Hy-SimulMT-30B-A3B vs North Small Translate 1.0: Två stora modeller, en licens du kan skeppa

Det snabbaste sättet att jämföra Hy-SimulMT-30B-A3B och North Small Translate 1.0 är att titta på vad som händer efter att du bestämt dig för att du gillar dem. Tencents modell är Apache-2.0: ladda ner den, finjustera den, lägg in den i en produkt, ta betalt, inget samtal krävs. Coheres är CC BY-NC 4.0: gratis för icke-kommersiell användning, bakom ett kontaktformulär, med kommersiell driftsättning via en betald licens från Cohere eller deras partner RWS. Båda är stora glesa mixture-of-experts-modeller som de flesta team inte kan köra utan vidare. Bara en av dem kan levereras en tisdagseftermiddag utan ett inköpsamtal, och den asymmetrin avgör fler driftsättningar än någon benchmarkrad kommer att göra.

De gör inte heller samma sak, vilket gör licensjämförelsen skarpare snarare än mjukare. North Small Translate 1.0 annonserades av Cohere den 10 september 2026 som en textöversättare för dokumentomfattande bruk: 218 miljarder parametrar totalt, 25 miljarder aktiva, ett inmatningsfönster på 16 000 token och – ovanligt nog – ett utmatningsfönster på 16 000 token, över 50 språk. Hy-SimulMT-30B-A3B, som Tencent publicerade som vikter den 22 oktober 2026, är en talmodell: den lyssnar på kinesiskt eller engelskt ljud i trettiossekundersfönster och producerar det andra språket medan talaren fortfarande talar. Den ena översätter ett avtal; den andra översätter ett samtal. Överlappningen är mindre än den gemensamma beteckningen "översättningsmodell" antyder.

Två olika definitioner av "small"

Coheres namn är relativt till dess egen flaggskeppsmodell. Jämfört med en frontier-allmän modell är 218 miljarder parametrar med 25 miljarder aktiva litet – den är byggd för att vara billig per token och snabb, avsiktligt icke-resonerande, och Cohere rapporterar cirka 112 utdatatoken per sekund. Jämfört med vad som helst du skulle köra på en arbetsstation är den enorm. Coheres rekommenderade hårdvara är en B200 eller två H100:or vid W4A4; modellkortets minimikrav per precision är högre, där BF16 anges som fyra B200:or eller åtta H100:or. Enbart FP8-viktuppsättningen ligger i storleksordningen 218 GB.

Tencents "30B-A3B" betyder 30,4 miljarder parametrar totalt och ungefär 3 miljarder aktiva per token, vilket är litet i den enda bemärkelse som spelar roll för kostnaden att köra modellen: varje token aktiverar ungefär en tiondel av nätverket. BF16-vikterna ligger fortfarande på runt 61 GB före KV-cache, så en accelerator på 80 GB är fortfarande den praktiska undre gränsen, och det publicerade FP8-bygget är det som gör ett mindre kort möjligt. Ingen av modellerna är liten på samma sätt som en inbyggd översättare på 440 MB är liten. Skillnaden mellan dem är en storleksordning i totala parametrar och en faktor åtta i aktiva parametrar, vilket ändrar hårdvarukostnaden men inte kategorin.

Vad var och en gör med sin kontext

North Small Translate 1.0:s främsta funktion är utmatningslängden. Sextontusen token in och sextontusen ut innebär att en hel rapport, manual eller ett helt kontrakt kan matas in och komma ut översatt som en enhet, med terminologi och ton konsekventa genom hela dokumentet eftersom modellen kan se allt på en gång. Coheres utvärdering av lång kontext anger 48,9 mot 21,3 för Google Translate och 19,4 för Gemma 4 31B på den typen av uppgift. Det är kapaciteten som motiverar parameterantalet: inte bättre meningar, utan ett bättre dokument.

Hy-SimulMT-30B-A3B har nästan det omvända förhållandet till kontext. Dess ljudkodare tar emot högst 480 000 sampel vid 16 kHz – trettio sekunder – per fönster, och dess genereringskonfiguration är som standard inställd på sextiofyra nya token per steg. Modellen är konstruerad för att bestämma sig tidigt och hålla jämna steg, inte för att hålla ett dokument i sikte. Dess maximala antal positionsinbäddningar är 262 144, men modellkortet anger ingen användbar kontextlängd, och för strömmande ljud är talet i stort sett irrelevant. Om din arbetsenhet är en 40-sidig manual är detta fel verktyg till sin konstruktion. Om din arbetsenhet är en mening som fortfarande sägs, är det den enda av de två som är tillämplig.

Licensen är den skarpare skillnaden

Apache-2.0 på Tencent:s vikter är ungefär så tillåtande som öppna vikter blir: kommersiell användning, modifiering, redistribution och derivatmodeller är alla tillåtna, med det standardmässiga undantaget att medföljande tredjepartskomponenter behåller sina egna villkor. Licensfilen är explicit med att Hy-SimulMT avser inferenskoden, parametrarna och vikterna som Tencent publicerade, och att den inte inför några begränsningar utöver dem som gäller för komponenterna den levereras med. Det finns inget tillägg om godtagbar användning i förvaret och ingen spärr för nedladdningen.

Coheres CC BY-NC 4.0 är ett annat instrument. Icke-kommersiell användning är gratis; kommersiell användning kräver en licens, och vikterna är åtkomstbegränsade. Kommentatorer har påpekat att "icke-kommersiell" kan läsas så brett att det omfattar intäktsgenererade resultat – till exempel en annonsfinansierad dubbad video – vilket gör gränsdragningen till en juridisk fråga snarare än en ingenjörsfråga. Cohere säljer kommersiell åtkomst via sin egen säljkanal och via RWS Language Weaver's Model Vault, och inget offentligt pris anges.

Enkelt uttryckt: om du bygger en produkt är Tencents modell en som du kan utvärdera och driftsätta samma dag, och Coheres är en som du kan utvärdera och sedan förhandla om. Det gör inte Coheres modell sämre – ett företag som redan har en RWS-relation kan uppleva att den kommersiella vägen är enkel – men det ändrar ordningen på arbetsmomenten, och det innebär att de två modellerna sällan tas upp på kortlistan av samma team av samma anledning.

Riktmärkena kan inte ställas mot varandra.

Det är frestande att ställa Coheres WMT26-poäng på 83.60 bredvid Tencents 84.7 på RealSI-Sentence och utropa en vinnare. Låt bli. De två siffrorna kommer från olika uppgifter, olika mått och olika bedömare. Coheres siffra kommer från deras egen utvärdering av WMT26:s uppsättning för alla språk, poängsatt av GPT-5.6-Sol som automatisk bedömare, med 84.36 för ett agentiskt flerpassarbetsflöde; den officiella mänskliga utvärderingen av WMT26 hade inte publicerats när modellen lanserades. Tencents 84.7 är en talöversättningspoäng på RealSI-Sentence, en kolumn i en leverantörsdriven tabell, tillsammans med 90.3 FLEURS, 75.5 CoVoST2 och 81.2 ACL6060. Inget av företagen har fått sina siffror reproducerade av ett oberoende laboratorium.

Det som kan sägas är riktat. Cohere publicerade en jämförelsetabell med namngivna konkurrenter – DeepL NextGen på 81,37, Qwen 3.5 397B A17B på 81,56, Google Translate på 68,20 – alla bedömda av samma domare, vilket gör rankingen internt sammanhängande även om domaren är en språkmodell. Tencent publicerade en tabell över nio system på fyra talbenchmarks, med sin egen modell i fetstil i varje kolumn och en omsorgsfullt formulerad mening som påpekar att den inte vann CoVoST2. Båda är marknadsföringsdokument. Coheres är mer användbar för att välja mellan textöversättare; Tencents är det enda bevis som finns för den här talmodellen.

Driftsättning och kostnad, punkt för punkt

• Totalt antal parametrar — Hy-SimulMT-30B-A3B: 30,4B, gles MoE, cirka 3B aktiva; North Small Translate 1.0: 218B totalt, 25B aktiva.

• Viktfotavtryck — Hy-SimulMT: ~61 GB i BF16, FP8 och GGUF-byggen publicerade; North: i storleksordningen 218 GB i FP8, med BF16- och NVFP4-varianter.

• Hårdvara — Hy-SimulMT: en 80 GB:s accelerator realistiskt; North: en B200 eller två H100:or vid W4A4 enligt Coheres föreslagna konfiguration, högre för BF16.

• Kontext — Hy-SimulMT: trettio sekunders ljudfönster, ingen användbar textkontext publicerad; North: 16K in, 16K ut.

• Språk — Hy-SimulMT: kinesiska och engelska dokumenterade för tal, 36 taggade i metadata; North: 50.

• Licens — Apache-2.0, utan spärr vs CC BY-NC 4.0, med spärr, kommersiell licens krävs.

• Hostat API – ingen av dem finns i OrcaRouters katalog och vi hostar ingen av dem. Tencent publicerar ingen endpoint eller något pris för Hy-SimulMT; Cohere erbjuder kommersiell åtkomst via Model Vault utan en offentlig prislista.

Där en router gör verklig nytta i en sådan här lösning är nedströms själva översättningen. En dokumentpipeline som använder North, eller en mötespipeline byggd på Hy-SimulMT, behöver fortfarande en granskare: en andra modell som kontrollerar terminologi, flaggar utelämningar och jämför översättningen mot källan. Att köra den kontrollen som ett separat anrop till en annan leverantör är precis den typ av multimodellarbetsflöde som OrcaRouter är byggt för – ett API för 200+ modeller, 0 % påslag på leverantörernas listpriser, failover om den granskande leverantören har en dålig stund, och modellfusion när du vill ha en panel i stället för en enda kritiker. Översättaren är en nod; kvalitetskontrollen runt den är där routingbesluten ligger.

Hur man väljer

Om jobbet är att översätta dokument börjar och slutar beslutet med licensen. Ett team som kan köpa en kommersiell licens och behöver 16K i utdata bör titta noga på North Small Translate 1.0 – utdatafönstret är en verklig förmåga som de flesta översättningsmodeller inte har. Ett team som behöver leverera utan en förhandling, eller som vill finjustera och distribuera vidare, har exakt ett alternativ här, och det råkar vara det som kostar en tiondel av parametrarna.

Om jobbet är direkt tal faller jämförelsen samman. North Small Translate 1.0 tar inte emot ljud, har inget strömningsläge, och påståendet om tre sekunders fördröjning är meningslöst för en modell som returnerar ett dokument. Hy-SimulMT-30B-A3B är den enda av de två som kan sitta med i ett möte, och dess Apache-2.0-licens innebär att du kan ta reda på om den fungerar utan att be någon om tillstånd. Det är ett snävt utlåtande, men ett ärligt sådant: dessa modeller byggdes för olika rum, och licensen gör bara valet tydligare.