Hy-SimulMT เทียบกับ NLLB-200: ล่ามแบบสตรีมมิ่งไม่ใช่เครื่องแปลภาษาที่รองรับ 200 ภาษา

ชื่อเกณฑ์มาตรฐานทั้งสองต่างกันเพียงตัวอักษรเดียว และตัวอักษรนั้นคือทั้งหมดของบทความนี้ Hy-SimulMT ล่ามจีน↔อังกฤษแบบเรียลไทม์ของ Tencent Hunyuan ที่เปิดตัวเมื่อวันที่ 26 ตุลาคม 2026 เผยแพร่คะแนน 90.3 บนสิ่งที่เรียกว่า FLEURS NLLB-200 ตัวแปลข้อความ 200 ภาษาของ Meta AI จากเดือนกรกฎาคม 2022 ได้รับการประเมินบนสิ่งที่เรียกว่า FLORES-200 ทั้งสองเกี่ยวข้องกัน — FLEURS สร้างจากประโยค FLORES ที่อ่านออกเสียง — แต่ไม่ใช่การทดสอบเดียวกัน ไม่ได้ให้คะแนนด้วยวิธีเดียวกัน และไม่เคยมีใครนำสองโมเดลนี้มาแข่งกัน การค้นหาการเปรียบเทียบนี้จะพบข่าวการเปิดตัวของโมเดลหนึ่งและเอกสารของอีกโมเดลหนึ่ง โดยไม่มีอะไรอยู่ระหว่างกลาง การไม่มีอยู่ตรงกลางนั้นคือจุดเริ่มต้นที่ตรงไปตรงมา: ทั้งสองไม่ใช่คู่แข่ง และคำถามที่มีประโยชน์คือแต่ละตัวมีไว้สำหรับงานใดกันแน่

ตัวอักษรเดียว สองเกณฑ์มาตรฐาน

FLORES-200 เป็นชุดทดสอบมาตรฐานสำหรับข้อความ Meta สร้างขึ้นโดยเป็นส่วนหนึ่งของโครงการ No Language Left Behind: ประโยคที่แปลโดยผู้เชี่ยวชาญครอบคลุม 200 ภาษา ใช้สำหรับวัดว่าระบบแปลสามารถถ่ายทอดข้อความเขียนจากภาษาหนึ่งไปยังอีกภาษาหนึ่งได้ดีเพียงใด เมตริกหลักคือ spBLEU ซึ่งเป็นรูปแบบหนึ่งของ BLEU ที่คำนวณบนตัวตัดคำ (tokeniser) แบบคงที่และสมดุลตามภาษา เพื่อให้คะแนนสามารถเทียบกันได้ข้ามภาษาที่ใช้ระบบอักษรต่างกัน บทความ NLLB ยังรายงาน chrF++ และการประเมินโดยมนุษย์ที่เรียกว่า XSTS

FLEURS คือคู่หูฝั่งเสียงพูด โดยนำชุดประโยคจาก FLORES มาให้เจ้าของภาษาอ่านออกเสียง แล้วประเมินการแปลเสียงพูด — เสียงเข้า ข้อความออก ครอบคลุม 102 ภาษาแทนที่จะเป็น 200 ภาษา เมื่อ Tencent รายงานค่า 90.3 บน FLEURS สำหรับ Hy-SimulMT ตัวเลขนั้นรวมทั้งไปป์ไลน์ทั้งหมด: การฟังเสียง การรู้จำคำ และการแปลคำเหล่านั้น เมื่อ Meta รายงาน spBLEU บน FLORES-200 สำหรับ NLLB-200 ข้อความนั้นถูกต้องและตัดเป็นโทเคนไว้แล้ว และสิ่งเดียวที่ถูกวัดคือขั้นตอนการแปล

วางตัวเลขสองตัวนั้นไว้ข้างกัน แล้วคุณยังไม่ได้เปรียบเทียบสองโมเดล คุณได้เปรียบเทียบระบบเสียงพูดแบบ end-to-end กับตัวแปลข้อความ บนข้อมูลที่ต่างกัน ด้วยเมตริกที่ต่างกัน ในภาษาที่ต่างกัน นี่คือข้อผิดพลาดที่ความคล้ายคลึงแบบตัวอักษรเดียวชักนำให้เกิด และควรค่าแก่การระบุชื่อให้ชัดก่อนการเปรียบเทียบอื่นใดในบทความนี้

NLLB-200 จริง ๆ แล้วคืออะไร เมื่อเวลาผ่านไปสี่ปี

NLLB-200 เปิดตัวในเดือนกรกฎาคม 2022 และไม่ได้รับการปรับปรุงแก้ไขนับตั้งแต่นั้นมา เช็กพอยต์ที่คุณดาวน์โหลดในวันนี้คือเช็กพอยต์จากปี 2022 นั่นไม่ใช่คำวิจารณ์ — แต่เป็นข้อความเกี่ยวกับลักษณะของสิ่งนี้ว่าเป็นอะไร: การเผยแพร่ผลงานวิจัยที่กำหนดเกณฑ์มาตรฐานและชุดข้อมูล แล้วก็หยุดอยู่เพียงเท่านั้น

ตระกูลนี้มีให้เลือกถึงห้าขนาด และความหลากหลายคือจุดสำคัญ:

• NLLB-200-distilled-600M — เช็กพอยต์ที่เล็กที่สุดที่ยังใช้งานได้ เล็กพอสำหรับ GPU ระดับแล็ปท็อป

• NLLB-200-distilled-1.3B และ NLLB-200-1.3B — คู่ระดับกลาง โดยตัวหนึ่งถูกกลั่นเพื่อความเร็ว และอีกตัวหนึ่งฝึกโดยตรง

• NLLB-200-3.3B — โมเดลแบบ dense ที่เป็นม้าทำงานหนัก ขนาดที่คนส่วนใหญ่ใช้งานจริง

• NLLB-200-54.5B — โมเดล sparse เรือธง: ผู้เชี่ยวชาญ 128 ตัวพร้อมการ gating แบบ top-2, ชั้น mixture-of-experts ในทุก ๆ บล็อก transformer ลำดับที่สี่ และการคำนวณต่อโทเค็นที่เทียบได้โดยประมาณกับโมเดล dense ขนาด 3.3B เป็นโมเดลแปลแบบเปิดที่ใหญ่ที่สุดในรุ่นเดียวกัน และยังคงเป็นเหตุผลที่ตระกูลนี้ถูกอ้างถึง

ชุดข้อมูลฝึกมีขนาดประมาณ 18 พันล้านคู่ประโยคขนาน และข้อกล่าวอ้างหลักของบทความคือ BLEU ดีขึ้น 44% เมื่อเทียบกับความล้ำสมัยก่อนหน้า โดยวัดจากทิศทางการแปลมากกว่า 40,000 ทิศทาง สถาปัตยกรรมเป็นทรานส์ฟอร์เมอร์แบบเอนโคเดอร์-ดีโคเดอร์ที่สร้างขึ้นสำหรับการแปลทีละประโยค ไม่มีโหมดสตรีมมิ่ง ไม่มีอินพุตเสียง และไม่มีแนวคิดเรื่องเอาต์พุตบางส่วน — ระบบรับประโยคหนึ่งประโยคและคืนประโยคหนึ่งประโยค

สัญญาอนุญาตคือ CC-BY-NC 4.0 และการ์ดโมเดลระบุเจตนาไว้อย่างตรงไปตรงมา: ไม่ได้เผยแพร่สำหรับการติดตั้งใช้งานในระบบจริง ไม่ได้มีไว้สำหรับการแปลเฉพาะโดเมน การแปลเอกสารทั้งฉบับ การแปลอินพุตยาว หรือการแปลที่ได้รับการรับรอง โค้ดที่อยู่รอบ ๆ เวตของโมเดลเป็น MIT แต่เวตไม่ได้เป็น MIT ซึ่งเป็นความสับสนที่ติดตามการเปิดตัวนี้มาเป็นเวลาสี่ปี

Hy-SimulMT จริง ๆ แล้วคืออะไร ณ สัปดาห์นี้

Hy-SimulMT มีลักษณะตรงกันข้ามกับอาร์ติแฟกต์ในแทบทุกมิติ เป็นโมเดลเสียงพูด: เสียงสตรีมเข้ามาที่ 16 kHz ในหน้าต่าง 30 วินาที และโมเดลจะส่งข้อความแปลออกมาขณะที่ผู้พูดยังพูดอยู่ สถาปัตยกรรมเป็น sparse mixture of experts ขนาด 30.4 พันล้านพารามิเตอร์ โดยมีพารามิเตอร์ที่ทำงานอยู่ประมาณ 3 พันล้านตัวต่อโทเคน ครอบด้วยตัวเข้ารหัสเสียง 24 ชั้น คู่ภาษาที่ระบุไว้คือภาษาจีนและภาษาอังกฤษ ทั้งสองทิศทาง

ข้อกล่าวอ้างหลักของมันคือความหน่วง ไม่ใช่ความครอบคลุม Tencent รายงานค่า StreamLAAL ประมาณสามวินาทีบนเสียง RealSI รูปแบบยาว โดยอธิบายว่าเป็นค่าที่ต่ำที่สุดในบรรดาระบบที่นำมาเปรียบเทียบ นั่นเป็นข้อกล่าวอ้างอีกประเภทหนึ่งที่ต่างจากสิ่งใด ๆ ในบทความ NLLB ซึ่งไม่มีการวัดความหน่วงเลยเพราะไม่มีอะไรให้วัด: ตัวแปลข้อความแบบแบตช์ไม่มีความล่าช้าตามหลังผู้พูด

รีลีสนี้ใช้ Apache-2.0 และไม่มีการจำกัดการเข้าถึง โดยมีเช็กพอยต์หกรายการที่ครอบคลุมรูปแบบเอาต์พุตสองแบบ — แบบแปลอย่างเดียว และแบบข้อความต้นฉบับพร้อมคำแปล — โดยแต่ละแบบมีให้ในความแม่นยำเต็มรูปแบบ, FP8 และ GGUF บิลด์ความแม่นยำเต็มรูปแบบมีขนาดประมาณ 61 GB และบิลด์ GGUF Q4_K_M มีขนาด 19.7 GB เอาต์พุตเสียงและการโคลนเสียงต้องใช้บริการ TTS แยกต่างหาก; ตัวโมเดลเองสร้างข้อความ

และเช่นเดียวกับ NLLB-200 มันไม่มี API แบบโฮสต์และไม่มีราคาที่เผยแพร่ ช่องทางสำหรับผู้บริโภคของ Tencent คือแอป Hy Translate ซึ่งมีแพ็กเกจฟรี ส่วนอย่างอื่นทั้งหมดหมายถึงการรันน้ำหนักโมเดลเอง

ทำไมคะแนนจึงไม่สามารถใช้คอลัมน์เดียวกันได้

สิ่งที่น่าล่อใจคือการนำคะแนนทั้งสี่ของ Hy-SimulMT ไปเทียบกับตัวเลข NLLB-200 ใดก็ตามที่หยิบได้ใกล้มือที่สุด จงต้านทานสิ่งนั้น และไม่ใช่เพียงเพราะความแตกต่างระหว่าง FLEURS/FLORES เท่านั้น สองโมเดลนี้กำลังถูกถามคำถามที่ต่างกัน

• รูปแบบอินพุต — Hy-SimulMT ได้รับอินพุตเป็นเสียง ดังนั้นคะแนนที่ได้จึงรวมข้อผิดพลาดจากการรู้จำเสียงไว้ด้วย ส่วน NLLB-200 ได้รับข้อความเป็นอินพุตซึ่งตัดข้อผิดพลาดจากการรู้จำออกไปแล้ว โมเดลเสียงและโมเดลข้อความที่ประมวลผลประโยคเดียวกันจึงไม่ได้เริ่มต้นจากจุดเดียวกัน

• เมตริก — Hy-SimulMT รายงานคะแนนในตระกูล BLEU บนชุดการแปลเสียงพูด; NLLB-200 รายงาน spBLEU, chrF++ และ XSTS บน FLORES-200 ตัวแยกโทเค็นของ spBLEU ถูกสร้างขึ้นมาโดยเฉพาะเพื่อให้การเปรียบเทียบข้ามภาษามีความยุติธรรม ซึ่งหมายความว่าไม่สามารถใช้แทนกันได้กับตัวเลข BLEU แบบธรรมดา แม้ทั้งสองจะถูกเรียกว่า BLEU ก็ตาม

• หน่วยของงาน — NLLB-200 ถูกประเมินทีละประโยคบนข้อความที่จัดแนวแล้ว Hy-SimulMT ถูกประเมินบนเสียงแบบสตรีมมิ่ง ซึ่งความล้มเหลวที่น่าสนใจไม่ใช่คำที่แปลผิด แต่เป็นประโยคที่มาถึงช้าเกินกว่าจะเป็นประโยชน์

• จำนวนทิศทาง — ทิศทางกว่า 40,000 ทิศทางของ NLLB-200 ถูกนำมาเฉลี่ยรวมในตัวเลขพาดหัว ขณะที่เบนช์มาร์กสี่ชุดของ Hy-SimulMT ครอบคลุมเฉพาะจีน↔อังกฤษเท่านั้น ค่าเฉลี่ยที่ครอบคลุมหางยาวกับคะแนนบนคู่ภาษาทรัพยากรสูงเพียงคู่เดียวสะท้อนถึงความสำเร็จที่ต่างชนิดกัน

แม้แต่ภายในตารางของตัวเอง Hy-SimulMT ก็ไม่ได้นำอย่างสม่ำเสมอเช่นกัน โดยได้ 75.5 บน CoVoST2 เทียบกับ 82.1 ของ Qwen3.8-LiveTranslate และตามหลัง Gemini3.5-LiveTranslate บน FLEURS (90.3 เทียบกับ 92.4) และ ACL6060 (81.2 เทียบกับ 82.6) ชัยชนะที่ชัดเจนที่สุดคือ RealSI-Sentence ที่ 84.7 ตัวเลขทั้งหมดเหล่านั้นเป็นการทดสอบที่ผู้ขายเป็นผู้ดำเนินการ ทำบนฮาร์เนสที่ Tencent เลือก และยังไม่มีการทำซ้ำอย่างอิสระ การ์ดโมเดลก็ไม่ได้ระบุว่าตัวเลขเหล่านั้นมาจากรูปแบบเอาต์พุตใดในสองแบบของโมเดล

ความหน่วงถูกวัดในหน่วยที่ NLLB ไม่มี

นี่คือส่วนที่ตัดสินว่าจะได้นำไปใช้งานจริงหรือไม่ และมันไม่เกี่ยวอะไรเลยกับคะแนน benchmark

ล่ามพร้อมแปลต้องแลกอะไรบางอย่างที่นักแปลแบบชุดไม่เคยต้องเผชิญ คือจะรอนานขึ้นแล้วแปลได้ดีขึ้น หรือจะพูดเร็วขึ้นแล้วเสี่ยงที่จะผิด {{1}}StreamLAAL{{/1}} วัดการแลกเปลี่ยนนี้ โดยประมาณว่าผลลัพธ์ตามหลังอินพุตมากแค่ไหนโดยเฉลี่ย สามวินาทีของ {{2}}Hy-SimulMT{{/2}} เป็นข้ออ้างเกี่ยวกับการแลกเปลี่ยนนี้ มันไม่เหมือนกับเวลาจนถึงเสียงพูดแรกอย่างชัดเจน และ {{3}}Tencent{{/3}} ระบุไว้เช่นนั้นบนการ์ดโมเดล เมื่อคุณเพิ่มบริการ {{4}}TTS{{/4}} ภายนอก ประสบการณ์ของผู้ฟังก็รวมความหน่วงของบริการนั้นด้วย ซึ่งตัวเลขสามวินาทีไม่ได้รวมไว้

NLLB-200 ไม่มีตัวเลขเทียบเท่า เพราะมันไม่มีเส้นทางสำหรับสตรีมมิง คุณสามารถต่อเติมเข้าไปได้: แบ่งเสียงเป็นชิ้นๆ รันการรู้จำเสียง ป้อนเศษประโยคให้ NLLB และส่งออกคำแปลเมื่อแต่ละส่วนเสร็จสิ้น สถาปัตยกรรมนั้นใช้งานได้ และทีมต่างๆ ก็ได้สร้างมันขึ้นมาแล้ว แต่การแบ่งเป็นชิ้นๆ ทำลายบริบทที่ตัวแปลระดับประโยคต้องพึ่งพา และคุณภาพที่ได้ก็ไม่ใช่คุณภาพที่วัดบน FLORES-200 ด้วยประโยคที่สมบูรณ์และมีโครงสร้างที่ดี ช่องว่างระหว่าง “NLLB-200 ได้คะแนน X บน FLORES” กับ “NLLB-200 ภายในไปป์ไลน์สดแบบแบ่งชิ้นฟังดูเหมือน Y” คือจุดที่ความพยายามทางวิศวกรรมส่วนใหญ่ทุ่มลงไปจริงๆ

นี่คือความไม่สมมาตรที่แท้จริง Hy-SimulMT ถูกออกแบบมาสำหรับกรณีการสตรีมมิ่ง และต้องแลกมาด้วยความครอบคลุมของภาษาและขนาดโมเดลระดับ 30B NLLB-200 ถูกออกแบบมาเพื่อความกว้างขวางของภาษา และต้องแลกมาด้วยอินเทอร์เฟซแบบแบตช์เท่านั้น ทั้งสองไม่ได้ล้าหลัง พวกมันถูกปรับให้เหมาะสมกับข้อจำกัดที่แตกต่างกัน

ความครอบคลุมเทียบกับความลึก

ข้อได้เปรียบที่ยั่งยืนของ NLLB-200 คือหางยาว (long tail) สองร้อยภาษา รวมถึงภาษาที่มีทรัพยากรต่ำซึ่งโมเดลส่วนใหญ่ในปี 2026 ไม่รองรับเลย ในตระกูลที่ขยายขนาดตั้งแต่เช็กพอยต์ 600M ไปจนถึง mixture of experts ขนาด 54.5B หากปัญหาของคุณคือเอกสารในภาษาที่มีผู้พูดเพียงไม่กี่ล้านคนและไม่มี API เชิงพาณิชย์ใดรองรับ NLLB-200 ก็ยังเป็นหนึ่งในตัวเลือกแบบเปิดไม่กี่ตัว และเช็กพอยต์แบบ dense ขนาด 3.3B สามารถรันบน GPU ขนาดเล็กเพียงตัวเดียว

Hy-SimulMT ไม่สามารถทำงานนั้นได้เลย เอกสารของมันครอบคลุมภาษาจีนและอังกฤษ เมทาดาทาบน Hugging Face ของมันมีแท็ก 36 ภาษา แต่ไม่มีการเผยแพร่รายชื่ออีก 34 ภาษา และทุกตัวอย่างในรีโพซิทอรีใช้ en-zh หรือ zh-en การวางแผนเปิดตัวแบบหลายภาษาโดยอาศัยเพียงแท็กนั้นถือเป็นความผิดพลาด

การคำนวณฮาร์ดแวร์ไปคนละทาง โมเดล dense ขนาด 3.3B ของ NLLB-200 มีขนาดเพียงไม่กี่กิกะไบต์ใน FP16 และใส่ได้สบายบนการ์ด 16–24 GB รุ่นเรือธง 54.5B ใช้ประมาณ 108 GB ใน FP16 — เป็นเรื่องของการใช้หลาย GPU ส่วน Hy-SimulMT ใช้ประมาณ 61 GB ใน BF16 และต้องใช้ตัวเร่งความเร็ว 80 GB เพื่อให้บริการตามที่จัดส่ง หรือ 19.7 GB ที่ Q4_K_M ผ่านเส้นทาง GGUF ซึ่งการรองรับใน llama.cpp ยังไม่ขึ้นสู่ upstream ดังนั้น NLLB-200 จึงถูกกว่าในระดับเล็กและเทียบได้ในระดับบน ขณะที่ต้นทุนของ Hy-SimulMT กระจุกตัวอยู่ตรงกลาง และแลกมากับความสามารถสตรีมมิ่ง

ใบอนุญาตชี้ไปในทิศทางตรงกันข้าม

นี่ไม่ใช่แกนหลักของการเปรียบเทียบ — โมดัลลิตีต่างหากที่เป็น — แต่มันเป็นวิธีที่เร็วที่สุดในการตัดหนึ่งในนั้นออกจากการพิจารณาสำหรับผลิตภัณฑ์เชิงพาณิชย์

เวตของ NLLB-200 อยู่ภายใต้ CC-BY-NC 4.0 ซึ่งใช้ได้เฉพาะเพื่อการไม่แสวงหาผลกำไร โค้ดที่ล้อมรอบอยู่ภายใต้ MIT ซึ่งเป็นที่มาของความสับสน แต่สิ่งที่คุณจะนำไปให้บริการคือเวต และการ์ดของ Meta ระบุไว้ชัดเจนว่าโมเดลเหล่านี้ไม่ได้เผยแพร่สำหรับการปรับใช้ในสภาพแวดล้อมการผลิต การปรับใช้เชิงพาณิชย์จึงต้องใช้โมเดลอื่นหรือจัดทำข้อตกลงด้านใบอนุญาต

Hy-SimulMT เป็น Apache-2.0 แบบไม่จำกัดการเข้าถึง อนุญาตให้ใช้เชิงพาณิชย์ ดัดแปลง และเผยแพร่ต่อได้ Tencent มาพร้อมชุดเครื่องมือสำหรับการฝึกควบคู่กับเซิร์ฟเวอร์อินเฟอเรนซ์ ดังนั้นการฝึกต่อเนื่องจึงเป็นวัตถุประสงค์การใช้งานที่ตั้งใจไว้ หากพิจารณาเฉพาะสัญญาอนุญาตในการเลือกระหว่างทั้งสองแล้ว ถือว่าไม่สูสีเลย

ที่ที่พวกมันควรอยู่ในสแต็กเดียวกัน

เหตุผลที่การเปรียบเทียบคู่นี้ยังถูกค้นหาอยู่คือ ทีมต่างๆ เจอปัญหาทั้งสองแบบในผลิตภัณฑ์เดียวกัน บริษัทที่มีการดำเนินงานทั้งภาษาจีนและอังกฤษจำเป็นต้องมีล่ามสดสำหรับการประชุม และไปป์ไลน์ข้อความสำหรับเอกสารที่เข้ามาใน 200 ภาษา ซึ่งมาทางอีเมล สัญญา และตั๋วสนับสนุน สองสิ่งนั้นเป็นงานที่แตกต่างกัน และสถาปัตยกรรมที่ตรงไปตรงมาใช้สองโมเดลที่แตกต่างกัน

NLLB-200 หรือผู้สืบทอดรุ่นใหม่ จัดการเส้นทางข้อความแบบออฟไลน์ ได้แก่ การแปลแบบเป็นชุด การระบุภาษา การคัดแยกคลังข้อความ และกลุ่มภาษาที่เหลือจำนวนมาก Hy-SimulMT จัดการเส้นทางเสียงพูดสดจีน↔อังกฤษ ซึ่งความหน่วงเป็นปัจจัยชี้ขาดและความครอบคลุมไม่สำคัญ เพราะในห้องมีเพียงสองภาษาเท่านั้น เส้นแบ่งระหว่างทั้งสองคือการตัดสินใจด้านการกำหนดเส้นทาง และควรระบุไว้อย่างชัดเจนแทนที่จะปล่อยให้แอปพลิเคชันอนุมานเองจากประเภทไฟล์

ไม่มีโมเดลใดอยู่ในแคตตาล็อกของ OrcaRouter เราจึงไม่ใช่เส้นทางไปยังโมเดลทั้งสองนั้น สิ่งที่เราเตอร์มอบให้คือรอยต่อรอบ ๆ โมเดลเหล่านี้: API เดียวที่อยู่หน้าโมเดลที่โฮสต์ไว้กว่า 200 รายการ โดยบวกกำไร 0% ราคาตามรายการของผู้ให้บริการถูกส่งต่อโดยไม่มีการบวกเพิ่ม และ DSL สำหรับกำหนดเส้นทางที่ตัดสินว่าแต่ละคำขอจะไปเส้นทางไหน ส่วนหลังนี้ดูธรรมดาแต่มีประโยชน์ — คำขอแบบข้อความจะถูกส่งต่อไปยังโมเดลทั่วไปที่โฮสต์ไว้ คำขอแบบเสียงจะไปยังอินเทอร์พรีเตอร์ที่คุณโฮสต์เอง และแอปพลิเคชันไม่จำเป็นต้องรู้ว่าอันไหนเป็นอันไหน การสลับสำรองอัตโนมัติครอบคลุมกรณีที่ขาฝั่งโฮสต์ใช้งานไม่ได้ แต่คำขอยังต้องส่งคืนอะไรบางอย่าง

เนื่องจากขาเชื่อมแบบโฮสต์คิดราคาตามลิสต์ของผู้ให้บริการโดยไม่มีการบวกเพิ่ม การลดราคาจากผู้ขายฝั่งข้อความจึงมีผลฝั่งเราในวันเดียวกัน เรื่องนี้ดูเป็นเรื่องเล็ก จนกว่าคุณจะต้องจัดเส้นทางทราฟฟิกเอกสารในปริมาณมาก และทางเลือกอื่นคือการเจรจาสัญญาใหม่ทุกครั้งที่ผู้ให้บริการเปลี่ยนตารางราคา

สิ่งที่ควรถามก่อนเลือกอย่างใดอย่างหนึ่ง

คำถามไม่ใช่โมเดลไหนดีกว่า แต่เป็นคำถามสองข้อ และทั้งสองข้อมีคำตอบที่แตกต่างกัน

หากอินพุตเป็นเสียงที่ยังคงไหลเข้ามา และภาษาคือภาษาจีนกับภาษาอังกฤษ คำตอบคือ Hy-SimulMT — และคำถามด้านการนำไปใช้งานก็กลายเป็นว่าจะเลือกเช็กพอยต์ตัวใดจากหกตัว ซึ่งเป็นการตัดสินใจเกี่ยวกับรูปร่างของเอาต์พุตและความแม่นยำมากกว่าคุณภาพ หากอินพุตเป็นข้อความในภาษาที่คุณยังระบุไม่ได้ ในชุดภาษาที่รวมถึงภาษาทรัพยากรต่ำ NLLB-200 ยังคงเป็นฐานเปิดที่ชอบด้วยเหตุผลแม้เวลาจะผ่านไปสี่ปี โดยมีเงื่อนไขว่าใบอนุญาตแบบไม่ใช้เชิงพาณิชย์นั้นเหมาะสม และคุณยอมรับอินเทอร์เฟซแบบแบตช์

สิ่งที่ยังไม่เคยมีใครตีพิมพ์คือสะพานเชื่อม: การรู้จำเสียงที่ป้อนให้ NLLB-200 บนเสียงจีน↔อังกฤษ ประเมินบนเกณฑ์มาตรฐานการสตรีมชุดเดียวกับ Hy-SimulMT โดยรายงานความหน่วงและคุณภาพไปพร้อมกัน การทดลองนั้นจะบอกได้ว่าตัวแปลข้อความจากปี 2022 ที่ห่อหุ้มด้วยฮาร์เนสการสตรีมจากปี 2026 จะแข่งขันกับล่ามที่สร้างขึ้นมาเพื่อจุดประสงค์นี้โดยเฉพาะได้หรือไม่ และยังจะเป็นการเปรียบเทียบสองโมเดลนี้อย่างตรงไปตรงมาครั้งแรกด้วย ซึ่งยังไม่มีอยู่จริงในตอนนี้

สิ่งสุดท้ายที่ควรพูดตรงๆ ก็คือ เพราะชื่อ benchmark ที่คล้ายกันจนต่างกันแค่ตัวอักษรเดียวจะยังก่อให้เกิดการเปรียบเทียบที่ผิดพลาดต่อไป โมเดลที่ชนะบน FLEURS ได้แสดงให้เห็นบางสิ่งเกี่ยวกับการแปลเสียงภายใต้ฮาร์เนสเฉพาะชุดหนึ่ง โมเดลที่ทำคะแนนได้ดีบน FLORES-200 ได้แสดงให้เห็นบางสิ่งเกี่ยวกับการแปลข้อความข้าม 200 ภาษา ผลลัพธ์ทั้งสองไม่สามารถถ่ายทอดไปใช้งานในงานของอีกฝ่ายได้ และผู้ให้บริการรายที่เผยแพร่ผลทั้งสองบนเสียงชุดเดียวกัน ด้วยเมตริกเดียวกัน และการคิดความหน่วงแบบเดียวกัน จะเป็นรายแรกที่ทำให้การเปรียบเทียบนี้มีความหมายอย่างแท้จริง