[其他] 腾讯混元开源Tencent-HY-MT1.5翻译模型，1.8B/7B两大版本支持多语言与端侧部署

近日，腾讯混元团队正式开源了新一代机器翻译模型 Tencent-HY-MT1.5 ，并同步上线混元官网、GitHub 以及 Hugging Face。该系列模型主打 高质量、多语言、端侧可部署 ，在翻译效果与工程落地之间取得了较好的平衡，受到开发者社区关注。

一、模型概览：两种规模，覆盖端侧与云端

Tencent-HY-MT1.5 系列当前主要包含两个版本：

• HY-MT1.5-1.8B
• HY-MT1.5-7B

两者均为 专用机器翻译模型 ，而非通用对话大模型，整体架构围绕翻译任务深度优化。

1️⃣ HY-MT1.5-1.8B

这是一个面向 端侧部署 的轻量版本，参数规模约 18 亿，重点优化推理效率与内存占用，可运行在移动端或边缘设备上。

2️⃣ HY-MT1.5-7B

该版本参数规模约 70 亿，定位为 高质量翻译基座模型 ，在翻译准确率、语义完整性与复杂句式处理方面表现更强，是此前 WMT 国际机器翻译评测冠军模型的升级版本。

二、多语言覆盖：不仅是中英互译

在语言支持方面，Tencent-HY-MT1.5 并未局限于常见语种：

• 支持 33 种主流国际语言互译
• 支持 5 种中国少数民族语言 / 方言
• 覆盖多种低资源语言与小语种

整体语言范围涵盖：

• 中、英、日、法、德等主流语言
• 捷克语、马拉地语、爱沙尼亚语、冰岛语等小语种

这使其在 跨境内容、本地化服务、政企翻译 等场景中具备更高适用性。

三、端侧部署能力：1.8B 模型是重点

Tencent-HY-MT1.5 的一大亮点，在于 端侧翻译能力的实用性 。

✅ 内存与推理效率

• 1.8B 模型在量化后， 内存占用约 1GB
• 在消费级设备上即可运行
• 50 tokens 推理耗时约 0.18 秒

这一指标在同类翻译模型中具有较强竞争力，尤其适合：

• 离线翻译
• 实时字幕
• 移动端即时翻译

✅ 支持多种量化格式

官方在 Hugging Face 上提供了 GGUF 等量化权重 ，方便直接接入本地推理框架，降低部署门槛。

四、翻译质量：接近大型闭源模型水平

在公开评测中，Tencent-HY-MT1.5 在多个权威翻译基准上表现稳定：

• FLORES-200
• WMT 系列评测任务

其中：

• 1.8B 模型 在翻译质量上已接近部分大型闭源模型的主流水平
• 7B 模型 在复杂句、长文本与专业语境下表现更稳健

整体来看，腾讯在 模型体量与翻译质量之间 做了较为务实的权衡。

五、实用工程特性：面向真实翻译场景

Tencent-HY-MT1.5 并非只关注模型指标，也强化了多个工程级能力。

✔ 术语干预机制

支持用户自定义术语表，适用于法律、医疗、科技等专业领域，确保关键术语不被误译。

✔ 上下文感知翻译

模型具备一定的上下文理解能力，可用于 多轮文本或长文档翻译 ，减少前后语义不一致问题。

✔ 格式保留能力

在翻译过程中可尽量保持原始文本结构，适合 HTML、技术文档等内容的翻译需求。

六、训练策略：小模型并非“简单裁剪”

在 1.8B 模型训练中，腾讯采用了 On-Policy Distillation（策略蒸馏） 方法：

• 由 7B 大模型实时指导小模型训练
• 小模型学习的是大模型的预测分布，而非固定答案
• 有助于提升泛化能力与低资源语言表现

这也是 1.8B 模型在体量受限情况下仍能保持较高翻译质量的重要原因。

七、开源与生态支持

目前 Tencent-HY-MT1.5 已完整开源，资源齐全：

• 混元官网 ：模型展示与能力介绍
• GitHub ：源码、模型配置、推理示例
• Hugging Face ：权重下载、量化版本、社区生态

模型可通过 transformers 直接加载，也支持接入 vLLM 等推理框架，适合快速构建翻译服务。对于想要深入实践或学习这类前沿 开源实战 项目的开发者来说，这提供了绝佳的机会。

Github 链接：https://github.com/Tencent-Hunyuan/HY-MT

HuggingFace 链接：https://huggingface.co/collections/tencent/hy-mt15

从此次开源可以看出，大厂正将成熟的 人工智能 技术以更易用的形式推向社区。模型的工程化特性，如端侧部署和术语干预，直接回应了真实业务需求。如果你对这类实用的技术进展感兴趣，欢迎在 云栈社区 与我们一同探讨。