North Small Translate 1.0 vs Hy-MT2: Två MoE-översättare, ett evidensgap

Båda dessa familjer byggdes på samma vad – att ett glest mixture-of-experts-nätverk som eftertränats för översättning slår en allmänmodell som ombeds översätta – och de kom fram till det från motsatta håll. Hy-MT2, Tencent Hunyuans översättningsfamilj med tre modeller, med Hy-MT2-30B-A3B MoE i spetsen, släpptes med öppen källkod den 21 maj 2026 under Apache 2.0 med en teknisk rapport, ett benchmark med öppen källkod och en fullständig jämförelsetabell. North Small Translate 1.0, Coheres MoE-översättare med 218 miljarder parametrar och 25 miljarder aktiva, dokumenterades i en release-notis daterad den 9 september 2026, och dess kvalitetsbevis uppgår till en enda siffra utan någon metrik kopplad till den. Arkitekturerna rimmar. Dokumentationen gör det inte, och den skillnaden är det mest användbara att förstå innan man väljer någon av dem.

En familj, tre storlekar mot en stor modell

Hy-MT2 är inte en enda modell utan en serie: en tät 1,8B-modell för körning på enheten, en tät 7B-modell för en enskild GPU och 30B-A3B MoE som flaggskepp med tre miljarder aktiva parametrar per token. Alla tre är Apache 2.0, utan åtkomstbegränsningar, och släpps tillsammans med FP8-, GGUF-, 2-bitars- och 1,25-bitarskvantiseringar plus riktmärket IFMTBench för instruktionsföljning och en medföljande artikel. Tencent rapporterar att familjen översätter mellan 33 språk plus fem minoritetsspråk och dialekter.

North Small Translate 1.0 är en enda punkt i storleksrymden, och en stor sådan: 218B totala parametrar, 25B aktiva, 128 experter med åtta aktiverade per token plus delade experter, och attention som växlar i förhållandet 3:1 mellan lager med glidande fönster (fönster 4 096, RoPE) och globala lager utan positionsinbäddningar. Dess fönster är 16K in och 16K ut för engelska plus 49 andra språk, med modern standardarabiska, tyska, franska, japanska, koreanska, ryska och ukrainska utsedda till nivå ett. Noterbart är att formen inte är ny — Coheres Command A+ från maj 2026 använde samma 218B/25B-konfiguration — vilket gör detta till en översättningsspecialiserad efterträning av en befintlig kärna snarare än en ny arkitektur.

• Parametrar — North Small Translate 1.0: 218B totalt / 25B aktiva jämfört med Hy-MT2-30B-A3B: 30B totalt / 3B aktiva, med 1,8B och 7B täta syskonmodeller

• Kontext — 16K in och 16K ut mot ett arbetsfönster på 8K, konfigurationen anger upp till 262 144 positioner

• Språk — 50 (engelska + 49) mot 33 plus 5 minoritetsspråk och dialekter

• Licens — CC BY-NC 4.0, kommersiell via Model Vault vs Apache 2.0, ostängd

• Publicerad evidens — en icke namngiven WMT26-siffra, leverantörsrapporterad vs en teknisk rapport, ett öppet riktmärke, och namngivna resultat på FLORES-200, WMT25 GEMBA och XCOMET-XXL

• Servering — vLLM med cohere_melody>=0.9.0, greedy-avkodning rekommenderas framför transformers, vLLM, SGLang och llama.cpp

• Annonserad — 9 september 2026 (vikter med begränsad åtkomst på Hugging Face sedan 14 augusti) mot 21 maj 2026

Bevisluckan är den egentliga historien

Tencents släpp kom med bevis. Det finns en artikel på arXiv, ett benchmark som företaget skrev och släppte med öppen källkod specifikt för att mäta instruktionsföljning vid översättning, och en resultattabell som namnger dess konkurrenter. FLORES-200 engelska-till-X placerar 30B-A3B på 93,85 mot Gemini 3.1 Pro på 94,42 och GPT-5.5 på 94,16. GEMBA-måttet från WMT25-eran placerar den på 84,34 – den högsta poängen i Tencents egen jämförelse, före GPT-5.5 på 83,41 och 83,29 i dess två lägen, Gemini 3.1 Pro på 82,23, DeepSeek-V4-Pro på 81,99 och Kimi K2.6 på 81,68. XCOMET-XXL placerar den på 62,89 bakom sin egen 7B-syskonmodell. På IFMTBench når den 85,7 % i övergripande instruktionsföljning, med en delpoäng på 91,94 % som ligger inom en hundradel av en poäng från Gemini 3.1 Pro och en separat delpoäng, 85,55 %, där den avgjort ligger före Gemini 3.1 Pro-modellen.

Var och en av dem är Tencents egen mätning och ingen av dem har oberoende reproducerats. Men de är namngivna, de är jämförbara och de är falsifierbara — en läsare vet exakt vilket test som ska köras för att argumentera.

Coheres versionsanteckning erbjuder en enda siffra: WMT26 83,60, som stiger till 84,36 under vad man kallar ett agentiskt arbetsflöde för flerpassöversättning. Inget mått nämns någonstans på modellkortet eller i dokumentationen. Ingen resultatsida för WMT26 har publicerats för den här modellen. Träningskorpusen, antalet token och datapipelinen är inte redovisade, där Command A Translates tekniska rapport från 2025 hade beskrivit en teknik för svårighetsfiltrering i detalj. Inget av detta är bevis för en sämre modell. Det är bevis för mindre bevisning, vilket är en annan sak och spelar precis lika stor roll när du ska besluta vad du sätter i produktion.

Den gemensamma måttstocken som ingen av sidorna faktiskt har publicerat

Det finns en genuin beröringspunkt mellan de två, och den förtjänar ett stycke eftersom det är den enda platsen där en rättvis jämförelse skulle kunna ske. Tencent är en WMT26-partner och sponsrar en uppgift för videoundertextöversättning med priser finansierade av Hunyuan. Coheres enda publicerade siffra är en WMT26-siffra. Så båda organisationerna befinner sig inom samma utvärderingscykel för 2026, och det enda mått där en direkt jämförelse skulle kunna avgöras är just det där bara en av dem har publicerat något — och publicerade det utan att namnge måttet.

Det är gapet att hålla ögonen på. Om Cohere kopplar ett metriknamn till 83.60, eller om WMT26-resultatsidorna inkluderar ett North Small Translate-system, blir jämförelsen verklig. Fram till dess vore det en fabricering utklädd till analys att ställa Tencent FLORES-200- och GEMBA-siffror mot Coheres omärkta WMT26-siffra.

Licens och distribution

Hy-MT2 är Apache 2.0 utan någon gating: kommersiell användning, finjustering, derivat och vidaredistribution, allt utan att behöva föra en konversation. North Small Translate 1.0 är CC BY-NC 4.0, gratis för icke-kommersiell användning, med kommersiell driftsättning dirigerad via Coheres Model Vault till ett pris som inte har publicerats. För allt som levereras till kunder avgör den skillnaden beslutet innan benchmarkresultaten ens har lästs.

Hårdvaruhistorien följer samma mönster, fast omvänt. Hy-MT2 sträcker sig från ett kvantiserat bygge på 440 MB som körs på en mobiltelefon upp till 30B-A3B, vars tre miljarder aktiva parametrar håller beräkningskostnaden per token måttlig för dess kvalitetsnivå; körtidsmiljöer omfattar transformers, vLLM, SGLang och llama.cpp. North Small Translate 1.0 publicerar minimikrav på hårdvara per checkpoint – fyra B200:or eller åtta H100:or för BF16, två B200:or eller fyra H100:or för FP8, en B200 eller två H100:or för NVFP4 W4A16 – och rekommenderar girig avkodning för att matcha produktion. Coheres kompenserande fördel är att modellen körs på gratisnivån i dess Chat V2-API, kostnadsfritt för test- och produktionsnycklar tills hastighetsbegränsningarna nås, så att utvärdera den kostar ingenting.

Bör du byta, och till vad

Bytestfrågan är verkligen asymmetrisk här. Att gå från Hy-MT2 till North Small Translate 1.0 är inte en prestandauppgradering som du för närvarande kan motivera – det är en satsning på en modell vars enda offentliga anspråk är en enda siffra, avvägd mot en familj med en publicerad rapport och en licens som medger driftsättning. Det som är värt att göra är att utvärdera: Cohere-modellen är gratis att anropa, täcker femtio språk inklusive en bredare europeisk uppsättning och ger dig 16K utdata per körning, vilket Hy-MT2:s 8K arbetsfönster inte gör.

Den utvärderingen är fallet där ett routinglager förtjänar sin plats, för det ärliga svaret för de flesta flerspråkiga stackar är att båda modellerna stannar. OrcaRouter sätter en katalog med fler än 200 modeller bakom en enda nyckel, så att prova en andra översättningsmodell är en konfigurationsändring och inte ett andra leverantörsavtal eller en kodändring – du pekar samma OpenAI-kompatibla klient mot ett annat modell-id och jämför på din egen text. Leverantörens listpris förs vidare med 0 % påslag, så en ändring av hostat pris är live hos oss samma dag utan någon spread ovanpå, och failover-kedjor håller produktionen på modellen som redan fungerar medan den nya utvärderas. Varken North Small Translate 1.0 eller Hy-MT2 finns i vår katalog i dag, så detta är inte en rekommendation att köpa någon av dem från oss – det är argumentet för att inte hårdkoda beslutet innan du har kört testet.

Domen

Tencents Hy-MT2 är det säkrare valet, och det är inte ens nära utifrån bevisen: Apache 2.0, tre storlekar, en artikel, ett öppet benchmark, fyra namngivna utvärderingssviter och ett WMT26-partnerskap. Coheres North Small Translate 1.0 är den mer intressanta – 218 miljarder parametrar av översättningsspecifik MoE bakom ett utdatafönster på 16K och femtio språk, en gratis utvärderingsnivå, och en 83,60 som ingen utanför Cohere har kontrollerat.

Om du behöver ett beslut det här kvartalet, välj den familj som har bevisen. Om du har en korpus och en vecka, kör en del av den genom gratisnivån och ta reda på om Coheres namnlösa 83,60 betyder något för dina dokument – för det är en fråga som ingen leverantörstabell kommer att ge dig svaret på, och det enda numret som Cohere valde att publicera är precis det som de avstod från att namnge.