Hy-SimulMT-30B-A3B 對決 North Small Translate 1.0：兩款大模型，一份可出貨的授權

比較 Hy-SimulMT-30B-A3B 與 North Small Translate 1.0 最簡單的方法，就是看看在你決定喜歡它們之後會發生什麼事。Tencent 的模型採用 Apache-2.0：下載、微調、放進產品、收費，全都無需事先洽談。Cohere 的模型則是 CC BY-NC 4.0：非商業用途免費，但需透過聯絡表單申請，商業部署則須向 Cohere 或其合作夥伴 RWS 取得付費授權。兩者都是大型稀疏混合專家模型，多數團隊無法隨便跑得動。只有其中一個能在週二下午不用打採購電話就出貨，而這個不對稱性，比任何基準測試成績更能決定實際部署。

它們也不做同一件事，這讓授權比較更為鮮明，而不是更為緩和。North Small Translate 1.0 由 Cohere 於 2026 年 9 月 10 日發布，是一款文件級的文字翻譯器：總參數 2,180 億，活躍參數 250 億，輸入視窗為 16,000 個 token，而且不尋常的是，輸出視窗也是 16,000 個 token，涵蓋 50 種語言。Hy-SimulMT-30B-A3B 由騰訊於 2026 年 10 月 22 日以權重形式發布，是一款語音模型：它以三十秒為單位聆聽中文或英文音訊，並在說話者仍在說話時產生另一種語言。一個翻譯合約；另一個翻譯對話。兩者的重疊程度，比共同掛上的「翻譯模型」標籤所暗示的更小。

「小」的兩種不同定義

Cohere 的命名是相對於自家旗艦模型而言的。相較於前沿通用模型，2,180 億參數、其中 250 億為活躍參數，算是小；它的設計目標是每個 token 成本低且速度快，刻意不進行推理，而 Cohere 報告約每秒 112 個輸出 token。相較於任何你會在工作站上執行的東西，它則龐大無比。Cohere 建議的硬體是在 W4A4 下使用一張 B200 或兩張 H100；模型卡中各精度的最低需求更高，其中 BF16 列為四張 B200 或八張 H100。光是 FP8 權重集就約為 218 GB。

騰訊的「30B-A3B」代表總參數量 304 億，且每個 token 約有 30 億個啟用參數；就服務成本唯一重要的意義而言，這算小：每個 token 約啟用整個網路的十分之一。BF16 權重在 KV cache 之前仍約為 61 GB，因此 80 GB 加速器仍是實務上的下限，而已發布的 FP8 版本才讓較小的顯示卡也能納入適用範圍。這兩個模型都不算小，不是 440 MB 裝置端翻譯器那種小。它們的差異在於總參數量相差一個數量級、啟用參數量相差八倍，這會改變硬體成本，但不改變類別。

每一個各自如何處理其上下文

North Small Translate 1.0 的主打特色是輸出長度。輸入一萬六千個 token、輸出一萬六千個 token，意味著整份報告、手冊或合約可以作為一個單位輸入並輸出譯文，而且因為模型能一次看見全文，術語與語氣在整份文件中保持一致。Cohere 的長上下文評測聲稱，在這類任務上得分為 48.9，而 Google Translate 為 21.3、Gemma 4 31B 為 19.4。這項能力正是其參數量站得住腳的原因：不是更漂亮的句子，而是更完整的文件。

Hy-SimulMT-30B-A3B 與上下文的關係幾乎截然相反。其音訊編碼器每個視窗最多接受 480,000 個 16 kHz 取樣——也就是三十秒——而其生成設定預設每步產生六十四個新 token。這個模型在設計上是要及早定稿並跟上節奏，而不是把一份文件持續保持在檢視範圍內。其最大位置嵌入數量為 262,144，但模型卡並未公布可用的上下文長度，而對串流音訊而言，這個數字幾乎無關緊要。如果你的工作單位是一本 40 頁的手冊，從設計上來說這就是錯誤的工具。如果你的工作單位是一句還在被說出口的話，那麼它是兩者之中唯一適用的。

許可證是更明顯的差異

Apache-2.0 用在騰訊的權重上，可說是開放權重中最寬鬆的授權之一：商業使用、修改、再散布與衍生模型全都允許，但有一項標準例外：隨附的第三方元件仍適用其自身條款。授權檔案明確指出，Hy-SimulMT 指的是騰訊所發布的推論程式碼、參數與權重，且除了其所隨附元件的限制外，並未施加任何額外限制。該儲存庫中沒有可接受使用附加條款，下載也不設任何關卡。

Cohere 的 CC BY-NC 4.0 是另一種不同的授權機制。非商業使用免費；商業使用則需要授權，且模型權重需經審核才能取得。評論者指出，「非商業」的解釋範圍可能寬到涵蓋可獲利的產出——例如靠廣告收益的配音影片——這使得界線成為法律問題，而非工程問題。Cohere 透過自家銷售管道以及 RWS Language Weaver 的 Model Vault 銷售商業使用權，且未公開列出價格。

說得直白一點：如果你正在打造產品，騰訊的模型是你當天就能評估並部署的，而 Cohere 的模型則是你評估之後還得再談條件的。這並不代表 Cohere 的模型比較差——已經與 RWS 有合作關係的公司，或許會覺得商業途徑相對直接——但這確實改變了作業順序，也意味著這兩款模型很少會被同一個團隊基於同一個理由同時列入候選名單。

這些基準不能彼此對立。

很容易想把 Cohere 在 WMT26 的 83.60 分，與 Tencent 在 RealSI-Sentence 上的 84.7 分並排比較，然後宣佈誰勝誰負。別這麼做。這兩個數字來自不同任務、不同指標和不同評審。Cohere 的數字來自其對 WMT26 全語言集所做的自家評估，由 GPT-5.6-Sol 擔任自動評判打分，其中代理式多輪工作流程得分為 84.36；該模型發佈時，官方 WMT26 人工評估尚未公佈。Tencent 的 84.7 則是 RealSI-Sentence 上的語音翻譯分數，只是廠商自行製作表格中的一欄，旁邊還有 90.3 FLEURS、75.5 CoVoST2 和 81.2 ACL6060。兩家公司的數字都尚未被獨立實驗室重現。

可以說的是，這些結論具有方向性。Cohere 發布了一張列出具名競爭對手的比較表——DeepL NextGen 為 81.37，Qwen 3.5 397B A17B 為 81.56，Google Translate 為 68.20——全由同一個評審評分，這使排名在內部保持一致，即使該評審是語言模型也一樣。騰訊發布了一張包含九個系統、四項語音基準的表格，每一欄都將其自家模型加粗，並謹慎地加了一句說明它並未在 CoVoST2 中勝出。兩者都是行銷文件。Cohere 的那份對於在文字翻譯工具之間做選擇更有用；騰訊的那份則是這個語音模型目前唯一存在的證據。

部署與成本，逐點說明

• 總參數量 — Hy-SimulMT-30B-A3B：30.4B，稀疏 MoE 架構，約 3B 為啟用參數；North Small Translate 1.0：總計 218B，25B 為啟用參數。

• 權重佔用量 — Hy-SimulMT：已發布的 BF16、FP8 與 GGUF 版本約 61 GB；North：FP8 版本約 218 GB，另有 BF16 與 NVFP4 變體。

• 硬體 — Hy-SimulMT：實際上一張 80 GB 加速器；North：依 Cohere 建議的配置，W4A4 下為一張 B200 或兩張 H100，BF16 則需更高規格。

• 背景 — Hy-SimulMT：三十秒音訊視窗，未公布可用的文字上下文；North：16K 輸入，16K 輸出。

• 語言 — Hy-SimulMT：語音方面已記錄中文與英文，中繼資料中標記了 36 種；North：50 種。

• 授權條款 — Apache-2.0，無限制；相較之下，CC BY-NC 4.0 則需受限存取，且必須取得商業授權。

• 託管 API — 兩者皆不在 OrcaRouter 的目錄中，而我們兩者都不託管。Tencent 未公布 Hy-SimulMT 的端點或價格；Cohere 透過 Model Vault 提供商業存取，但沒有公開的價目表。

在這類建置中，路由器真正派上用場的地方，是在翻譯本身的下游。使用 North 的文件管線，或以 Hy-SimulMT 建構的會議管線，仍然需要一位審查者：由第二個模型檢查術語、標示遺漏，並將譯文與原文比對。把這項檢查當成向另一家供應商發出的獨立呼叫來執行，正是 OrcaRouter 專為此類多模型工作流程而打造的情境——一個 API 支援 200+ 個模型，0% 加價，以供應商定價計算；若審查供應商一時出狀況還能故障轉移，且當你想要一組評審而非單一評論者時可進行模型融合。翻譯器只是一個節點；圍繞它的品質控制，才是路由決策所在。

如何選擇

如果工作是翻譯文件，決定從頭到尾都取決於授權。能購買商業授權、且需要 16K 輸出的團隊，應該認真考慮 North Small Translate 1.0——這樣的輸出視窗是大多數翻譯模型所沒有的實質能力。需要無需協商即可出貨，或想要微調並重新散布的團隊，在這裡恰好只有一個選項，而它剛好就是參數量只有十分之一的那個。

如果任務是即時語音，這項比較便不成立。North Small Translate 1.0 不接受音訊、沒有串流模式，而對一個會回傳文件的模型來說，三秒延遲的說法毫無意義。Hy-SimulMT-30B-A3B 是兩者中唯一能實際參與會議的模型，而其 Apache-2.0 授權意味著你可以不必徵求任何人許可，就能知道它是否可行。這是個範圍狹窄的結論，但也很誠實：這些模型是為不同場合打造的，而授權只是讓選擇更加鮮明。