Hy-SimulMT-30B-A3B 对比 Tencent Hy-MT2-7B：你能报出的价格，对比你报不出的价格

问一小时中译英口译要花多少钱，这次比较中的两个模型会给出完全不同类型的答案。Tencent Hy-MT2-7B于2026年5月21日开源，并附有价目表：在腾讯的托管 API 上，每百万输入 token 收费 $0.074，每百万输出 token 收费 $0.295。Hy-SimulMT-30B-A3B于2026年10月22日以权重形式发布，却完全没有公布价格——没有端点，没有按 token 计费的价格，也没有公开的云服务上架信息。7B 的预算可以精确到美分。至于语音模型，你必须把一块 GPU 纳入预算，而最终算出的数字完全取决于你已拥有什么。

这种差异不只是采购细节。它反映的是两个拥有不同成本结构的不同产品。7B 是一个文本翻译器，定价方式像公用事业：你按 token 付费，随用量扩展，多处理一份文档的边际成本几乎为零。Hy-SimulMT 是一个实时系统，定价方式像基础设施：你按小时为加速器付费，无论是否有人在说话；而多开一场会议的边际成本几乎为零，仅仅是因为机器已经在运行。用参数数量来比较它们没有抓住重点。按一小时工作真正花费多少来比较，才是整个论点所在。

7B 是什么，以及它每 token 的成本是多少

腾讯 Hy-MT2-7B 是 Hy-MT2 文本家族中的“老二”，是一个稠密的 70 亿参数解码器，训练用于 33 种语言以及五种中国少数民族语言和方言的互译。它拥有 8,192 token 的工作上下文，可通过 response_format 支持结构化输出，但不支持函数调用。在 BF16 精度下，它大约需要 15 GB 的加速器内存，FP8 下约 8 GB，而 GGUF 格式只需几 GB —— 一块中端 GPU 就够，如果你有耐心，用 CPU 也行。

腾讯所选基准上，其厂商报告的质量接近前沿水平。在 FLORES-200 上，它的 XCOMET-XXL 得分为 86.89，腾讯称这大约相当于思考模式下 Gemini 3.1 Pro 的 97.9%。在 DomainMTBench 上，它报告两个划分上的得分分别为 94.92 和 92.79；在 IFMTBench——腾讯为该系列构建的指令遵循测试套件——上，总体得分为 83.14。这些数据均未被独立复现。它们是厂商的数据，描述的是一个擅长受控翻译的模型——术语表、语域、结构化输出——而这正是将 7B 与位于其下方的 1.8B 区分开来的差距。

按托管费率计算，一百万输入 token 花费七美分，一百万输出 token 花费不到三十美分。对于文本工作来说，这几乎免费。有趣的问题是，当输入不是文本时会发生什么。

一小时讲话的算术，双向皆然

连续讲话一小时大约会产生 9,000 个英文单词，约合 12,000 个 token。按标价把这部分内容交给腾讯 Hy-MT2-7B 处理，翻译本身的花费约为半美分：输入约 $0.0009，输出约 $0.0035，所以可以算作 $0.0044。即使你对 token 数量的估算偏差达到两倍，这个数字仍然只是不到一美分的零头。

但 7B 听不见。文本流水线从识别器开始，而托管识别器通常每分钟只需零点几美分，这使得一小时的音频在翻译器还没开始运行之前，成本就已经低于一美元。这是对“7B 更便宜”这一说法的第一个诚实纠正：在级联方案中，翻译器并不是昂贵的环节。识别器才是。第二个纠正是延迟——一个等待句子边界、先转写、再翻译并显示的级联方案，会比同传模型更滞后于说话人，再便宜的 token 也弥补不了这一点。

Hy-SimulMT-30B-A3B 彻底改变了成本结构。这里没有按 token 计费，因为不存在托管服务；硬件由你租用或自有。BF16 权重在 KV 缓存之前约为 61 GB，因此 80 GB 加速卡是现实中的最低配置，而单卡租用价格从专业 GPU 云上大约每小时 2 美元，到超大规模云服务商按需价目表上的 10 美元以上不等。按低端算，一小时的会议计算成本约为 2 美元；按高端算，一小时的成本就是一小时的租用费。这两个数字都假设机器专用于该场会议，而这是最坏情况——一台服务器处理多个并发流会分摊成本。在更小的卡上运行 FP8 版本会再次拉低这一下限。

所以这个对比大致是：级联方案每会议小时约 0.30–1.00 美元，成本主要花在识别上；而同传模型每会议小时要 2–12 美元，成本主要花在 GPU 上。这是实打实的一到两个数量级的差距，而且这才是正确的理解框架：你花钱买的不是更好的翻译，而是三秒延迟而不是十五秒。需要这种低延迟的团队会愿意掏这笔钱；不需要的团队，买的其实是一台加速器，用来解决一个他们根本不存在的问题。

质量：两把不同的尺子

要把腾讯 Hy-MT2-7B 在 FLORES-200 上的 86.89 分与 Hy-SimulMT 在 RealSI-Sentence 上的 84.7 分并列比较，没有任何诚实的方式。前者衡量的是文本翻译与参考译文的对比；后者衡量的是在专为流式音频构建的基准上的语音翻译。它们除了数字格式相同之外，别无共同之处。可以比较的是证据的形态。7B 模型有一张完整公开发布的表格，覆盖 FLORES-200、WMT25、DomainMTBench 和 IFMTBench，全部由厂商自行运行。语音模型有一张四列表格，覆盖 FLEURS、CoVoST2、ACL6060 和 RealSI-Sentence，同样由厂商自行运行，另有一项与六名专业口译员进行的人工对比，腾讯自己称其规模较小且仅限于所用样本。两者均无独立验证。

这两条产品线真正重合的唯一地方，是中文和英文的翻译质量。从腾讯公布的每项指标来看，7B 都是更强的文本翻译器，包括指令遵循——它在 IFMTBench 上的 83.14 分比 1.8B 高出十四分。语音模型的优势不在于质量，而在于时机：它能在句子尚未说完时就给出可用的翻译，并且如果配置了 TTS 服务，还能传递说话人的声音。如果你的音频已经转写完成，且延迟预算以分钟计，那么 7B 是更好的翻译器。如果你的延迟预算以秒计，那么无论 7B 的分数多高，它都不在考虑范围内。

部署与成本，并排对比

• 参数——Hy-SimulMT-30B-A3B：总参数量 30.4B，约 3B 激活，带音频编码器的稀疏 MoE；Tencent Hy-MT2-7B：7B 稠密模型，仅支持文本。

• 内存 — Hy-SimulMT：约 61 GB BF16，FP8 版本已发布；Hy-MT2-7B：约 15 GB BF16，约 8 GB FP8，GGUF 格式仅几 GB。

• 上下文 — Hy-SimulMT：三十秒音频窗口；Hy-MT2-7B：8,192 个 token。

• 延迟 — Hy-SimulMT：约 3 秒 StreamLAAL，厂商报告；Hy-MT2-7B：文本输入、文本输出，且前面还有级联方案的 ASR 延迟。

• 语言 — Hy-SimulMT：语音方面已有中文和英文的文档记录；Hy-MT2-7B：33 种语言，外加五种少数民族语言和方言。

• 价格 — Hy-SimulMT：未公布；Hy-MT2-7B：每百万输入 token 0.074 美元，每百万输出 token 0.295 美元。

• 许可证 — 既是 Apache-2.0 又无使用门槛，既支持微调又可再分发。

这两款模型都不在 OrcaRouter 的目录中，我们也不托管其中任何一款。定价差异仍然是这里值得关注路由的原因。腾讯对其翻译 API 的定价颇具进攻性，并且会调整这些价格：2026 年 6 月 12 日，它将 Hy-MT2-Pro 降至每百万输入 token ¥0.5、每百万输出 token ¥2，输入降价 66.7%，输出降价 55.6%。OrcaRouter 以 0% 加价 透传提供商的标价，因此这样的降价当天就会在我们这边生效，而不是等到下一次合同续约；自动故障转移意味着某家提供商宕机不会导致翻译流水线中断。对于成本主要由每 token 费率决定的工作负载，0% 与 20% 加价之间的差异就是全部利润空间。

你的延迟预算会选择哪一个

从预算开始。如果答案是“秒”，那么 7B 的价格就完全不重要——如果没有流式识别器以及你需要构建并调优的分段策略，级联就无法产生同步馈送，而且即便如此它也会滞后。这两者中只有 Hy-SimulMT-30B-A3B 是为这一约束而构建的，其 Apache-2.0 许可证意味着你可以在自己的音频上验证这一说法，而成本是按小时计费的 GPU。以每会议小时 2–12 美元作为初始假设来编制预算，并对照你自己的利用率进行核对。

如果答案是“分钟”，那么 7B 在每一个重要维度上都胜出：成本、内存、语言覆盖、有文档记录的指令遵循能力，以及存在一个可以填进电子表格的价格。支付识别器的费用，为翻译支付半美分，然后把差额花在审校步骤上。大多数公司的大多数翻译工作仍然是第二种，这就是为什么一个带有价目表的 70 亿参数模型，很可能比一个最有趣的特点是还没有价目表的 300 亿参数模型存续得更久。