Hy-SimulMT-30B-A3B vs Tencent Hy-MT2-7B: Mức giá bạn có thể báo so với mức giá bạn không thể

Hỏi một giờ phiên dịch Trung-Anh tốn bao nhiêu và hai mô hình trong so sánh này cho bạn những kiểu câu trả lời hoàn toàn khác nhau. Tencent Hy-MT2-7B, được mã nguồn mở vào ngày 21 tháng 5 năm 2026, có bảng giá: 0,074 USD trên mỗi triệu token đầu vào và 0,295 USD trên mỗi triệu token đầu ra trên API được lưu trữ của Tencent. Hy-SimulMT-30B-A3B, được công bố dưới dạng trọng số vào ngày 22 tháng 10 năm 2026, hoàn toàn không có giá được công bố — không có endpoint, không có mức giá theo token, không có danh sách trên đám mây công cộng. Bạn có thể lập ngân sách cho 7B đến từng xu. Đối với mô hình giọng nói, bạn phải lập ngân sách một GPU, và con số bạn đưa ra phụ thuộc hoàn toàn vào những gì bạn đã sở hữu.

Sự khác biệt đó không chỉ là một chi tiết mua sắm. Nó phản ánh hai sản phẩm khác nhau với hai cấu trúc chi phí khác nhau. 7B là một trình dịch văn bản được định giá như một tiện ích: bạn trả tiền theo token, bạn mở rộng theo khối lượng, và chi phí biên của thêm một tài liệu gần như bằng không. Hy-SimulMT là một hệ thống thời gian thực được định giá như cơ sở hạ tầng: bạn trả tiền cho một bộ tăng tốc theo giờ bất kể có ai đang nói hay không, và chi phí biên của thêm một cuộc họp gần như không đáng kể chỉ vì cỗ máy đã chạy sẵn. So sánh chúng bằng số lượng tham số là bỏ lỡ điểm mấu chốt. So sánh chúng bằng chi phí thực tế của một giờ làm việc mới là toàn bộ lập luận.

7B là gì và chi phí trên mỗi token là bao nhiêu

Tencent Hy-MT2-7B là mẫu giữa trong dòng mô hình văn bản Hy-MT2, một bộ giải mã dày đặc 7 tỷ tham số được huấn luyện để dịch trên 33 ngôn ngữ cùng năm ngôn ngữ dân tộc thiểu số và phương ngữ Trung Quốc. Mô hình có ngữ cảnh làm việc 8.192 token, hỗ trợ đầu ra có cấu trúc thông qua response_format và không hỗ trợ gọi hàm. Ở BF16, mô hình cần khoảng 15 GB bộ nhớ tăng tốc, khoảng 8 GB ở FP8 và vài gigabyte ở dạng GGUF — một GPU tầm trung duy nhất, hoặc CPU nếu bạn kiên nhẫn.

Chất lượng do nhà cung cấp báo cáo của nó nằm sát mức tiên tiến nhất trên các benchmark mà Tencent đã chọn. Trên FLORES-200, nó đạt 86.89 XCOMET-XXL, con số mà Tencent trình bày là khoảng 97.9% của Gemini 3.1 Pro ở chế độ thinking. Trên DomainMTBench, nó báo cáo 94.92 và 92.79 trên hai split; trên IFMTBench, bộ kiểm thử tuân thủ chỉ dẫn do Tencent xây dựng cho dòng này, 83.14 tổng thể. Chưa có con số nào trong số này được tái lập một cách độc lập. Đây là các con số của nhà cung cấp, và chúng mô tả một mô hình giỏi dịch có kiểm soát — bảng thuật ngữ, ngữ vực, đầu ra có cấu trúc — đúng là khoảng cách phân tách mô hình 7B với mô hình 1.8B bên dưới nó.

Với mức giá của dịch vụ được lưu trữ, một triệu token đầu vào tốn bảy xu và một triệu token đầu ra tốn dưới ba mươi xu. Với công việc văn bản, mức đó gần như miễn phí. Câu hỏi thú vị là điều gì xảy ra khi đầu vào không phải là văn bản.

Số học của một giờ nói, theo cả hai chiều

Một giờ nói liên tục tương ứng với khoảng 9.000 từ tiếng Anh, tức vào khoảng 12.000 token. Đưa lượng đó qua Tencent Hy-MT2-7B theo giá niêm yết thì bản thân việc dịch tốn khoảng nửa xu: khoảng $0.0009 cho đầu vào và $0.0035 cho đầu ra, nên có thể tính là $0.0044. Kể cả khi bạn ước lượng token lệch gấp đôi, con số vẫn chỉ là một phần nhỏ của một xu.

Nhưng 7B không thể nghe. Một pipeline văn bản bắt đầu bằng bộ nhận dạng, và một bộ nhận dạng chạy trên dịch vụ thường tốn vài phần mười xu mỗi phút, khiến một giờ âm thanh rơi vào khoảng dưới một đô-la trước cả khi trình dịch chạy. Đó là chỉnh sửa trung thực đầu tiên cho câu chuyện “7B rẻ hơn”: trong một hệ thống nối tiếp, trình dịch không phải là khâu đắt đỏ. Bộ nhận dạng mới là. Chỉnh sửa thứ hai là độ trễ — một hệ thống nối tiếp chờ đến ranh giới câu, phiên âm, dịch và hiển thị sẽ theo sau người nói nhiều hơn một mô hình đồng thời, và không lượng token rẻ nào khắc phục được điều đó.

Hy-SimulMT-30B-A3B đảo ngược cấu trúc chi phí. Không có hóa đơn theo token vì không có dịch vụ được lưu trữ; bạn thuê hoặc sở hữu phần cứng. Trọng số BF16 khoảng 61 GB trước KV cache, nên một bộ tăng tốc 80 GB là mức sàn thực tế, và một card đơn được thuê với giá từ khoảng 2 đô la một giờ tại một đám mây GPU chuyên dụng đến hơn 10 đô la trong danh sách theo yêu cầu của một nhà cung cấp siêu quy mô. Ở mức thấp, một giờ họp tốn khoảng 2 đô la chi phí tính toán; ở mức cao, một giờ tốn một giờ thuê. Cả hai con số đều giả định máy được dành riêng cho cuộc họp đó, đây là trường hợp xấu nhất — một máy chủ xử lý nhiều luồng đồng thời sẽ chia nhỏ chi phí. Chạy bản dựng FP8 trên một card nhỏ hơn lại hạ thấp mức sàn.

Vậy phép so sánh là khoảng $0,30–$1,00 mỗi giờ họp đối với mô hình xếp tầng, chủ yếu do nhận dạng chi phối, so với $2–$12 mỗi giờ họp đối với mô hình đồng thời, chủ yếu do GPU chi phối. Đó là khác biệt thực sự từ một đến hai bậc độ lớn, và đây là cách nhìn đúng: bạn không trả tiền để có bản dịch tốt hơn, bạn trả tiền để có ba giây độ trễ thay vì mười lăm giây. Các nhóm cần độ trễ đó sẽ trả. Các nhóm không cần thì đang mua một bộ tăng tốc để giải quyết một vấn đề mà họ không có.

Chất lượng: hai thước đo khác nhau

Không có cách nào trung thực để đặt điểm 86.89 trên FLORES-200 của Tencent Hy-MT2-7B bên cạnh điểm 84.7 của Hy-SimulMT trên RealSI-Sentence. Một bên đo dịch văn bản so với bản tham chiếu; bên kia đo dịch giọng nói trên một benchmark được xây dựng cho âm thanh truyền trực tuyến. Chúng chỉ giống nhau ở định dạng số và không có gì khác. Điều có thể so sánh là hình thái của bằng chứng. Mô hình 7B có một bảng công bố đầy đủ trên FLORES-200, WMT25, DomainMTBench và IFMTBench, tất cả đều do nhà cung cấp tự thực hiện. Mô hình giọng nói có một bảng bốn cột trên FLEURS, CoVoST2, ACL6060 và RealSI-Sentence, cũng do nhà cung cấp tự thực hiện, cộng với một so sánh con người với sáu phiên dịch viên chuyên nghiệp mà chính Tencent mô tả là quy mô nhỏ và chỉ giới hạn ở các mẫu được sử dụng. Cả hai đều không có xác minh độc lập.

Điểm duy nhất mà hai dòng sản phẩm thực sự giao nhau là chất lượng dịch trên tiếng Trung và tiếng Anh. 7B là bản dịch văn bản mạnh hơn theo mọi thước đo mà Tencent công bố, bao gồm cả khả năng tuân theo chỉ dẫn, nơi điểm 83,14 trên IFMTBench của nó cao hơn 1.8B mười bốn điểm. Lợi thế của mô hình giọng nói không nằm ở chất lượng mà ở thời điểm: nó tạo ra bản dịch dùng được trong khi câu vẫn đang được nói, và nó có thể truyền giọng của người nói qua dịch vụ TTS nếu có cấu hình. Nếu âm thanh của bạn đã được chuyển thành văn bản và ngân sách độ trễ của bạn tính bằng phút, thì 7B là bản dịch tốt hơn. Nếu ngân sách độ trễ của bạn tính bằng giây, thì 7B không có cửa, bất kể điểm số của nó.

Triển khai và chi phí, song song

• Thông số — Hy-SimulMT-30B-A3B: tổng 30,4B, khoảng 3B được kích hoạt, MoE thưa với bộ mã hóa âm thanh; Tencent Hy-MT2-7B: 7B dense, chỉ văn bản.

• Bộ nhớ — Hy-SimulMT: ~61 GB BF16, bản dựng FP8 đã được phát hành; Hy-MT2-7B: ~15 GB BF16, ~8 GB FP8, vài GB ở định dạng GGUF.

• Ngữ cảnh — Hy-SimulMT: cửa sổ âm thanh ba mươi giây; Hy-MT2-7B: 8,192 token.

• Độ trễ — Hy-SimulMT: khoảng 3 giây StreamLAAL, theo báo cáo của nhà cung cấp; Hy-MT2-7B: văn bản vào, văn bản ra, với độ trễ ASR của một quy trình xếp tầng nằm phía trước.

• Ngôn ngữ — Hy-SimulMT: tiếng Trung và tiếng Anh được ghi nhận cho giọng nói; Hy-MT2-7B: 33 ngôn ngữ cùng năm ngôn ngữ thiểu số và phương ngữ.

• Giá — Hy-SimulMT: không công bố; Hy-MT2-7B: $0.074 mỗi triệu token đầu vào, $0.295 mỗi triệu token đầu ra.

• Giấy phép — vừa là Apache-2.0 vừa không bị hạn chế, đều có thể tinh chỉnh và phân phối lại.

Cả hai mô hình đều không có trong danh mục của OrcaRouter và chúng tôi không tự vận hành mô hình nào. Chênh lệch giá vẫn là lý do để quan tâm đến việc định tuyến ở đây. Tencent định giá các API dịch của mình rất mạnh tay và thay đổi các mức giá đó: vào ngày 12 tháng 6 năm 2026, họ giảm Hy-MT2-Pro xuống ¥0,5 mỗi triệu token đầu vào và ¥2 mỗi triệu token đầu ra, tức giảm 66,7% ở đầu vào và 55,6% ở đầu ra. OrcaRouter chuyển tiếp giá niêm yết của nhà cung cấp với mức chênh 0%, nên một đợt giảm giá như vậy có hiệu lực ở phía chúng tôi ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo, và cơ chế chuyển đổi dự phòng tự động có nghĩa là sự cố của một nhà cung cấp không làm sập pipeline dịch. Đối với một khối lượng công việc mà chi phí bị chi phối bởi đơn giá theo token, khác biệt giữa mức chênh 0% và 20% chính là toàn bộ biên lợi nhuận.

Cái nào mà ngân sách độ trễ của bạn chọn

Hãy bắt đầu với ngân sách. Nếu câu trả lời là "giây", thì không có gì về giá của 7B là quan trọng — một cascade không thể tạo ra luồng đồng thời mà không có bộ nhận dạng streaming và một chính sách phân đoạn do bạn xây dựng và tinh chỉnh, và ngay cả khi có thì nó vẫn sẽ bị chậm hơn. Hy-SimulMT-30B-A3B là mô hình duy nhất trong hai mô hình này được xây dựng cho ràng buộc đó, giấy phép Apache-2.0 của nó nghĩa là bạn có thể kiểm tra tuyên bố đó trên âm thanh của chính mình, và chi phí là một GPU tính theo giờ. Hãy lấy ngân sách $2–$12 mỗi giờ họp làm giả định ban đầu và đối chiếu với mức sử dụng thực tế của bạn.

Nếu câu trả lời là “phút”, thì 7B thắng trên mọi phương diện quan trọng: chi phí, bộ nhớ, độ phủ ngôn ngữ, khả năng tuân theo chỉ dẫn đã được ghi nhận, và việc có một mức giá mà bạn có thể đưa vào bảng tính. Hãy trả tiền cho bộ nhận dạng, trả nửa xu cho bản dịch, và dùng phần chênh lệch cho bước đánh giá. Phần lớn công việc dịch thuật ở phần lớn công ty vẫn là kiểu thứ hai này, đó là lý do một mô hình bảy tỷ tham số có bảng giá có khả năng sẽ tồn tại lâu hơn một mô hình ba mươi tỷ tham số mà đặc điểm thú vị nhất của nó là chưa có bảng giá.