腾讯混元开源 Hy-MT2：支持 33 种语言的“快思”翻译模型，1.8B 版本仅需 440MB 即可端侧部署

腾讯混元团队正式推出 Hy-MT2，这是一系列专为复杂现实场景设计的“快思”（Fast-Thinking）多语言翻译模型。该系列包含 1.8B、7B 和 30B-A3B（MoE） 三种规模，支持 33 种语言之间的高精度互译，并在指令遵循、领域特定翻译及结构化数据处理方面表现出色。

• GitHub：https://github.com/Tencent-Hunyuan/Hy-MT2
• 模型：https://modelscope.cn/collections/Tencent-Hunyuan/Hy-MT2

值得一提的是，通过 AngelSlim 的极致量化技术，Hy-MT2-1.8B 模型的存储需求被压缩至仅 440 MB，推理速度提升 1.5 倍，使其成为端侧部署的理想选择。

模型阵容与性能亮点

Hy-MT2 系列在不同规模下均实现了性能与效率的最佳平衡：

• Hy-MT2-1.8B：轻量级旗舰。整体表现超越微软 Translator、豆包等主流商业 API。经过 1.25-bit 量化后，体积仅 440 MB，可在手机、IoT 设备等资源受限环境中流畅运行。
• Hy-MT2-7B：中坚力量。在“快思”模式下，其翻译质量与指令遵循能力优于 DeepSeek-V4-Pro、Kimi K2.6 等知名开源模型。
• Hy-MT2-30B-A3B (MoE)：高性能专家混合模型。同样在“快思”模式下展现卓越性能，适用于对翻译精度和复杂逻辑处理有极高要求的服务端场景。

核心优势：

• “快思”模式：针对翻译任务优化的推理机制，显著提升响应速度与准确性。
• 强指令遵循：能够精准理解并执行复杂的翻译约束，如风格控制、术语指定、格式保留等。
• 广泛语言支持：覆盖全球主流 33 种语言，满足跨国业务需求。

应用场景：从日常对话到专业领域

Hy-MT2 不仅擅长通用文本翻译，更在以下复杂场景中表现优异：

1. 术语与风格控制

用户可以通过 Prompt 指定参考术语或目标风格（如“正式”、“幽默”、“法律严谨”），模型能严格遵循要求，确保译文符合特定语境。

2. 结构化数据翻译

对于 JSON、XML、代码注释等包含非自然语言元素的数据，Hy-MT2 能智能识别并锁定结构：

• 只翻译可见文本：自动忽略代码标签、键名（Key）、变量占位符（如 {{var}}）。
• 保持格式不变：确保缩进、层级、分隔符完全保留，避免破坏数据结构。

3. 上下文感知翻译

支持输入背景信息（Background Information），帮助模型更好地理解歧义语句，提供更符合情境的译文。

4. 个性化偏好

允许用户设定多条个性化偏好（如“使用简体中文”、“保留英文专有名词”），模型将在翻译过程中持续遵守这些规则。

开源生态与工具集成

为了降低使用门槛，腾讯混元同步开源了相关资源：

• 模型权重：提供 Hugging Face 下载链接，涵盖 FP8 量化版、GGUF 格式（支持 llama.cpp）等多种版本，适配不同硬件环境。
• IFMTBench 基准测试：开源用于评估翻译指令遵循能力的基准测试集，推动行业对翻译模型细粒度能力的评估标准。
• Hy-MT2-Translator Skill：发布适用于 ClawHub 和 SkillHub 的技能包，用户可轻松将 Hy-MT2 集成到 AI Agent 工作流中，实现自动化翻译任务。

如何使用：Prompt 示例

Hy-MT2 支持多种类型的指令模板，以下是几种典型用法：

1. 默认翻译

将以下文本翻译为 {target_lang}，注意只需要输出翻译后的结果，不要额外解释：
{source_text}

2. 术语参考

参考下面的翻译：
{text} 翻译成 {text}
...
将以下文本翻译为 {target_lang}，注意只需要输出翻译后的结果，不要额外解释：
{source_text}

3. 结构化数据保护（JSON 示例）

# 任务目标
将下方 {source_text} 中的 {format_type} 格式数据翻译为 {target_lang}。

# 严格约束
1. 结构锁定：绝对保持原有的 {format_type} 数据结构、缩进和层级完全不变。
2. 选择性翻译：仅翻译面向用户展示的可见文本内容。
3. 禁止修改：严禁翻译或更改任何代码标签、键名 (Key)、变量占位符（如 {{var}}、${var}、%s、%d 等）或代码属性。

# 数据输入
{source_text}

4. 风格控制

请将以下文本翻译为 {target_lang}。
注意翻译的风格要严格符合【{target_style}】
{source_text}

无论是需要处理海量多语言内容的企业用户，还是希望在本地设备上实现离线翻译的开发者，Hy-MT2 都提供了一个强大且灵活的工具。随着 IFMTBench 基准测试和技能包的开源，我们期待看到更多基于 Hy-MT2 的创新应用涌现。