North Small Translate 1.0 против Hy-MT2: два MoE-переводчика, один пробел в доказательствах

Оба этих семейства были построены на одной и той же ставке — что разреженная сеть mixture-of-experts, дообученная для перевода, превосходит модель общего назначения, которую просят перевести, — и пришли к ней с противоположных сторон. Hy-MT2, семейство переводческих моделей из трёх моделей от Tencent Hunyuan, во главе которого стоитHy-MT2-30B-A3B MoE, было открыто 21 мая 2026 года под лицензией Apache 2.0 вместе с техническим отчётом, открытым бенчмарком и полной таблицей сравнения. North Small Translate 1.0, переводческая MoE-модель от Cohere на 218 миллиардов параметров, из которых активны 25 миллиардов, была описана в примечании к релизу от 9 сентября 2026 года, а её доказательства качества сводятся к единственному числу, к которому не привязано никакой метрики. Архитектуры перекликаются. Документация — нет, и это различие — самое полезное, что стоит понять перед тем, как выбирать одну из них.

Одна линейка, три размера против одной большой модели

Hy-MT2 — это не одна модель, а целая линейка: плотная модель на 1,8 млрд параметров для работы на устройстве, плотная модель на 7 млрд параметров для одной GPU и 30B-A3B MoE в качестве флагманской модели с тремя миллиардами активных параметров на токен. Все три распространяются под лицензией Apache 2.0 без ограничений доступа и выпущены вместе с квантованиями FP8, GGUF, 2-битными и 1,25-битными, а также с бенчмарком IFMTBench для следования инструкциям и сопроводительной статьёй. Tencent сообщает, что семейство переводит на 33 языках, а также на пяти языках меньшинств и диалектах.

North Small Translate 1.0 — это одна точка в пространстве размеров, причём крупная: 218B общих параметров, 25B активных, 128 экспертов, из которых восемь активируются на каждый токен, плюс общие эксперты, и внимание, чередующееся в соотношении 3:1 между слоями со скользящим окном (окно 4,096, RoPE) и глобальными слоями, не содержащими позиционных эмбеддингов. Его окно составляет 16K на входе и 16K на выходе для английского и ещё 49 других языков, при этом современный стандартный арабский, немецкий, французский, японский, корейский, русский и украинский отнесены к первому уровню. Примечательно, что эта конфигурация не нова — Command A+ от Cohere, выпущенная в мае 2026 года, использовала ту же конфигурацию 218B/25B, — что делает это специализированным на перевод посттренингом существующего ядра, а не новой архитектурой.

• Параметры — North Small Translate 1.0: 218 млрд всего / 25 млрд активных против Hy-MT2-30B-A3B: 30 млрд всего / 3 млрд активных, а также плотные варианты на 1,8 млрд и 7 млрд

• Контекст — 16K на входе и 16K на выходе против 8K рабочего окна; в конфигурации заявлено до 262 144 позиций

• Языки — 50 (английский + 49) против 33 плюс 5 языков меньшинств и диалектов

• Лицензия — CC BY-NC 4.0, коммерческое использование через Model Vault в сравнении с Apache 2.0, без ограничений

• Опубликованные доказательства — один неназванный показатель WMT26, сообщённый вендором в сравнении с техническим отчётом, открытый бенчмарк и именованные результаты на FLORES-200, WMT25 GEMBA и XCOMET-XXL

• Сервинг — vLLM с cohere_melody>=0.9.0, рекомендуется жадное декодирование по сравнению с transformers, vLLM, SGLang и llama.cpp

• Анонсировано — 9 сентября 2026 г. (доступ к весам ограничен на Hugging Face с 14 августа) против 21 мая 2026 г.

Настоящая история — это пробел в доказательствах.

Релиз Tencent вышел с доказательствами. Есть статья на arXiv, бенчмарк, который компания написала и выложила в открытый доступ специально для оценки следования инструкциям при переводе, и таблица результатов с указанием её конкурентов. FLORES-200 English-to-X ставит 30B-A3B на 93,85 против 94,42 у Gemini 3.1 Pro и 94,16 у GPT-5.5. Метрика GEMBA эпохи WMT25 даёт ему 84,34 — самый высокий результат в собственном сравнении Tencent, впереди GPT-5.5 с 83,41 и 83,29 в двух его режимах, Gemini 3.1 Pro с 82,23, DeepSeek-V4-Pro с 81,99 и Kimi K2.6 с 81,68. XCOMET-XXL помещает его на 62,89 позади собственного 7B-собрата. На IFMTBench он достигает 85,7% по общему следованию инструкциям, с суббаллом 91,94%, который отличается от Gemini 3.1 Pro менее чем на сотую балла, и отдельным суббаллом 85,55%, где он безоговорочно опережает модель Gemini 3.1 Pro.

Каждое из них — собственное измерение Tencent, и ни одно не было независимо воспроизведено. Но у них есть названия, они сопоставимы и фальсифицируемы — читатель точно знает, какой тест провести, чтобы возразить.

В релизной заметке Cohere приводится лишь одна цифра: WMT26 83,60, которая возрастает до 84,36 в рамках того, что компания называет агентным многопроходным рабочим процессом перевода. Ни одна метрика нигде не названа — ни на карточке модели, ни в документации. Для этой модели не опубликовано ни одной страницы с результатами WMT26. Обучающий корпус, количество токенов и конвейер данных не раскрыты, тогда как технический отчёт Command A Translate за 2025 год подробно описывал методику фильтрации по сложности. Ничто из этого не свидетельствует о том, что модель хуже. Это свидетельствует о меньшем количестве доказательств, а это другое, и это имеет не меньшее значение, когда вы решаете, что внедрять в продакшен.

Общее мерило, которое ни одна из сторон фактически не опубликовала

Между этими двумя есть одна подлинная точка соприкосновения, и она заслуживает абзаца, потому что это единственное место, где могло бы состояться справедливое сравнение. Tencent — партнёр WMT26, спонсирующий задачу перевода видеосубтитров с наградами, финансируемыми Hunyuan. Единственное опубликованное число Cohere — это показатель WMT26. Таким образом, обе организации находятся внутри одного и того же цикла оценки 2026 года, и единственная метрика, по которой можно было бы провести прямое сравнение, — это именно та, по которой только одна из них опубликовала хоть что-то — и опубликовала это, не назвав метрику.

Это тот разрыв, за которым стоит следить. Если Cohere привяжет к 83.60 название метрики или если на страницах результатов WMT26 появится система North Small Translate, сравнение станет реальным. До тех пор сопоставление показателей Tencent по FLORES-200 и GEMBA с необозначенной цифрой Cohere по WMT26 было бы фальсификацией, поданной как анализ.

Лицензия и развертывание

Hy-MT2 распространяется под лицензией Apache 2.0 без каких-либо ограничений доступа: коммерческое использование, тонкая настройка, производные работы и перераспространение — и всё это без необходимости вести переговоры. North Small Translate 1.0 — это CC BY-NC 4.0, бесплатно для некоммерческого использования, а коммерческое развёртывание осуществляется через Model Vault от Cohere по цене, которая не публикуется. Для всего, что поставляется клиентам, эта разница предопределяет решение ещё до того, как будут прочитаны результаты бенчмарков.

Аппаратная история повторяет ту же закономерность в обратном порядке. Hy-MT2 охватывает квантованную сборку размером 440 МБ, работающую на смартфоне, вплоть до 30B-A3B, у которой три миллиарда активных параметров обеспечивают умеренные вычисления на токен для её уровня качества; среды выполнения включают transformers, vLLM, SGLang и llama.cpp. North Small Translate 1.0 публикует минимальные требования к аппаратному обеспечению для каждой контрольной точки — четыре B200 или восемь H100 для BF16, два B200 или четыре H100 для FP8, один B200 или два H100 для NVFP4 W4A16 — и рекомендует жадное декодирование для соответствия продакшену. Компенсирующее преимущество Cohere в том, что модель работает на бесплатном тарифе её Chat V2 API, бесплатно для пробных и продакшен-ключей до достижения ограничений скорости запросов, так что её оценка ничего не стоит.

Стоит ли вам переключаться, и на что?

Вопрос переключения здесь действительно асимметричен. Переход с Hy-MT2 на North Small Translate 1.0 — это не улучшение производительности, которое вы сейчас можете обосновать, а ставка на модель, единственное публичное утверждение которой — одно число, тогда как у семейства есть опубликованный отчёт и лицензия, допускающая развёртывание. Что действительно стоит сделать — так это оценить: модель Cohere можно вызывать бесплатно, она охватывает пятьдесят языков, включая более широкий набор европейских, и даёт 16K вывода за проход, чего рабочее окно Hy-MT2 в 8K не позволяет.

Такая оценка — это как раз тот случай, когда маршрутизирующий слой оправдывает своё существование, потому что честный ответ для большинства многоязычных стеков — оставить обе модели. В OrcaRouter каталог из более чем 200 моделей доступен по одному ключу, так что попробовать вторую модель перевода — это изменение конфигурации, а не второй контракт с поставщиком или изменение кода: вы направляете тот же OpenAI-совместимый клиент на другой идентификатор модели и сравниваете на своём тексте. Цена по прайс-листу провайдера передаётся с 0% наценки, поэтому изменение цены у хостинг-провайдера вступает в силу у нас в тот же день, без накрученного сверху спреда, а цепочки отказоустойчивости удерживают продакшен на модели, которая уже работает, пока новую оценивают. Ни North Small Translate 1.0, ни Hy-MT2 сегодня нет в нашем каталоге, так что это не рекомендация купить одну из них у нас — это аргумент за то, чтобы не зашивать решение жёстко до того, как вы проведёте тест.

Вердикт

Hy-MT2 от Tencent — более безопасный выбор, и, судя по доказательствам, он вне конкуренции: Apache 2.0, три размера, статья, открытый бенчмарк, четыре именованных набора оценок и партнёрство с WMT26. North Small Translate 1.0 от Cohere — более интересный вариант: 218 миллиардов параметров MoE, специализированной на переводе, с 16K-окном вывода и поддержкой пятидесяти языков, бесплатный уровень для оценки и оценка 83,60, которую никто за пределами Cohere не проверял.

Если решение нужно принять в этом квартале, берите то семейство, у которого есть доказательства. Если у вас есть корпус и неделя, прогоните часть корпуса через бесплатный тариф и выясните, означает ли что-нибудь безымянный показатель Cohere 83,60 на ваших документах — потому что на этот вопрос не ответит за вас ни одна таблица вендора, а то единственное число, которое Cohere решила опубликовать, — это ровно то, которое она отказалась назвать.