Hy-SimulMT-30B-A3B 对比 North Small Translate 1.0：两大模型，一份可交付的许可证

比较Hy-SimulMT-30B-A3B和North Small Translate 1.0的最快捷方式，是看你在决定喜欢它们之后会发生什么。腾讯的模型采用 Apache-2.0：下载、微调、放进产品、收费，无需任何沟通。Cohere 的模型采用 CC BY-NC 4.0：非商业用途免费，但需通过联系表单申请，商业部署则须经由 Cohere 或其合作伙伴 RWS 的付费许可。两者都是大型稀疏混合专家模型，大多数团队无法随意运行。其中只有一个能在周二下午无需打一通采购电话就交付上线，而这种不对称性比任何一行基准测试成绩都更能左右部署决策。

它们做的事情也不相同，这使许可证比较变得更鲜明，而非更模糊。North Small Translate 1.0 由 Cohere 于 2026 年 9 月 10 日发布，是一款文档级文本翻译器：总参数 2180 亿，激活参数 250 亿，输入窗口为 16,000 个 token，并且不同寻常的是，输出窗口也为 16,000 个 token，支持 50 种语言。Hy-SimulMT-30B-A3B 由腾讯于 2026 年 10 月 22 日以权重形式发布，是一款语音模型：它以 30 秒为窗口聆听中文或英文音频，并在说话者仍在讲话时生成另一种语言。一个翻译合同；另一个翻译对话。两者的重叠比共同的“翻译模型”标签所暗示的要小。

“小”的两种不同定义

Cohere 的名字是相对于其自家旗舰模型而言的。与前沿通用模型相比，2180 亿参数、其中 250 亿为激活参数，算是小的——它旨在实现较低的每 token 成本和较快的速度，刻意不具备推理能力，Cohere 报告其输出速度约为每秒 112 个 token。但与你会在工作站上运行的任何东西相比，它又极其庞大。Cohere 建议的硬件是在 W4A4 下使用一块 B200 或两块 H100；模型卡中按精度给出的最低配置更高，BF16 列为四块 B200 或八块 H100。仅 FP8 权重集就约为 218 GB。

Tencent 的“30B-A3B”指 304 亿总参数、每个 token 约 30 亿激活参数；它在对服务成本唯一有意义的维度上算是小：每个 token 只激活约十分之一的网络。在计入 KV cache 之前，BF16 权重仍有约 61 GB，因此 80 GB 加速卡仍是实际下限，而已发布的 FP8 版本才让更小的卡进入可用范围。这两个模型都不像 440 MB 的端侧翻译器那样小。它们之间的差异是总参数相差一个数量级、激活参数相差八倍，这改变的是硬件成本，而不是类别。

每个在其上下文中做什么

North Small Translate 1.0 最主打的特性是输出长度。一万六千 token 输入、一万六千 token 输出，意味着整份报告、手册或合同都能作为一个整体输入、整篇译出，全文术语和语气保持一致，因为模型可以一次性看到全部内容。Cohere 的长上下文评测显示，在这类任务上它得分 48.9，而 Google Translate 为 21.3，Gemma 4 31B 为 19.4。正是这项能力让这样的参数量物有所值：不是更好的句子，而是更好的文档。

Hy-SimulMT-30B-A3B 与上下文的关系几乎截然相反。其音频编码器在 16 kHz 下每个窗口最多接受 480,000 个采样点——即三十秒——而其生成配置默认每步生成六十四个新 token。该模型的设计目标是尽早定型并保持节奏，而不是把一份文档始终保持在视野中。其最大位置嵌入数量为 262,144，但模型卡并未公布可用的上下文长度，而且对于流式音频而言，这个数字几乎无关紧要。如果你的工作单元是一份 40 页的手册，那么从设计上它就是错误的工具。如果你的工作单元是一句仍在被说出的话，那么它是两者中唯一适用的。

许可证才是更显著的区别

Apache-2.0 应用于腾讯的权重，其宽松程度几乎达到了开放权重的极限：商业使用、修改、再分发和衍生模型均被允许，同时有标准例外：捆绑的第三方组件仍遵循其自身条款。许可证文件明确说明，Hy-SimulMT 指的是腾讯发布的推理代码、参数和权重，并且除了其所附带组件本身的限制外，不施加任何额外限制。仓库中没有可接受使用附加条款，下载也没有任何门槛。

Cohere 的 CC BY-NC 4.0 则是另一种不同的协议工具。非商业用途免费；商业用途需获得许可，且模型权重设有访问门槛。评论者指出，“非商业”的解读可以宽泛到涵盖可产生收益的产出——例如带广告的配音视频——这使得这条边界成了一个法律问题，而非工程问题。Cohere 通过自有销售渠道以及 RWS Language Weaver 的 Model Vault 出售商业访问权限，且未公开列出价格。

直白地说：如果你正在打造一款产品，腾讯的模型是可以当天评估、当天部署的，而 Cohere 的模型则是可以先评估、然后再谈条件的。这并不代表 Cohere 的模型更差——一家已经与 RWS 有合作关系的公司，可能会觉得其商业路径很直接——但这确实改变了操作顺序，也意味着这两个模型很少会因为同样的原因被同一个团队同时列入候选名单。

这些基准不能相互对立。

把 Cohere 在 WMT26 上 83.60 的分数，与腾讯在 RealSI-Sentence 上 84.7 的分数并列，然后宣布胜者，这很诱人。但请克制这种冲动。这两个数字来自不同的任务、不同的指标和不同的评审方。Cohere 的数字来自其自己对 WMT26 全语言集的评估，由 GPT-5.6-Sol 作为自动评审打分，其中智能体式多轮工作流为 84.36；该模型发布时，官方 WMT26 人工评估尚未公布。腾讯的 84.7 是 RealSI-Sentence 上的语音翻译分数，只是厂商自行运行的表格中的一列，同一表格中还有 90.3 的 FLEURS、75.5 的 CoVoST2 和 81.2 的 ACL6060。两家公司的数字都尚未被独立实验室复现。

能说的是，这些结论具有方向性。Cohere 发布了一张列出具名竞品的对比表——DeepL NextGen 为 81.37，Qwen 3.5 397B A17B 为 81.56，Google Translate 为 68.20——全部由同一评判模型打分，因此即便评判者本身是语言模型，这一排名在内部也是自洽的。腾讯发布了一张在四个语音基准上比较九个系统的表，每一列都把自家模型加粗，并谨慎地加了一句说明：它并未在 CoVoST2 上胜出。两者都是营销材料。Cohere 的那份对于在文本翻译器之间做选择更有用；腾讯的那份则是这款语音模型目前唯一存在的证据。

部署和成本，逐点说明

• 总参数量——Hy-SimulMT-30B-A3B：30.4B，稀疏 MoE，激活参数约 3B；North Small Translate 1.0：总参数量 218B，激活参数 25B。

• 权重占用 — Hy-SimulMT：已发布 BF16、FP8 和 GGUF 版本，约 61 GB；North：FP8 版本约为 218 GB，另有 BF16 和 NVFP4 变体。

• 硬件 — Hy-SimulMT：实际上一块 80 GB 加速器；North：根据 Cohere 的建议配置，在 W4A4 下为一颗 B200 或两颗 H100，BF16 下则更高。

• 上下文 — Hy-SimulMT：三十秒音频窗口，未发布可用的文本上下文；North：16K 输入，16K 输出。

• 语言 — Hy-SimulMT：语音方面记录了中文和英语，元数据中标记了 36 种；North：50 种。

• 许可证 — Apache-2.0，无限制，对比 CC BY-NC 4.0，有限制，需要商业许可证。

• 托管 API —— 两者均不在 OrcaRouter 的目录中，我们也不托管其中任何一个。腾讯未发布 Hy-SimulMT 的端点或价格；Cohere 通过 Model Vault 提供商业访问，但没有公开的价目表。

在这类构建中，路由器真正体现价值的地方是在翻译本身的下游。使用 North 的文档流水线，或基于 Hy-SimulMT 构建的会议流水线，仍然需要一位审校者：用第二个模型来检查术语、标出遗漏，并将译文与原文进行对比。把这项检查作为向另一家供应商发起的单独调用，正是 OrcaRouter 所擅长的多模型工作流——一个 API 接入 200+ 个模型，0% 加价基于供应商标价，审校供应商临时出问题时自动故障转移，以及当你想要一个评审小组而非单一评审者时进行模型融合。翻译器只是一个节点；围绕它的质量控制才是路由决策所在。

如何选择

如果任务是翻译文档，那么决策从头到尾都取决于许可证。能够购买商业许可证并且需要 16K 输出的团队，应该认真考虑 North Small Translate 1.0——其输出窗口是一项大多数翻译模型都不具备的真实能力。需要无需谈判即可交付，或者希望进行微调并再分发的团队，在这里只有一个选择，而它恰好是参数规模只有十分之一的那个。

如果任务是实时语音，这种比较就不成立了。North Small Translate 1.0 不接受音频，没有流式模式，而对于一个返回文档的模型来说，三秒延迟的说法毫无意义。Hy-SimulMT-30B-A3B 是两者中唯一能参与会议的，而且它的 Apache-2.0 许可证意味着你无需征得任何人的许可，就能弄清楚它是否有效。这是一个范围很窄的结论，但也是一个诚实的结论：这些模型是为不同的房间而构建的，而许可证只是让选择更加鲜明。