5月21日，腾讯混元宣布开源全新翻译模型Hy-MT2并上线翻译小程序「腾讯Hy翻译」。Hy-MT2 是支持 33 种语言互译的多语言模型，其中7B 和 30B-A3B模型在各类翻译任务上达到了开源模型最佳效果，超越了几十倍参数量的模型，轻量级的 1.8B 模型也超越了微软等主流商业 API，且得益于 AngelSlim 1.25-bit 极端量化，仅需 440MB 存储空间，可以轻松部署在主流手机芯片上支持本地推理，相比Hy-MT1.5推理速度提升 1.5 倍。

Hy-MT2 包含 3个尺寸的模型 Hy-MT2-1.8B、Hy-MT2-7B、Hy-MT2-30B-A3B，分别侧重端侧轻量部署、均衡实力以及专业效果。

「腾讯Hy翻译」小程序基于 Hy-MT2 打造，相比其他翻译工具，不仅支持语音输入，还优化了自定义翻译风格和指令的能力，让翻译结果更符合预期，实用性更强。同时，用户不仅可以在联网环境下体验高速版的混元翻译模型，也可以通过提前下载端侧翻译模型，在无网络或者弱网络场景中使用离线翻译，解决了部分应用场景中网络条件受限的问题。

在通用翻译能力评测中，Hy-MT2系列三个模型在 FLORES-200 平均表现上已经非常接近目前行业表现最好的翻译模型 （Gemini 3.1 Pro ）。同时，Hy-MT2-7B 和 Hy-MT2-30B-A3B 的实测得分已经超过国内主要的通用大模型，在轻量级模型的横向对比中，Hy-MT2-1.8B 也整体优于头部商业翻译 API。

保持通用翻译能力的同时，Hy-MT2 进一步面向真实业务场景和专业领域翻译进行优化。

在真实场景测试集上，Hy-MT2-30B-A3B 效果已经超过 Gemini 3.1 Pro，特别在垂直领域的测试集中，Hy-MT2-30B-A3B在金融、政治、教育几个领域的翻译效果已经部分超过主流翻译模型。

相比上一版本模型，Hy-MT2的最大提升体现在指令遵循能力上，模型能够更准确地理解并执行用户关于术语、风格和输出格式等方面的具体要求。腾讯混元自建数据集 IFMT Bench 测试结果表明，Hy-MT2-7B 和 Hy-MT2-30B-A3B的翻译效果已经超越等相近尺寸开源模型，接近 Gemini 3.1 Pro。目前这一测试集也已经开源。

指令遵循能力见下面的例子，通过“个性化设定：翻译结果简洁精炼，去掉冗余表达，每句不超过15个字”，模型可以很好的遵循指令，让翻译结果更符合要求。

本次升级的 Hy-MT2 模型进一步探索极低比特量化方案，除 4-bit、8-bit 和 FP16 版本外，Hy-MT2 还基于混元自研技术提供了 1.25-bit 和 2-bit 版本，以适配不同硬件环境下的部署需求。基于混元自研 Sherry 框架实现的 1.25-bit 极低比特量化版本在苹果 A15 上的推理速度相比 Hy-MT1.5 的 4-bit 量化版本提升了 1.5 倍，进一步提升了实际可用性。

为了便于开发者使用，Hy-MT2 开源的模型已经在 Github 和 Huggingface 等开源社区上线，ARM、高通、Intel、沐曦、天数智芯等多个平台均支持部署。

总体看来，Hy-MT2 是一个面向真实应用场景的高质量、高效率、多能力多语翻译模型家族，在通用翻译、专业领域翻译、真实业务场景和翻译指令遵循任务上均表现出较强竞争力。

腾讯混元翻译模型坚持从社区和实际应用场景中搜集真实反馈，不断提升模型能力。同时，腾讯混元也希望通过开源和社区活动回馈社区，现在，腾讯混元也在与WMT26官方合作「视频字幕翻译比赛」（https://www2.statmt.org/wmt26/video-subtitle-translation.html），使用Hy-MT系列模型参与「通用机器翻译比赛」（https://www2.statmt.org/wmt26/translation-task.html）和「视频字幕翻译比赛」有机会获得混元特设奖励，诚邀邀大家参与，共同推动机器翻译前沿技术发展。

开源和体验链接，可访问：

l HuggingFace：https://huggingface.co/collections/tencent/hy-mt2

l Modelscope：https://modelscope.cn/collections/Tencent-Hunyuan/Hy-MT2

l Github：https://github.com/Tencent-Hunyuan/Hy-MT2

l 腾讯云：https://console.cloud.tencent.com/tokenhub/text

l 腾讯混元官网：https://aistudio.tencent.com/llm/zh?tabIndex=0