 tot en met 19 november plaatsvindt. Dat is een afleiding uit openbare datums, niet iets wat Tencent heeft gezegd. Wat volgt scheidt wat de repository bewijst van wat hij slechts suggereert.

Wat zit er eigenlijk in de repository?

De architectuur is een causaal taalmodel met spraak als invoer en tekst als uitvoer, getagd als hy_v3 en geïnstantieerd als HYV3SpeechForCausalLM. De configuratie specificeert een sparse mixture-of-experts-stack: 48 lagen, verborgen grootte 2.048, 128 experts met een verborgen dimensie per expert van 768, acht gerouteerde experts plus één gedeelde expert per token, en één enkele dense laag aan de voorkant. De safetensors-index telt 30.394.788.480 parameters in BF16, met nog eens 6.016 opgeslagen in F32. Tencent werkt de "A3B" in de naam nooit uit, maar de rekensom klopt ermee: acht gerouteerde experts plus één gedeelde, bij die expertbreedte, komt uit op ongeveer 3 miljard actieve parameters per token. Dat is onze berekening op basis van de gepubliceerde config, geen cijfer van de leverancier.

De audiofront-end staat in hetzelfde configuratiebestand in plaats van verborgen achter een pipeline: 128 mel-bins, een 24-laags encoder met breedte 1.024 die naar 2.048 projecteert, 16 kHz bemonstering, en maximaal 480.000 samples — dertig seconden — per invoervenster. Generatie gebruikt standaard temperatuur 0,0 met een max_new_tokens van 64, wat je zou verwachten van een model dat is ontworpen om een kort stuk vertaalde tekst te produceren en dan te wachten op meer audio. Maximale positie-embeddings staan vermeld als 262.144; de kaart publiceert geen bruikbare contextlengte, en voor streamingaudio is dat getal veel minder betekenisvol dan het venster van dertig seconden.

Zes checkpoints in één keer uitgebracht: base en Interleave, elk met een FP8-build en een GGUF-build. Het licentiebestand is Apache-2.0 met de gebruikelijke uitzondering dat meegeleverde componenten van derden hun eigen voorwaarden behouden. De modelkaart noemt twaalf bijdragers, linkt naar een GitHub-repository met zowel een inferentiedienst genaamd SimulInfer als een trainingskit genaamd SimulTrain, en verwijst naar een Tencent-productpagina in plaats van naar een paper.

Het latentiecijfer, en de benchmarkrij die de kop ondergraaft

De bewering die van belang is voor een simultaanmodel is niet de vertaalkwaliteit op zichzelf — het is de kwaliteit bij een gegeven vertraging. Tencent evalueert dit op RealSI-langformaat-audio en rapporteert een StreamLAAL van ongeveer drie seconden, beschreven als de laagste onder de vergeleken systemen, met een GEMBA-score die hoger is dan die van de open-sourcemodellen in de vergelijking en vier van de vijf commerciële API's. StreamLAAL meet de gemiddelde vertraging tussen bron- en doeltokens in een streamingomgeving; het is niet de tijd tot de eerste audio, en de kaart zegt dat expliciet. De kaart vermeldt ook niet de vijfde commerciële API die het op GEMBA versloeg.

De verkorte tabel is informatiever omdat hij in één kolom minder vleiend is. Op vier publieke benchmarks meldt Tencent voor Hy-SimulMT 90,3 op FLEURS, 75,5 op CoVoST2, 81,2 op ACL6060 en 84,7 op RealSI-Sentence. Daartegenover scoort Qwen3.8-LiveTranslate 88,4, 82,1, 80,5 en 84,4; Gemini3.5-LiveTranslate scoort 92,4, 74,4, 82,6 en 82,2; Seed-LiveInterpret2.0 scoort 85,8, 67,7, 74,8 en 80,0. Lees de kolommen in plaats van de samenvatting: Hy-SimulMT wint FLEURS, ACL6060 en RealSI-Sentence onder de open systemen, verliest CoVoST2 van Qwen met 6,6 punten en verliest FLEURS van Gemini met 2,1. De eigen zin van de kaart — hoger dan de andere open-sourcemodellen op FLEURS, ACL6060 en RealSI-Sentence — is zorgvuldig afgebakend, en de ontbrekende benchmark is juist degene waarop het het slechtst presteert. Elk getal in die tabel is door Tencent geproduceerd. Geen enkel onafhankelijk lab heeft dit model getest.

De menselijke vergelijking verdient een aandachtiger lezing dan de kop.

Tencent gaf ook opdracht tot een gematchte vergelijking met professionele tolken: achttien Chinese en Engelse opnames die vanaf september 2026 online zijn gepubliceerd, elk ongeveer zes minuten, over tien domeinen variërend van software en geneeskunde tot recht en landbouw, getolkt door zes professionals — drie met een CATTI-certificaat niveau 1 en drie met niveau 2. Voor elk certificeringsniveau werd de beste van de drie tolken als vergelijkingspunt gebruikt. De conclusie is dat het model kwaliteit bereikt die gelijkwaardig is aan die van deskundige menselijke simultaantolken, terwijl het vaak sneller reageert.

Dat is een opvallend resultaat, en het is ook een bescheiden resultaat, wat de kaart onomwonden in een voetnoot zegt: de bevindingen gelden alleen voor die samples, die tolken en die setting, en vormen geen beoordeling van spraakkwaliteit of stemgelijkenis. Twee methodologische details zijn het waard om te onthouden. Het gebruiken van de best scorende tolk op elk niveau legt de lat hoog voor kwaliteit, maar maakt die ongelijkmatig voor latentie, omdat de vergelijking met een persoon wordt gemaakt en niet met de mediane professional. En de test meet informatieoverdracht en timing, niet wat de meeste luisteraars als eerste opvalt aan machinespraak: of het als een mens klinkt.

Wat de repository niet beantwoordt

Verschillende vragen die een koper als eerste zou stellen, hebben nog geen gepubliceerd antwoord. Er is geen gehoste API en geen prijs: anders dan de Hy-MT2-familie, die Tencent op Tencent Cloud vermeldt tegen gepubliceerde tarieven per token, bestaat Hy-SimulMT alleen uit gewichten plus een mobiele app, en in het paneel met inference-providers van Hugging Face staat het vermeld als door geen enkele provider gedeployed. Er is geen technisch rapport en geen benchmark buiten Tencent's eigen evaluatie. De kaart vermeldt dat spraakuitvoer en stemklonen een geconfigureerde TTS-service vereisen, dus de framing "speech-to-speech" beschrijft een systeem dat rond het model is samengesteld, niet één checkpoint dat audio afgeeft. llama.cpp-ondersteuning is expliciet niet upstream samengevoegd — de kaart raadt aan te wachten op een release die het model ondersteunt, zelfs al zijn GGUF-builds gepubliceerd, en de voorbeeldomgevingsvariabele verwijst naar een checkpoint met de naam hymt-A3b-tgt_only-1019-Q8_0.gguf, een artefactnaam die niet overeenkomt met de openbare model-ID's.

De taalmetadata is het meest verwarrende onderdeel. De repository tagt 36 talen, van Chinees en Engels via Frans, Arabisch, Khmer, Tibetaans, Kazachs en Oeigoers. De prozadocumenten beschrijven alleen bidirectionele spraakvertaling tussen Chinees en Engels. Beide beweringen kunnen waar zijn als de extra talen tot de tekstruggengraat behoren die van Hy-MT2 is geërfd in plaats van tot het spraakpad, maar de kaart zegt dat niet, en iedereen die een Japanse of Arabische implementatie plant, moet dat als onbevestigd beschouwen totdat Tencent het documenteert.

Het zelf draaien, en wat dat aan hardware kost

Het gedocumenteerde pad is vLLM 0.31 of later met HYV3ForCausalLM-ondersteuning, plus het simulst-pakket. Met één commando wordt de omgeving ingericht en worden zowel de modelserver als een web-/API-frontend gestart op respectievelijk poort 8800 en 8080; de frontend accepteert audio-uploads, een microfoon of een WebSocket-stream, en schrijft vertaalde audio naar schijf wanneer TTS is geconfigureerd. Er is ook een llama.cpp-brug die de weblaag op poort 8094 laat draaien tegen een bestaande llama.cpp-server op 8080, met een MODEL_TYPE-schakelaar voor checkpoints voor alleen vertaling versus bron-plus-vertaling. Geheugen is de praktische beperkende factor: 30,4 miljard parameters in BF16 is ongeveer 61 GB aan gewichten vóór KV-cache en activaties, dus één accelerator van 80 GB is het realistische minimum, en de FP8-build is wat een kleinere kaart plausibel maakt. Dat zijn onze cijfers op basis van het parameteraantal, niet de minimale specificatie van Tencent, die de kaart niet vermeldt.

Voor teams waarvan de vergaderpijplijn meer doet dan alleen vertalen — het transcript samenvatten, actiepunten eruit halen, de follow-up opstellen — is de tolk één fase van meerdere, en die latere fasen zijn gewone API-aanroepen bij welke leveranciers die maand nu eenmaal het beste zijn. Dat is de laag die OrcaRouter dekt: één API voor meer dan 200 modellen met de lijstprijzen van providers doorgegeven tegen 0% opslag, automatische failover wanneer een provider hapert, en een routing-DSL om fasen samen te stellen. Hy-SimulMT zelf staat niet in onze catalogus en we hosten het niet; het punt is dat het omringende werk geen apart contract per leverancier nodig heeft.

Wat zou deze beoordeling veranderen?

Drie dingen zijn het waard om in de gaten te houden, in de volgorde van hoeveel duidelijkheid ze zouden verschaffen. Een onafhankelijke evaluatie — het IWSLT-circuit publiceert elk jaar StreamLAAL-cijfers voor open systemen, en een inzending met deze gewichten zou het eerste cijfer zijn dat niet door de eigenaar van het model is geproduceerd. Een gehost endpoint met een prijs, dat zou vertellen of Tencent dit als infrastructuur bedoelt of als een functie van zijn eigen app. En de llama.cpp-merge, die beslist of de GGUF-builds een echte lokale optie zijn of een placeholder. Tot dan is de eerlijke samenvatting dat Tencent de meest capabele open simultane spraakvertaler heeft gepubliceerd die we hebben gezien, met sterke cijfers van de leverancier, een permissieve licentie en geen enkele bevestiging van buitenaf van al die zaken — en dat de timing, één dag voor een aankondiging van een APEC-partnerschap, erop wijst dat de bevestiging die Tencent belangrijk vindt een vrijwilliger in Shenzhen met een telefoon in de hand is, niet een benchmark-ranglijst.