腾讯混元开源翻译模型1.5：手机可离线运行，1GB内存流畅部署，效果超越商用API

摘要：腾讯混元团队于2025年12月30日正式开源其翻译大模型1.5版本，包含Tencent-HY-MT1.5-1.8B（18亿参数）和Tencent-HY-MT1.5-7B（70亿参数）两个模型。其中，1.8B轻量版经过量化后，仅需1GB内存即可在手机等端侧设备上流畅运行，支持离线实时翻译，其翻译效果在多项国际基准测试中超越了主流商用翻译API，甚至达到了超大尺寸闭源模型（如Gemini-3.0-Pro）的90分位水平。该模型支持33种语言互译及5种民汉语言/方言，为移动端和边缘计算场景提供了高效、低成本的AI翻译解决方案。

一、模型概览：双模型策略，兼顾性能与效率

腾讯混元翻译模型1.5版本（HY-MT1.5）采用“一大一小”的双模型架构，旨在满足不同场景下的部署需求。

• Tencent-HY-MT1.5-1.8B：作为轻量级“小钢炮”，其主要面向手机、平板等消费级设备。经过量化压缩后，模型内存占用可低至1GB，处理50个tokens的平均响应时间仅为0.18秒，远超主流商用API约0.4秒的水平。其设计目标是实现端侧离线部署，让用户在没有网络连接的环境下也能获得高质量的实时翻译体验。
• Tencent-HY-MT1.5-7B：作为完整版模型，它基于此前在WMT25国际机器翻译大赛中获得30个语种冠军的模型升级而来。新版本重点优化了翻译准确率，大幅减少了译文中夹带无关注释和语种混杂的问题，实用性显著增强。

在实际应用中，用户可以根据需求灵活选择或组合使用这两个模型。例如，在部分对延迟敏感的场景下，可以采用“端侧1.8B模型+云侧7B模型”的协同部署方案，在保证响应速度的同时，通过云端大模型进一步提升复杂语句的翻译质量与一致性。

二、核心性能：小身材，大能量

HY-MT1.5系列模型最引人注目的特点，是其在小参数量下实现的卓越性能。

1. 翻译质量对标顶级模型 在权威的FLORES-200、WMT25等多语言翻译测试集上，仅有18亿参数的HY-MT1.5-1.8B表现惊人。它不仅全面超越了同尺寸开源模型和主流商用翻译API，其成绩更是达到了参数量大其百倍以上的Qwen3-235B-A22B等超大闭源模型的90分位水平。在FLORES-200质量评估中，该模型取得了约78%的分数。

2. 极致的推理速度 效率是端侧部署的生命线。HY-MT1.5-1.8B凭借优化的模型设计和推理逻辑，在处理50个tokens时平均耗时仅0.18秒，相比其他商用模型（约0.4秒）具有明显的速度优势。这种高效率使其能够无缝应用于即时通讯、视频会议实时字幕、移动翻译App等高吞吐、低延迟的场景。

3. 技术突破：On-Policy蒸馏策略 如此小的模型为何能拥有媲美大模型的性能？其核心技术在于创新的 On-Policy Distillation（策略蒸馏） 方法。与传统蒸馏让小模型机械记忆“标准答案”不同，该方法以7B大模型为“教师”，实时引导1.8B的“学生”模型。它通过纠正小模型在预测序列分布时产生的偏差，让其从错误中主动学习，从而更深刻地理解翻译规律，实现了能力的实质性提升。

三、专业功能：不止于通用翻译

除了基础的语种互译，HY-MT1.5系列模型还集成了多项针对专业场景的实用功能，解决了传统翻译工具的诸多痛点。

• 自定义术语库：用户可为医学、法律、金融、科技等专业领域预先构建专属术语对照表。模型在翻译时会优先采纳用户定义的标准术语，确保如“不可抗力”、“心肌梗死”等关键术语在整篇文档中翻译一致、准确，极大提升了专业文档翻译的可靠性与权威性。
• 上下文理解翻译：模型具备优秀的长文本与多轮对话上下文理解能力。在翻译长段落、会议记录或连续对话时，它能有效捕捉并保持上下文逻辑关系，避免出现指代不清、语义断裂或风格不统一的问题，显著提升翻译的连贯性。
• 带格式文本翻译：通过精准的指令遵循能力，模型在翻译网页、带标记的文档时，能够尽量保留原文的排版格式、标签等信息，使得翻译结果无需二次调整即可直接使用，实用性更强。

四、部署与应用：开源生态与广泛落地

腾讯此次开源降低了高性能翻译模型的应用门槛。模型已在GitHub、Hugging Face、ModelScope等主流开源社区发布，并提供了FP8、GPTQ-Int4等多种量化版本，方便开发者根据硬件资源灵活选择。同时，模型已实现对Arm、高通、Intel、沐曦等多种芯片平台的支持，便于集成到手机、IoT设备乃至车载系统中。

目前，混元翻译模型已在腾讯内部超过900款应用和场景中落地，包括腾讯会议、企业微信、QQ浏览器、客服翻译等产品，为其提供了实时翻译、字幕生成等能力。对于开发者和企业而言，这意味着可以直接利用一个经过大规模业务验证的、高效的翻译引擎，快速构建自己的跨语言应用。

快速上手示例（使用Transformers库）：

from transformers import AutoModelForCausalLM, AutoTokenizer
model_name_or_path = "tencent/HY-MT1.5-1.8B"
tokenizer = AutoTokenizer.from_pretrained(model_name_or_path)
model = AutoModelForCausalLM.from_pretrained(model_name_or_path, device_map="auto")
messages = [
    {"role": "user", "content": "Translate the following segment into Chinese, without additional explanation.\n\nIt’s on the house."},
]
# ... 后续推理代码

五、总结与展望

腾讯混元翻译模型1.5的开源，标志着高性能AI翻译能力正式进入“手机可离线运行”的实用化阶段。其1.8B模型在1GB内存下的流畅运行能力，结合超越商用API的翻译质量，为移动翻译、离线办公、隐私敏感场景（如涉密会议翻译）以及硬件资源受限的边缘计算设备打开了新的可能性。

这不仅是腾讯在轻量化大模型技术上的重要突破，也预示着AI技术落地正从一味追求“参数规模”转向更注重“算法优化”与“场景深耕”。未来，基于此类高效的小模型，有望催生出更多针对医疗、教育、游戏等垂直领域的定制化翻译应用，进一步推动AI普惠。

文章来源：本文综合自央广网、智东西（腾讯新闻）、CSDN博客、中华网、新京报、腾讯云开发者社区等多家媒体及官方技术社区于2025年12月底至2026年1月初的报道与资料。模型官方开源地址：GitHub ( https://github.com/Tencent-Hunyuan/HY-MT) ， Hugging Face ( https://huggingface.co/collections/tencent/hy-mt15) 。