Hy-SimulMT-30B-A3B-Interleave

发布与定位

Hy-SimulMT-30B-A3B-Interleave 是腾讯混元（Tencent Hy）团队于 2026 年 10 月 26 日随 Hy-SimulMT 一同开源的交错输出版本，支持中文与英文之间的双向实时语音同传。与只输出译文的 Hy-SimulMT-30B-A3B 不同，它在流式翻译的同时交错输出识别出的源语言文本与译文，适合需要同时展示原文字幕的场景；官方 SimulInfer 的一键部署示例默认使用这一版本。官方评测数据以 Hy-SimulMT 名义发布，未区分两个版本。

架构与规格

模型为 30B-A3B 的 MoE 结构（总参数约 304 亿、每 token 激活约 30 亿），48 层、128 个路由专家 + 1 个共享专家、每 token 激活 8 个专家，配置中的架构名为 HYV3SpeechForCausalLM（hy_v3），直接以音频作为输入。

评测结果

官方在 RealSI 长音频评测中报告 Hy-SimulMT 的 StreamLAAL 约 3 秒，是对比系统中延迟最低的；GEMBA 质量分高于对比的开源模型以及 5 个商用 API 中的 4 个。短音频基准（分数越高越好）：

官方还用 18 段 2026 年 9 月以后新出现的中英真实音频（每段约 6 分钟，覆盖 10 个领域）与 6 名持 CATTI 一/二级证书的同传译员做了小规模对比，结论是翻译质量与专业译员相当、延迟通常更低；官方注明该结论仅适用于此次样本与设置。

部署与开源

权重以 Apache 2.0 许可在 Hugging Face 与 ModelScope 开源，另提供 FP8 量化版与 GGUF 版。GitHub 仓库提供 SimulInfer 推理服务（网页、音频上传、实时 WebSocket，需 vLLM ≥ 0.31）与 SimulTrain 训练工具；语音输出和音色克隆需要另行配置 TTS 服务。官方未提供托管 API，普通用户可在「Hy 翻译」App 中体验。