共计 1161 个字符，预计需要花费 3 分钟才能阅读完成。
腾讯混元在 AI 翻译方向又迈出一步 。5 月 21 日, 腾讯混元宣布开源全新翻译模型 Hy-MT2, 并同步推出基于该模型打造的小程序「腾讯 Hy 翻译」。这次更新的重点不只是翻译质量提升, 更集中在指令遵循、端侧部署和离线使用等实际体验上。
📌 从模型到小程序:Hy-MT2 覆盖 33 种语言互译
根据已公布信息,Hy-MT2 是一个多语言翻译模型家族, 支持 33 种语言互译。此次开源包含三个不同尺寸版本:Hy-MT2-1.8B、Hy-MT2-7B 和 Hy-MT2-30B-A3B, 分别面向轻量端侧部署、综合性能平衡以及更专业的翻译效果。
与模型开源同步上线的「腾讯 Hy 翻译」小程序, 则把 Hy-MT2 的能力直接面向普通用户开放。它支持语音输入, 并强化了自定义翻译风格和翻译指令的能力, 用户可以对译文风格、术语或输出形式提出更明确要求。
🔍 核心提升: 更会听指令, 也更适合真实场景
此次 Hy-MT2 的一个突出升级 , 是指令遵循能力。腾讯混元自建的 IFMT Bench 测试结果显示,Hy-MT2-7B 和 Hy-MT2-30B-A3B 在相关任务上已超过相近尺寸开源模型, 并接近部分行业领先模型表现。该测试集目前也已开源。
这类能力在实际翻译中很关键。 例如用户要求“译文简洁”“每句不超过一定字数”“保留指定术语”“输出为特定格式”, 模型能否稳定执行, 会直接影响文档、字幕、客服、跨境业务等场景的可用性。
- 通用翻译: 面向日常文本、网页内容和多语言沟通。
- 专业翻译: 针对金融、政治、教育等垂直领域进行优化。
- 格式控制: 更好响应用户对风格、术语和输出结构的要求。
- 真实业务场景: 更强调复杂语境下的稳定性与可控性。
💡 端侧部署成看点:1.8B 模型可离线运行
Hy-MT2-1.8B 的定位是轻量化和端侧部署 。材料显示, 得益于 AngelSlim 1.25-bit 极端量化方案, 该版本仅需约 440MB 存储空间, 可部署在主流手机芯片上进行本地推理; 在苹果 A15 上, 基于 Sherry 框架的 1.25-bit 量化版本推理速度相比 Hy-MT1.5 的 4-bit 量化版本提升约 1.5 倍。
这意味着翻译应用在弱网、无网或对隐私更敏感的环境中, 有机会减少对云端请求的依赖 。「腾讯 Hy 翻译」小程序也提到, 用户可提前下载端侧翻译模型, 在网络条件受限时使用离线翻译。
📊 开源生态扩大: 多平台支持部署
从行业角度看, 翻译模型正在从单纯追求大参数和高分数 , 转向更综合的产品能力: 既要翻得准, 也要听得懂指令; 既能跑在云端, 也要尽可能落到终端设备上。
🚀 总结:AI 翻译竞争进入“可控与可部署”阶段
综合来看,Hy-MT2 的发布释放了两个明确信号: 一是多语言翻译模型正在更加重视真实业务需求, 尤其是术语、风格和格式控制; 二是端侧离线翻译正在成为重要方向, 轻量模型和低比特量化会直接影响产品落地速度。
