💡 站外导读：随着全球化进程加速与AI技术渗透，高质量、低延迟、可离线的多语言翻译需求日益迫切，尤其在移动办公、跨境交流和专业内容创作领域。腾讯混元团队正式开源其翻译模型Tencent-HY-MT1.5，旨在解决现有翻译工具在端侧部署、小语种覆盖、专业术语一致性以及长上下文理解方面的核心痛点，为开发者与用户提供兼顾性能与实用性的新选择。
Tencent-HY-MT1.5 是腾讯混元开源的翻译模型，包含两个版本Tencent-HY-MT1.5-1.8B 和 Tencent-HY-MT1.5-7B。模型支持33种国际语言互译及5种民汉/方言翻译，覆盖多种小语种。1.8B版本经过量化处理，仅需1GB内存即可在手机等消费级设备上实现端侧离线实时翻译，处理速度快。7B版本面向高性能场景，翻译准确率高，有效减少译文中夹带注释和语种混杂的情况。
多语言支持：涵盖 33 个语种的互译以及 5 种民汉/方言，除常见的中、英、日语等，还包括捷克语、马拉地语、爱沙尼亚语、冰岛语等小语种。
端侧部署能力：HY-MT1.5-1.8B 经过量化处理，仅需 1GB 内存即可在手机等消费级设备上实现离线实时翻译，处理 50 个 tokens 的平均耗时仅 0.18 秒，远快于主流商用翻译 API 的 0.4 秒。
翻译质量高：HY-MT1.5-1.8B 在 FLORES-200 等权威测试集中，效果达到 Gemini-3.0-Pro 等超大尺寸闭源模型的 90 分位水平，全面超越中等尺寸开源模型。
实用性增强：支持术语库自定义、上下文长文本理解以及带格式文本翻译，用户可导入专业术语表，模型能基于前文语境优化后续翻译，并保留原始排版格式。
On-Policy Distillation 策略：1.8B 模型采用了 On-Policy Distillation（大尺寸模型蒸馏）策略，由 7B 大模型作为教师实时引导训练，避免小模型死记硬背标准答案，通过纠正在预测序列分布时的偏移，让小模型从错误中学习，显著提升了小模型的泛化能力和翻译质量。
术语库自定义：用户可针对不同行业与专业场景构建专属术语对照表，导入术语库后，模型在翻译过程中会优先采纳用户定义的标准术语，确保关键术语的准确性和一致性。
上下文翻译：模型具备长文本与对话上下文理解能力，可基于前文语境持续优化后续翻译结果，适用于会议记录、访谈内容、小说章节、技术文档等长篇内容的翻译。
带格式翻译：模型能保持翻译前后的格式信息不变，适用于网页、文档等结构化内容的翻译。
获取模型：访问腾讯混元官网在线体验；可访问GitHub或 HuggingFace平台，下载所需的 Tencent-HY-MT1.5-1.8B 或 Tencent-HY-MT1.5-7B 模型部署使用。
端侧部署：Tencent-HY-MT1.5-1.8B 经过量化，仅需 1GB 内存即可在手机等消费级设备上实现端侧直接部署和离线实时翻译。
云侧部署：Tencent-HY-MT1.5-7B 适合高性能场景，可部署在云端，与 1.8B 模型协同使用，提升效果的一致性和稳定性。
移动设备翻译：Tencent-HY-MT1.5-1.8B 经过量化处理，仅需 1GB 内存即可在手机等消费级设备上实现端侧离线实时翻译，适用于移动设备上的即时翻译需求，如旅行中的语言交流、即时通讯中的跨语言对话等。
高性能翻译服务：Tencent-HY-MT1.5-7B 面向高性能场景，适合部署在云端，为需要高翻译质量的企业级应用提供服务，如跨国企业的文档翻译、专业领域的技术文档翻译等。
多语言内容创作：支持 33 种国际语言互译及 5 种民汉/方言翻译，能满足内容创作者在多语言环境下的创作需求，如多语言视频字幕制作、跨语言文学创作等。
专业术语翻译：支持术语库自定义，用户可导入专业术语表，模型在翻译过程中会优先采纳用户定义的标准术语，适用于专业领域的翻译需求，如医学、法律、科技等行业的翻译。
长文本翻译：具备长文本与对话上下文理解能力，能基于前文语境持续优化后续翻译结果，适用于会议记录、访谈内容、小说章节、技术文档等长篇内容的翻译。
格式化内容翻译：能保持翻译前后的格式信息不变，适用于网页、文档等结构化内容的翻译，确保翻译后的格式与原文一致。
腾讯混元此次开源的Tencent-HY-MT1.5，精准切中了当前AI落地的一个关键矛盾：大模型的高性能与端侧设备资源有限之间的冲突。其1.8B版本通过先进的量化与蒸馏技术，将强大翻译能力压缩至1GB内存即可运行，这不仅是技术上的突破，更预示了未来“AI平民化”与“边缘智能”的重要趋势——真正的智能应无处不在，而非仅限于云端。同时，支持术语库自定义与上下文翻译，显示了腾讯对产业实际需求的深刻理解，翻译正从“通用工具”向“行业伙伴”演进。此次开源，不仅为开源社区贡献了高质量的翻译基座模型，也为中国AI企业在垂直领域构建技术护城河提供了新范式。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。