Hy-SimulMT-30B-A3B vs Tencent Hy-MT2-7B: Priset du kan ange vs det du inte kan

Fråga vad en timme kinesisk-till-engelsk tolkning kostar, och de två modellerna i den här jämförelsen ger dig helt olika slags svar. Tencent Hy-MT2-7B, som släpptes med öppen källkod den 21 maj 2026, har en prislista: 0,074 USD per miljon indatatokens och 0,295 USD per miljon utdatatokens på Tencent hostade API. Hy-SimulMT-30B-A3B, som publicerades som vikter den 22 oktober 2026, har inget publicerat pris alls – ingen endpoint, ingen pris per token, ingen offentlig molnlistning. Du kan budgetera 7B:n in på öret. För talmodellen måste du räkna med en GPU i budgeten, och siffran du kommer fram till beror helt och hållet på vad du redan äger.

Den skillnaden är mer än en upphandlingsdetalj. Den speglar två olika produkter med två olika kostnadsstrukturer. 7B är en textöversättare som prissätts som en nyttighet: du betalar per token, du skalar med volymen, och marginalkostnaden för ytterligare ett dokument är nästan noll. Hy-SimulMT är ett realtidssystem som prissätts som infrastruktur: du betalar för en accelerator per timme oavsett om någon talar eller inte, och marginalkostnaden för ytterligare ett möte är nästan ingenting bara för att maskinen redan är igång. Att jämföra dem utifrån parameterantal missar poängen. Att jämföra dem utifrån vad en timmes arbete faktiskt kostar är hela argumentet.

Vad 7B är och vad det kostar per token

Tencent Hy-MT2-7B är mittenmodellen i textfamiljen Hy-MT2, en tät avkodare med 7 miljarder parametrar som tränats för översättning mellan 33 språk plus fem kinesiska minoritetsspråk och dialekter. Den har en arbetskontext på 8 192 token, stöder strukturerad utdata via response_format och stöder inte funktionsanrop. I BF16 behöver den ungefär 15 GB acceleratorminne, cirka 8 GB i FP8 och några gigabyte i GGUF-format – ett enda grafikkort i mellanklass, eller en CPU om du har tålamod.

Dess leverantörsrapporterade kvalitet ligger nära frontlinjen på de benchmarks som Tencent valde. På FLORES-200 får den 86,89 XCOMET-XXL, vilket Tencent presenterar som cirka 97,9 % av Gemini 3.1 Pro i tänkandeläge. På DomainMTBench rapporterar den 94,92 och 92,79 på två uppdelningar; på IFMTBench, den instruktionsföljande sviten som Tencent byggde för den här familjen, 83,14 totalt. Ingen av dessa har oberoende reproducerats. De är leverantörens siffror, och de beskriver en modell som är bra på kontrollerad översättning – ordlistor, register, strukturerad utdata – vilket är precis gapet som skiljer 7B från 1.8B under den.

Till det hostade priset kostar en miljon indatatoken sju cent och en miljon utdatatoken under trettio cent. För textarbete är det nästan gratis. Den intressanta frågan är vad som händer när indata inte är text.

Aritmetiken i en timmes tal, åt båda hållen

En timme kontinuerligt tal motsvarar ungefär 9 000 engelska ord, vilket är någonstans runt 12 000 tokens. Kör man det genom Tencent Hy-MT2-7B till listpris kostar själva översättningen ungefär en halv cent: cirka $0,0009 för indata och $0,0035 för utdata, så säg $0,0044. Även om du missar med en faktor två i tokenuppskattningen är summan fortfarande bråkdelar av en cent.

Men 7B kan inte höra. En textpipeline börjar med en taligenkännare, och en hostad taligenkännare kostar vanligtvis några tiondels cent per minut, vilket innebär att en timme ljud hamnar någonstans under en dollar innan översättaren ens körs. Det är den första ärliga rättelsen till berättelsen om att "7B är billigare": i en kaskad är översättaren inte det dyra steget. Taligenkännaren är det. Den andra rättelsen gäller latensen – en kaskad som väntar på en meningsgräns, transkriberar, översätter och visar kommer att ligga efter talaren mer än vad en simultan modell gör, och hur många billiga tokens som helst rättar inte till det.

Hy-SimulMT-30B-A3B inverterar kostnadsstrukturen. Det finns ingen kostnad per token eftersom det inte finns någon hostad tjänst; du hyr eller äger hårdvaran. BF16-vikterna är cirka 61 GB före KV-cache, så en accelerator på 80 GB är den realistiska undre gränsen, och ett enda kort hyrs för allt från ungefär $2 i timmen hos ett specialiserat GPU-moln till mer än $10 på en hyperscalers on-demand-lista. I det lägre intervallet kostar en timmes möte cirka $2 i beräkningskostnad; i det högre intervallet kostar en timme en timmes hyra. Båda siffrorna förutsätter att maskinen är dedikerad till det mötet, vilket är värsta fallet – en server som hanterar flera samtidiga strömmar delar kostnaden. Att köra FP8-bygget på ett mindre kort sänker den undre gränsen igen.

Så jämförelsen är ungefär $0,30–$1,00 per mötestimme för kaskaden, dominerad av taligenkänning, mot $2–$12 per mötestimme för den simultana modellen, dominerad av GPU:n. Det är en verklig skillnad på en till två storleksordningar, och det är rätt sätt att se det: du betalar inte för bättre översättning, du betalar för tre sekunders fördröjning i stället för femton. Team som behöver fördröjningen kommer att betala för den. Team som inte gör det köper en accelerator för att lösa ett problem de inte har.

Kvalitet: två olika linjaler

Det finns inget ärligt sätt att ställa Tencent Hy-MT2-7B:s 86,89 på FLORES-200 bredvid Hy-SimulMT:s 84,7 på RealSI-Sentence. Det ena mäter textöversättning mot en referens; det andra mäter talöversättning på ett riktmärke byggt för strömmande ljud. De delar ett sifferformat och inget annat. Det som går att jämföra är bevisens form. 7B-modellen har en fullständig publicerad tabell över FLORES-200, WMT25, DomainMTBench och IFMTBench, alla leverantörsutförda. Talmodellen har en tabell med fyra kolumner över FLEURS, CoVoST2, ACL6060 och RealSI-Sentence, också den leverantörsutförd, plus en mänsklig jämförelse mot sex professionella tolkar som Tencent själv beskriver som småskalig och begränsad till de använda exemplen. Ingen av dem har oberoende verifiering.

Det enda stället där de två linjerna verkligen möts är översättningskvaliteten för kinesiska och engelska. 7B är den starkare textöversättaren enligt varje mått som Tencent publicerar, inklusive instruktionsföljning, där dess 83,14 på IFMTBench är fjorton poäng över 1.8B. Talmodellens fördel är inte kvalitet utan timing: den producerar en användbar översättning medan meningen fortfarande pågår, och den kan bära talarens röst via en TTS-tjänst om en sådan är konfigurerad. Om ditt ljud redan är transkriberat och din latensbudget mäts i minuter är 7B den bättre översättaren. Om din latensbudget mäts i sekunder är 7B inte med i matchen oavsett dess poäng.

Driftsättning och kostnad, sida vid sida

• Parametrar – Hy-SimulMT-30B-A3B: 30,4B totalt, ungefär 3B aktiva, gles MoE med en ljudkodare; Tencent Hy-MT2-7B: 7B tät, endast text.

• Minne – Hy-SimulMT: ~61 GB BF16, FP8-bygge publicerat; Hy-MT2-7B: ~15 GB BF16, ~8 GB FP8, några GB i GGUF.

• Kontext — Hy-SimulMT: ljudfönster på trettio sekunder; Hy-MT2-7B: 8 192 token.

• Latens – Hy-SimulMT: cirka 3 s StreamLAAL, enligt leverantören; Hy-MT2-7B: text in, text ut, med en kaskads ASR-fördröjning framför sig.

• Språk — Hy-SimulMT: kinesiska och engelska dokumenterade för tal; Hy-MT2-7B: 33 språk plus fem minoritetsspråk och dialekter.

• Pris — Hy-SimulMT: inget publicerat; Hy-MT2-7B: $0,074 per miljon indatatokens, $0,295 per miljon utdatatokens.

• Licens — både Apache-2.0 och utan begränsningar, både finjusterbar och vidaredistribuerbar.

Ingen av modellerna finns i OrcaRouters katalog, och vi driftar ingen av dem. Prisskillnaden är fortfarande anledningen till att bry sig om routning här. Tencent prissätter sina översättnings-API:er aggressivt och ändrar priserna: den 12 juni 2026 sänkte företaget Hy-MT2-Pro till ¥0,5 per miljon indatatoken och ¥2 per miljon utdatatoken, en sänkning med 66,7 % för indata och 55,6 % för utdata. OrcaRouter för vidare leverantörernas listpriser till 0 % påslag, så en sådan sänkning gäller hos oss samma dag i stället för vid nästa avtalsförnyelse, och automatisk failover innebär att en leverantörs avbrott inte tar ner en översättningspipeline. För en arbetsbelastning vars kostnad domineras av tokenpriser är skillnaden mellan 0 % och 20 % påslag hela marginalen.

Vilken väljer din latensbudget

Börja med budgeten. Om svaret är "sekunder" spelar inget om 7B:s pris någon roll – en kaskad kan inte producera ett simultant flöde utan en strömningsbaserad igenkännare och en segmenteringspolicy som du bygger och finjusterar, och även då kommer den att ligga efter. Hy-SimulMT-30B-A3B är den enda av dessa två som är byggd för den begränsningen, dess Apache-2.0-licens innebär att du kan testa påståendet på din egen ljudinspelning, och kostnaden är en GPU per timme. Utgå från en budget på $2–$12 per mötestimme som ett startantagande och kontrollera den mot din egen utnyttjandegrad.

Om svaret är ”minuter” vinner 7B på varje axel som spelar roll: kostnad, minne, språktäckning, dokumenterad instruktionsföljsamhet och förekomsten av ett pris du kan lägga in i ett kalkylark. Betala igenkännaren, betala en halv cent för översättningen och lägg mellanskillnaden på granskningssteget. Det mesta översättningsarbetet i de flesta företag är fortfarande av det andra slaget, vilket är varför en modell med sju miljarder parametrar och en prislista sannolikt kommer att överleva en modell med trettio miljarder parametrar vars mest intressanta egenskap är att den inte har någon ännu.