Hy-SimulMT-30B-A3B vs. Tencent Hy-MT2-7B: O preço que você pode cotar vs. o que você não pode

Pergunte quanto custa uma hora de interpretação de chinês para inglês e os dois modelos desta comparação dão respostas de tipos completamente diferentes. Tencent Hy-MT2-7B, de código aberto em 21 de maio de 2026, tem uma tabela de preços: US$ 0,074 por milhão de tokens de entrada e US$ 0,295 por milhão de tokens de saída na API hospedada da Tencent. Hy-SimulMT-30B-A3B, publicado como pesos em 22 de outubro de 2026, não tem preço publicado nenhum — nenhum endpoint, nenhuma tarifa por token, nenhuma listagem em nuvem pública. Você consegue orçar o 7B até o centavo. Para o modelo de fala, você precisa incluir uma GPU no orçamento, e o número a que chega depende inteiramente do que você já possui.

Essa diferença é mais do que um detalhe de aquisição. Ela reflete dois produtos diferentes com duas estruturas de custo diferentes. O 7B é um tradutor de texto precificado como um serviço utilitário: você paga por tokens, escala com o volume e o custo marginal de mais um documento é quase zero. O Hy-SimulMT é um sistema em tempo real precificado como infraestrutura: você paga por um acelerador por hora, quer alguém esteja falando ou não, e o custo marginal de mais uma reunião é quase nulo apenas porque a máquina já está em execução. Compará-los pelo número de parâmetros não capta o ponto. Compará-los pelo que uma hora de trabalho realmente custa é o cerne de toda a argumentação.

O que é o 7B e quanto custa por token

O Tencent Hy-MT2-7B é o filho do meio da família de texto Hy-MT2, um decodificador denso de 7 bilhões de parâmetros treinado para tradução em 33 idiomas, além de cinco línguas e dialetos de minorias chinesas. Tem um contexto de trabalho de 8.192 tokens, oferece suporte a saída estruturada por meio de response_format e não oferece suporte a chamada de funções. Em BF16, precisa de aproximadamente 15 GB de memória de acelerador, cerca de 8 GB em FP8 e alguns gigabytes no formato GGUF — uma única GPU de faixa média, ou uma CPU se tiver paciência.

A qualidade reportada pelo fornecedor fica próxima da fronteira nos benchmarks que a Tencent escolheu. No FLORES-200, obtém 86,89 XCOMET-XXL, que a Tencent apresenta como cerca de 97,9% do Gemini 3.1 Pro em modo de pensamento. No DomainMTBench, reporta 94,92 e 92,79 em duas divisões; no IFMTBench, a suíte de seguimento de instruções que a Tencent criou para esta família, 83,14 no geral. Nenhum desses números foi reproduzido de forma independente. São os números do fornecedor, e descrevem um modelo que é bom em tradução controlada — glossários, registro, saída estruturada —, que é exatamente a lacuna que separa o 7B do 1.8B abaixo dele.

No preço do serviço hospedado, um milhão de tokens de entrada custa sete centavos e um milhão de tokens de saída custa menos de trinta centavos. Para trabalho com texto, isso é quase de graça. A pergunta interessante é o que acontece quando a entrada não é texto.

A aritmética de uma hora de fala, nos dois sentidos

Uma hora de fala contínua chega a aproximadamente 9.000 palavras em inglês, o que fica em torno de 12.000 tokens. Passando isso pelo Tencent Hy-MT2-7B ao preço de tabela, a tradução em si custa cerca de meio centavo de dólar: aproximadamente US$ 0,0009 pela entrada e US$ 0,0035 pela saída, então digamos US$ 0,0044. Mesmo se você errar por um fator de dois na estimativa de tokens, o número ainda é frações de centavo.

Mas o 7B não consegue ouvir. Um pipeline de texto começa com um reconhecedor, e um reconhecedor hospedado normalmente custa alguns décimos de centavo por minuto, o que coloca uma hora de áudio em algo abaixo de um dólar antes mesmo de o tradutor ser executado. Essa é a primeira correção honesta para a história de que "o 7B é mais barato": numa cascata, o tradutor não é a etapa cara. O reconhecedor é. A segunda correção é a latência — uma cascata que espera o fim de uma frase, transcreve, traduz e exibe ficará mais atrasada em relação ao falante do que um modelo simultâneo, e nenhuma quantidade de tokens baratos resolve isso.

O Hy-SimulMT-30B-A3B inverte a estrutura de custos. Não há fatura por token porque não há serviço hospedado; você aluga ou possui o hardware. Os pesos BF16 ocupam cerca de 61 GB antes do cache KV, então um acelerador de 80 GB é o piso realista, e uma única placa é alugada por algo entre cerca de US$ 2 por hora em uma nuvem de GPU especializada e mais de US$ 10 na lista sob demanda de um hyperscaler. No limite inferior, uma hora de reunião custa cerca de US$ 2 em computação; no limite superior, uma hora custa o aluguel de uma hora. Ambos os números pressupõem que a máquina é dedicada a essa reunião, que é o pior caso — um servidor lidando com vários fluxos simultâneos divide o custo. Executar a versão FP8 em uma placa menor baixa o piso novamente.

A comparação é, aproximadamente, de US$ 0,30–US$ 1,00 por hora-reunião para a cascata, dominada pelo reconhecimento, contra US$ 2–US$ 12 por hora-reunião para o modelo simultâneo, dominado pela GPU. Essa é uma diferença real de uma a duas ordens de magnitude, e é o enquadramento correto: você não está pagando por uma tradução melhor, está pagando por três segundos de atraso em vez de quinze. Equipes que precisam do atraso vão pagar por ele. Equipes que não precisam estão comprando um acelerador para resolver um problema que não têm.

Qualidade: duas réguas diferentes

Não há maneira honesta de colocar a pontuação de 86.89 do Tencent Hy-MT2-7B no FLORES-200 ao lado da de 84.7 do Hy-SimulMT no RealSI-Sentence. Uma mede tradução de texto em relação a uma referência; a outra mede tradução de fala em um benchmark criado para áudio em streaming. Elas compartilham um formato numérico e nada mais. O que dá para comparar é a estrutura das evidências. O 7B tem uma tabela publicada completa abrangendo FLORES-200, WMT25, DomainMTBench e IFMTBench, toda realizada pelo fornecedor. O modelo de fala tem uma tabela de quatro colunas abrangendo FLEURS, CoVoST2, ACL6060 e RealSI-Sentence, também realizada pelo fornecedor, além de uma comparação humana com seis intérpretes profissionais que a própria Tencent descreve como de pequena escala e limitada às amostras utilizadas. Nenhum deles tem verificação independente.

O único ponto em que as duas linhas realmente se encontram é a qualidade da tradução em chinês e inglês. O 7B é o tradutor de texto mais forte por todas as métricas que a Tencent publica, incluindo o seguimento de instruções, em que sua pontuação de 83,14 no IFMTBench é quatorze pontos superior à do 1,8B. A vantagem do modelo de fala não é a qualidade, mas o timing: ele produz uma tradução utilizável enquanto a frase ainda está em andamento, e pode preservar a voz do falante por meio de um serviço de TTS, se houver um configurado. Se seu áudio já está transcrito e seu orçamento de latência é medido em minutos, o 7B é o melhor tradutor. Se seu orçamento de latência é medido em segundos, o 7B não entra na disputa, independentemente de sua pontuação.

Implantação e custo, lado a lado

• Parâmetros — Hy-SimulMT-30B-A3B: 30,4B no total, aproximadamente 3B ativos, MoE esparso com um codificador de áudio; Tencent Hy-MT2-7B: 7B denso, somente texto.

• Memória — Hy-SimulMT: ~61 GB em BF16, build FP8 publicada; Hy-MT2-7B: ~15 GB em BF16, ~8 GB em FP8, alguns GB em GGUF.

• Contexto — Hy-SimulMT: janelas de áudio de trinta segundos; Hy-MT2-7B: 8.192 tokens.

• Latência — Hy-SimulMT: aproximadamente 3 s StreamLAAL, conforme informado pelo fornecedor; Hy-MT2-7B: texto entra, texto sai, com o atraso de ASR de uma cascata antes dele.

• Idiomas — Hy-SimulMT: chinês e inglês documentados para fala; Hy-MT2-7B: 33 idiomas, além de cinco línguas minoritárias e dialetos.

• Preço — Hy-SimulMT: nenhum publicado; Hy-MT2-7B: US$ 0,074 por milhão de tokens de entrada, US$ 0,295 por milhão de tokens de saída.

• Licença — Apache-2.0 e sem restrições de acesso, tanto fine-tunável quanto redistribuível.

Nenhum dos modelos está no catálogo do OrcaRouter, e não hospedamos nenhum dos dois. A diferença de preços continua sendo o motivo para se importar com o roteamento aqui. A Tencent pratica preços agressivos para suas APIs de tradução e muda esses preços: em 12 de junho de 2026, ela reduziu o Hy-MT2-Pro para ¥0,5 por milhão de tokens de entrada e ¥2 por milhão de tokens de saída, um corte de 66,7% na entrada e de 55,6% na saída. O OrcaRouter repassa os preços de tabela dos provedores com 0% de markup, então um corte como esse entra em vigor do nosso lado no mesmo dia, e não na próxima renovação de contrato, e o failover automático significa que uma indisponibilidade de um provedor não derruba um pipeline de tradução. Para uma carga de trabalho cujo custo é dominado pelas tarifas por token, a diferença entre um markup de 0% e de 20% é toda a margem.

Qual deles o seu orçamento de latência escolhe

Comece pelo orçamento. Se a resposta for "segundos", nada sobre o preço do 7B importa — uma cascata não consegue produzir um feed simultâneo sem um reconhecedor em streaming e uma política de segmentação que você construa e ajuste, e mesmo assim ficará para trás. O Hy-SimulMT-30B-A3B é o único destes dois concebido para essa restrição, sua licença Apache-2.0 significa que você pode testar a afirmação no seu próprio áudio, e o custo é uma GPU por hora. Orce entre $2 e $12 por hora de reunião como pressuposto inicial e verifique isso em relação à sua própria utilização.

Se a resposta for "minutos", o 7B vence em todos os eixos que importam: custo, memória, cobertura de idiomas, capacidade documentada de seguir instruções e a existência de um preço que você pode colocar numa planilha. Pague ao reconhecedor, pague meio centavo pela tradução e gaste a diferença na etapa de revisão. A maior parte do trabalho de tradução na maioria das empresas ainda é desse segundo tipo, e é por isso que um modelo de sete bilhões de parâmetros com uma tabela de preços provavelmente sobreviverá a um modelo de trinta bilhões de parâmetros cuja característica mais interessante é que ele ainda não tem uma.