惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

T
The Blog of Author Tim Ferriss
Hugging Face - Blog
Hugging Face - Blog
F
Fortinet All Blogs
B
Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Microsoft Security Blog
Microsoft Security Blog
Blog — PlanetScale
Blog — PlanetScale
月光博客
月光博客
腾讯CDC
小众软件
小众软件
G
Google Developers Blog
V
Visual Studio Blog
罗磊的独立博客
GbyAI
GbyAI
V
V2EX
大猫的无限游戏
大猫的无限游戏
H
Help Net Security
L
LangChain Blog
Engineering at Meta
Engineering at Meta
量子位
The GitHub Blog
The GitHub Blog
博客园 - 司徒正美
WordPress大学
WordPress大学
B
Blog RSS Feed

V2EX

我用 AI 写代码,但终端管理反而成了累赘——于是我做了 codux [调研] 各位在公司都用什么 ide 和 agent 写代码? 老运维 share 一个运维平台 看到有公司考核 token 指标,很好奇大家上个月的 AI 账单是多少 GLM-Coding 调用持续报错: z.ai 的 Lite 套餐几乎无法使用,官方 Pro/Max 是否稳定? 现在还有什么渠道可以稳定安全地使用 Claude 吗? 上海漕河泾内推,本组有 2 个 hc,一个后端,一个前端,预算都是 20k 左右,不打卡,氛围好 如果 V2EX 上有一组不永久保存聊天记录(比如只保存 7 天或者 24 小时)的聊天室,那么会开启哪些有用或者有趣的可能? gemini cli 貌似挂了,一直返回 403 第一次在自媒体上赚到钱 收集了最近在使用的低价 GPT, Gemini,邮箱等 AI 会员的小店合集 讨论个大实话:现在企业还在说 AI 编程提效 20%, 30%的,真的太落后,没用懂 AI。因为包括很多前沿公司,已经狂奔到提效 200%-500%的情况 [招聘][远程][币安] 前端/后端/QA/iOS/Android 至少 3 年以上经验 目前有大量 HC 欢迎投递 Chatgpt Pro 用量用不完的可以开这些设置 面试的时候好像遇到钓鱼了,给各位避个坑 cursor 年续费 22 号到期, 自动续费是否还是老的计次套餐呢 被两件破事毁掉的一下午,琐碎的内耗消磨人的精力 使用 Planet 存储 Codex 的会话或者重要信息 如果业务部门领导不要你开发功能,而是要求你教会它用 claude code 开发功能,你会怎么做? 分享一个 MacOS 接绿联 CM818 USB 转 DP 转接器使用感受 我的 HR 朋友 10 年老 Java ,非全大专,大家帮忙看看简历 开源了一个 AI 口语练习工具,音素级发音评分,完全免费可自部署 V2EX 上有哪些你觉得很有趣、印象深刻的妹纸? 字节为啥不出个国内版 Vercel? 有在大马的朋友吗? 问个运营商问题 你们在有领导的公司大群发过的最大胆的消息是什么 公司裁员,目前没有工作。想试试摆摊,做一个移动鲜啤打酒车 我的硬盘 Memblaze Pblaze 5 Linux 下不识别,给 Linux 内核提交了补丁, AI 说有望被合并 只有我一个人觉得 codex 不好用?
[分享] 用腾讯开源的混元翻译模型 1.8B 给翻译插件当本地 API
zsxzy · 2026-05-26 · via V2EX

最近在找本地离线翻译大模型,测试了腾讯开源的 **混元翻译模型 1.8B **。

我用了几篇不同的技术文章进行深度对比,它的翻译质量明显高于 Google 翻译和微软翻译,术语和语序都更符合中文习惯,1.8B 的体量能有这个效果让人非常惊喜。

这里分享一下我的部署和启动参数优化经验。


1. 模型下载

建议下载 GGUF 格式,方便用 llama.cpp / llama-server 直接跑:


2. 启动与优化指令

如果你使用的是 RTX 3060 6GB 显卡,可以使用我优化后的 llama-server 启动命令。

这里开启了 --flash-attn 以及 KV 缓存量化(q8_0),基本可以把模型完全塞进显存,速度飞快:

llama-server -hf tencent/Hy-MT2-1.8B-GGUF:Q8_0 \
  -c 8192 \
  --port 8080 \
  -ngl 99 \
  --flash-attn on \
  -t 6 \
  --cache-type-k q8_0 \
  --cache-type-v q8_0 \
  --parallel 1 \
  --jinja \
  --n-predict -1 \
  --verbosity 1

3. PowerShell 测试指令

服务启动后,兼容 OpenAI 的 API 格式。在 Windows 下可以用以下 PowerShell 命令直接测试:

Invoke-RestMethod -Method Post -Uri "[http://127.0.0.1:8080/v1/chat/completions]( http://127.0.0.1:8080/v1/chat/completions)" `
  -ContentType "application/json" `
  -Body (@{
    model = "gpt-3.5-turbo"
    messages = @(
        @{role = "user"; content = "Translate to Chinese: Comparing Rust and C++ performance is a topic that all software developers should consider. In this guide, they are compared in terms of memory safety, concurrency models, and compilation performance. You will understand why C++ provides the best performance, and Rust does not compromise on safety as a trade-off. Simple differentiation and real-life examples will help you be prepared to make the correct choice of the right tool 。"}
    )
    stream = $false
  } | ConvertTo-Json)


4. 运行结果与性能 (RTX 3060 6GB)

在我的 3060 上,生成的 Token 速度非常理想,完全能喂饱翻译插件的并发需求:

choices            : {@{finish_reason=stop; index=0; message=}}
created            : 1779531650
model              : tencent/Hy-MT2-1.8B-GGUF:Q8_0
system_fingerprint : b9294-0f3cb3fc8
object             : chat.completion
usage              : @{completion_tokens=68; prompt_tokens=88; total_tokens=156; prompt_tokens_details=}
id                 : chatcmpl-5XADKRfaVh7iZ1Iva7bt1P1oRJkQBr5Q

# 性能耗时指标:
timings            : @{
    cache_n=0; 
    prompt_n=88; 
    prompt_ms=312.969; 
    prompt_per_token_ms=3.556; 
    prompt_per_second=281.178; 
    predicted_n=68; 
    predicted_ms=555.212; 
    predicted_per_token_ms=8.164; 
    predicted_per_second=122.475
}

总结: predicted_per_second 达到了 122 tokens/s